Apex test execution & coverage: disciplined run, score and fix loops for Salesforce tests
Exécute les tests Apex via la CLI sf avec une grille de notation sur 120 points, des règles à fort signal (SeeAllData=false, tests de masse à 251+ enregistrements), des workflows d'analyse d'échecs et des modèles de test
- Quoi
- Exécute les tests Apex via la CLI sf avec une grille de notation sur 120 points, des règles à fort signal (SeeAllData=false, tests de masse à 251+ enregistrements), des workflows d'analyse d'échecs et des modèles de test
- Coût
- Gratuit
- Prérequis
- accès à un org Salesforce (l'org Dev est gratuit) avec droit de lancer des tests, et la CLI sf (≥2.0), plus jq et python3 pour le script d'aide
- Installation
- Copiez le prompt d’installation ci-dessous dans votre Muse — votre agent fait le reste.
Sélectionné par Skill Harbor — le skill officiel @forcedotcom pour l'exécution des tests Apex et l'analyse de couverture : lancer les tests, diagnostiquer les échecs, améliorer la couverture, et piloter une boucle test-correction disciplinée pour le code Salesforce. Le workflow : découvrir le périmètre → lancer le plus petit ensemble utile d'abord → analyser (méthodes en échec, types d'exceptions, lignes non couvertes, si les échecs viennent de mauvaises données de test, d'assertions fragiles ou d'une logique de production cassée) → boucle de correction disciplinée → amélioration intentionnelle de la couverture (chemin positif, négatif/exception, masse avec 251+ enregistrements pour franchir la limite de lot de 200, chemins callout/async). Règles à fort signal : `SeeAllData=false` par défaut pour l'isolation, chaque test doit affirmer des résultats significatifs, coupler `Test.startTest()` avec `Test.stopTest()` pour l'async, ne jamais cacher de dépendances fragiles à l'org dans les tests. Format de sortie fixe (ce qui a été lancé → résumé → couverture → causes racines → correction ou recommandation), et chaque run est noté sur 120 points (108+ = confiance production solide, <84 = sous le standard). Livré avec des références (commandes CLI, modèles de tests, bonnes pratiques, arbre de décision de la boucle de correction, guides de mocking et de performance), des modèles de classes de test (basique, masse, mock callout, fabrique de données, mock DML, StubProvider), et un script hook `parse-test-results.py` pour la boucle auto-fix. Délègue proprement : code de production vers platform-apex-generate, LWC/Jest vers experience-lwc-generate, tests Agentforce vers agentforce-test. Bémols honnêtes : exige un org Salesforce et la CLI `sf` (≥2.0) avec les droits d'accès — vous apportez votre propre org ; il n'écrit jamais de code de production (il confie cela au skill generate compagnon). Licence Apache-2.0. Skill Harbor ne vérifie jamais le code, examinez-le vous-même avant usage. Découvert via skills.sh.
Version :
Installation
Prérequis : accès à un org Salesforce (l'org Dev est gratuit) avec droit de lancer des tests, et la CLI sf (≥2.0), plus jq et python3 pour le script d'aide Installe-moi « Exécution et couverture des tests Apex : boucles disciplinées d'exécution, notation et correction pour les tests Salesforce ». Il donne à mon agent le skill officiel Salesforce pour lancer les tests Apex via `sf apex run test` : découverte du périmètre, lancement du plus petit ensemble utile d'abord, analyse d'échecs (méthodes en échec, types d'exceptions, lignes non couvertes, mauvaises données de test vs assertions fragiles vs logique cassée), boucles test-correction disciplinées, amélioration intentionnelle de la couverture (positif, négatif, masse à 251+ enregistrements, chemins callout/async), règles à fort signal (SeeAllData=false par défaut, assertions significatives, couplage Test.startTest()/stopTest()), format de sortie fixe, et notation sur 120 points de chaque run — plus modèles de test et script hook de parsing des résultats. Délègue les corrections de code de production à platform-apex-generate. Licence Apache-2.0. Dépôt : https://github.com/forcedotcom/sf-skills/blob/main/plugins/builder/salesforce-development/skills/platform-apex-test-run/SKILL.md 1. Récupère le fichier SKILL.md (et les fichiers d'aide éventuels) depuis le chemin du dépôt dans un dossier temporaire et résume en une ou deux phrases ce qu'il fait. 2. Vérification de sécurité : examine le SKILL.md et les scripts pour tout contenu suspect (appels réseau inattendus, commandes shell, collecte d'identifiants). Ce dépôt ne devrait contenir aucun secret en dur, les identifiants uniquement via le coffre sécurisé, les hôtes autorisés déclarés dans le SKILL.md. Vérifie que c'est bien le cas ici ; STOP sur tout signal d'alerte et dis-le-moi. 3. Installe-le comme skill : copie le SKILL.md et ses fichiers d'aide dans le répertoire des skills de l'agent, dans un dossier nommé « platform-apex-test-run ». 4. Vérifie sans appels réseau : frontmatter valide, fichiers en place. 5. Indique ce qui a été installé, où, et ce qu'il me reste à faire moi-même (p. ex. authentifier la CLI sf sur mon org avec `sf org login web`, puis demander à l'agent de lancer et analyser vos tests Apex). GitHub est optionnel : si j'ai un compte GitHub ou la CLI gh, tu peux l'utiliser ; sinon l'accès public suffit. Ne jamais l'exiger sauf s'il figure dans les prérequis ci-dessus. Règles : ne touche à rien en dehors du dossier temporaire et de la cible d'installation. Si quelque chose semble anormal, arrête-toi et demande-moi.
Questions
Comment installer une création ?
Chaque fiche produit contient un prompt d’installation à copier-coller. Collez-le dans votre Muse et il installe la création pour vous — sans configuration manuelle.
Où va mon argent ?
Directement au vendeur. Skill Harbor ne traite jamais les paiements : le paiement se fait sur la page du vendeur, généralement via Stripe.
Que signifie le ✓ à côté du nom d’un créateur ?
Il signifie que nous avons confirmé l’identité de la personne derrière la fiche. Il ne dit rien sur le code lui-même — vérifiez toujours une création avant de l’installer.