Learning adaptive testing
Design computer-adaptive tests using IRT for efficient mastery determination.
开发权限需确认github未标认证来源可访问clear审计通过
learning-adaptive-testing（学习适应性测试）
Agent Skill
用于辅助测试设计、自动化测试、用例整理和回归验证。它适合让 Agent 编写单元测试、端到端测试、测试计划或根据失败日志定位问题。使用时需要确认项目测试框架、运行命令和夹具数据，避免为了通过测试而改坏真实逻辑；涉及浏览器或外部服务时，应区分本地模拟、测试环境和生产环境。
总安装
220
周安装
9
GitHub Stars
1
下载量
71
CodexClaudeCursorGemini CLI
安装方式
通过对话安装
复制提示词发给支持本地命令或 Skills 的 AI 助手，先确认命令和权限，再让它执行。
请帮我安装这个 Agent Skill：learning-adaptive-testing（学习适应性测试）
来源仓库：https://github.com/pauljbernard/content
仓库路径：skills/learning-adaptive-testing
安装命令：
npx skills add https://github.com/pauljbernard/content --skill learning-adaptive-testing
安装前请先检查当前环境是否支持对应 CLI，并向我确认将要执行的命令、安装目录、联网范围和文件读写权限；确认后再执行。命令行安装
复制命令到本机终端执行。不同来源提供的安装方式可能略有差异；本站展示可直接复制的安装命令，安装前请核对来源页面。
skills.shnpx skills
npx skills add https://github.com/pauljbernard/content --skill learning-adaptive-testing简介
用于辅助测试设计、自动化测试和回归验证，适合让 Agent 编写单元测试或根据失败日志定位问题。
- 适用于开发类任务，使用时需要确认项目测试框架和运行命令。
- 通过 npx skills add 命令从 GitHub 安装，需确认权限范围和维护状态。
- 涉及浏览器或外部服务时，应区分本地模拟和测试环境。
- 当前维护状态和稳定性需结合仓库活跃度进一步确认。
SKILL.md
适合场景
01
用户想查找某类 Agent Skill 时
02
需要根据任务场景推荐可安装能力包时
03
需要对比不同来源的安装命令和来源信息时
04
需要参考平台分布和安装热度时
能力概览
能力 1
按任务关键词查找相关 Skills
能力 2
展示可复制的安装命令
能力 3
保留来源站点、仓库和原始说明，方便继续核验
能力 4
补充不同宿主或平台的使用分布数据
能力 5
展示第三方安全扫描或审计结果
安装后应在对应宿主中按原始 README 的触发条件使用；具体调用方式请以来源页面和 README 为准。
平台分布
Claude Code
27.87%按下载量换算20
windsurf
25.58%按下载量换算18
zencoder
17.75%按下载量换算13
trae
12.87%按下载量换算9
OpenCode
8.83%按下载量换算6
Codex
4.21%按下载量换算3
安全审计
Gen Agent Trust Hub
Socket
Snyk
权限和风险
权限需确认
当前来源未能明确判断权限范围，默认进入异常复核队列。
安装前确认
本站仅展示第三方公开信息，不托管安装包，不提供自动安装或运行环境。安装前应自行审查源码、依赖和命令行为。
来源信息
继续浏览同类 Skills
上一个 Skill
learn-from-code-review（从代码审查中学习）
learn-from-code-review 用于处理 GitHub 仓库、Issue、Pull Request 和代码协作信息，适合在 Codex、Claude、Cursor、Gemini CLI 中需要围绕仓库状态、代码变更或协作事项进行整理时使用。可结合来源仓库、安装命令和原始 README 继续核验具体用法。安装前建议确认权限范围、维护状态，以及是否会触发联网、命令执行或文件读写。
下一个 Skill
learning.data-privacy-compliance（学习数据隐私合规性）
用于辅助数据整理、表格处理、CSV/Excel 分析、指标计算和图表准备。它适合让 Agent 清洗字段、汇总数据、发现异常、生成统计口径或把分析结果转成可读说明。使用时需要确认数据来源、字段含义和时间范围，避免把样本数据当全量事实；涉及敏感数据、导出文件或批量写回时，应先确认权限和脱敏边界。