1. 为什么我把测试工作流拆成了 25 个 Skill先说结论我日常做 AI 测试和 Agent 开发真正高频复用的能力其实就那么二十几个。把它们从每次重新写提示词变成固定下来的 Skill是我这两年效率提升最明显的一次改造。很多人对 Skill 的理解还停留在提示词模板层面觉得无非是把一段话存起来反复用。这个理解不算错但太浅了。Skill 的本质是把一类任务的输入、处理逻辑、输出格式、边界条件全部固化下来让它变成一个可调用、可组合、可版本管理的单元。它和普通提示词的区别就像函数和随手写的一行代码的区别——前者有明确的入参出参后者只能靠你每次手动拼。我最初也是散着用的提示词存在各种笔记里用的时候翻半天改一版就忘了上一版长什么样。后来 Agent 类工具开始普及尤其是支持 Skill 机制的工作流出现之后我才意识到测试这件事天然适合 Skill 化。因为测试工作的重复度极高——写用例、造数据、跑断言、分析失败原因、生成报告每一步的套路都很固定变的只是被测对象。这 25 个 Skill 覆盖了我日常的几大块接口测试、UI 自动化、数据构造、失败归因、报告生成、Agent 行为验证、以及一些偏元的能力比如去 AI 味、提示词自检。下面我不打算干巴巴列清单而是按解决什么问题来分组讲每个都说说它为什么这么设计、我踩过什么坑。提示Skill 不是越多越好。我一开始攒了六十多个结果自己都记不住哪个是哪个调用时反而更慢。砍到 25 个左右是甜蜜点——覆盖足够全又能全部记住。2. 接口与数据类 Skill测试的地基接口测试是我用得最多的一块因为大部分 AI 应用和 Agent 的对外能力最终都落在接口上。这一组 Skill 大概占了 8 个是整套体系里最稳的部分。2.1 用例生成 Skill从接口定义到可执行用例这个 Skill 的输入是一段接口描述OpenAPI 片段、或者干脆是一段自然语言说明输出是结构化的测试用例列表。关键在于我在里面固化了几个约束必须覆盖正常值、边界值、异常值三类缺一类就报错重来每个用例必须带预期结果不能只写操作参数组合要显式列出不允许等等这种偷懒写法为什么这么严因为我发现 AI 生成用例最大的毛病就是看起来很多实际全是重复的正常路径。你不给它硬约束它就给你凑数。加了这三条之后生成质量肉眼可见地稳定。实际用的时候我会把接口定义直接贴进去然后人工过一遍边界值那部分——AI 对业务语义的边界判断还是不如人比如金额为 0 是否合法这种它只能猜。2.2 测试数据构造 Skill造得真才测得准造数据是个体力活但又是测试质量的关键。这个 Skill 我设计成按数据画像来生成——你告诉它需要什么样的数据比如一批手机号其中 20% 是无效格式10% 是重复的它按比例产出。这里有个我踩过的坑早期我让它随便造结果造出来的数据太干净全是合法值根本测不出问题。后来我强制要求每个数据集必须包含脏数据比例可配默认 15%。这个改动之后很多以前漏掉的校验 bug 都冒出来了。数据构造还要注意脱敏。我一般让 Skill 生成的是仿真数据不碰任何真实用户信息。这一点在团队协作里尤其重要别把测试环境搞成数据泄露的源头。2.3 断言生成 Skill把我觉得对变成机器判定对断言写得好不好直接决定测试有没有价值。这个 Skill 的输入是接口响应示例输出是一组断言表达式。我固化的规则是断言类型检查内容是否必选状态码HTTP 状态是否符合预期必选结构字段是否存在、类型是否正确必选业务值关键字段的值是否合理必选性能响应时间是否在阈值内可选幂等重复调用结果是否一致可选我特别强调结构断言和业务值断言要分开写。很多人图省事只断言状态码 200结果接口返回了个空对象也照样通过这种测试等于没测。2.4 失败归因 Skill让报错自己说人话测试跑挂了最烦的是看一堆堆栈不知道哪出了问题。这个 Skill 接收失败日志输出归因结论。我给它喂了大量历史失败案例做参考让它能区分几类常见原因环境问题、数据问题、被测代码 bug、测试脚本自身 bug。这个 Skill 的价值在于把排查时间从十分钟压到一分钟。以前一个失败用例我要翻日志、看请求、对比预期现在它直接告诉我疑似被测接口返回字段类型变更原预期 string 实际返回 number我验证一下就行。不过要提醒一句归因结果永远只能当参考不能当结论。我遇到过它把环境超时误判成代码 bug 的情况所以关键结论还是要人工确认。2.5 接口 Mock Skill让联调不再互相等前后端联调最痛苦的就是互相等接口。这个 Skill 根据接口定义直接生成 Mock 服务配置支持按场景返回不同数据正常、异常、超时、空数据。我一般会为每个接口准备至少四套 Mock 场景这样前端在真实接口没好之前就能把各种分支都调通。这个习惯帮我省了无数次等后端的时间。3. UI 与端到端测试那些容易翻车的地方UI 自动化是投入产出比最玄学的一块。写起来费劲维护起来更费劲但有些场景又非它不可。这一组我留了 6 个 Skill核心思路是降低维护成本。3.1 元素定位 Skill告别脆弱的 XPathUI 测试挂掉八成是定位失效。这个 Skill 的输入是页面结构输出是稳定的定位策略。我固化的优先级是优先用语义化的属性如>