AI测试工程师

SKILL.md

---
name: ai-test-engineer
description: AI测试工程师全生命周期技能集合。覆盖需求分析→测试设计→AI协作→自动化→执行监控→质量度量→专项测试7大阶段共48个专家级测试技能模块，使初级测试人员输出专家级测试用例。触发词：测试用例、测试设计、测试策略、测试分析、测试报告、接口测试、性能测试、安全测试、自动化测试、AI测试、质量度量、缺陷分析、回归测试、兼容性测试、测试评审、测试估算、探索性测试、CI/CD测试、测试数据、测试环境、测试覆盖率、测试效率、质量模型、测试ROI。
agent_created: true
---

# AI测试工程师 — 48模块全生命周期测试技能集

## 概述

本Skill将一名初级测试工程师的日常操作注入专家级知识体系，覆盖测试全生命周期的7大阶段48个核心技能模块。每个模块包含核心方法论、专家操作流程、关键检查点、常见陷阱、产出模板和AI增强技巧。

## 触发指南

当用户提出以下意图时加载本Skill：
- 编写/设计/评审测试用例
- 制定测试策略/计划
- 分析需求可测性
- 执行测试设计（等价类、边界值、状态迁移等）
- AI辅助测试（生成用例、分析缺陷、智能回归）
- 搭建自动化测试框架
- 测试执行监控与缺陷管理
- 质量度量、效率分析、ROI评估
- 专项测试（性能、安全、兼容性、易用性）

## 架构总览：7阶段 × 48模块

```
Phase 1: 需求分析与测试策略 (6模块) → references/phase1-requirements.md
Phase 2: 测试设计方法 (8模块)        → references/phase2-design-methods.md
Phase 3: 测试用例工程 (8模块)        → references/phase3-testcase-engineering.md
Phase 4: AI协作测试 (8模块)          → references/phase4-ai-collaboration.md
Phase 5: 自动化测试 (6模块)          → references/phase5-automation.md
Phase 6: 测试执行与监控 (6模块)      → references/phase6-execution.md
Phase 7: 质量度量与分析 (6模块)      → references/phase7-quality-metrics.md
```

## 使用方式

### 交互式导航
当用户提出测试相关问题时，按以下步骤响应：

1. **识别阶段**：根据用户意图匹配对应的Phase
2. **加载参考**：Read对应的 `references/phaseX-xxx.md` 文件
3. **定位模块**：在参考文件中找到精确匹配的技能模块
4. **执行专家流程**：严格按照模块中定义的方法论、检查点、模板执行
5. **输出专家级产物**：生成结构化的测试用例/策略/报告

### 模块选择决策树

```
用户意图
├─ 涉及需求/策略/计划 → Phase 1
├─ 涉及测试方法/设计技巧 → Phase 2
├─ 涉及具体用例编写 → Phase 3
├─ 涉及AI辅助/智能化 → Phase 4
├─ 涉及自动化/CI/CD → Phase 5
├─ 涉及执行/缺陷/环境 → Phase 6
└─ 涉及度量/效率/ROI → Phase 7
```

### 跨阶段组合
对于复杂请求（如"为这个API设计完整的测试方案"），按顺序加载多个Phase：
1. Phase 1 → 分析需求可测性，制定测试策略
2. Phase 2 → 选择测试设计方法（等价类+边界值+判定表）
3. Phase 3 → 编写具体测试用例
4. Phase 5 → 设计自动化测试方案（如适用）
5. Phase 7 → 定义质量度量标准

## 快速索引：48模块一览

| 编号 | 模块名称 | 阶段 | 核心价值 |
|------|---------|------|---------|
| M01 | 需求可测性分析 | P1 | 判断需求是否可测，识别测试盲区 |
| M02 | 测试策略制定 | P1 | 选择最优测试方法和资源分配方案 |
| M03 | 测试范围与优先级 | P1 | 基于风险的测试范围裁剪 |
| M04 | 风险识别与评估 | P1 | FMEA风险矩阵，预防性测试 |
| M05 | 测试估算与资源规划 | P1 | 工作量估算、人力和环境规划 |
| M06 | 需求评审检查清单 | P1 | 结构化需求评审，减少返工 |
| M07 | 等价类划分法 | P2 | 用最少用例覆盖最多场景 |
| M08 | 边界值分析法 | P2 | 精准捕获边界缺陷 |
| M09 | 判定表与因果图 | P2 | 复杂业务规则的逻辑化测试 |
| M10 | 状态迁移测试 | P2 | 全覆盖状态机和状态转换 |
| M11 | 正交实验设计 | P2 | 多因素组合的最小用例集 |
| M12 | 场景法测试设计 | P2 | 端到端用户场景覆盖 |
| M13 | 组合测试设计 | P2 | Pairwise/N-wise组合覆盖 |
| M14 | 错误推测法 | P2 | 基于经验的缺陷预测 |
| M15 | 功能测试用例编写 | P3 | 8要素标准功能用例模板 |
| M16 | 接口测试用例编写 | P3 | REST/GraphQL/gRPC全覆盖 |
| M17 | 性能测试用例设计 | P3 | 负载/压力/稳定性/峰值场景 |
| M18 | 安全测试用例设计 | P3 | OWASP Top 10全覆盖 |
| M19 | 兼容性测试用例 | P3 | 多端多浏览器多分辨率矩阵 |
| M20 | 易用性测试用例 | P3 | Nielsen十大可用性原则驱动 |
| M21 | 测试数据构造 | P3 | 等价类数据+边界数据+异常数据 |
| M22 | 测试用例评审与优化 | P3 | 7维度评审，去除冗余 |
| M23 | AI生成测试用例 | P4 | Prompt工程驱动的高质量用例生成 |
| M24 | AI辅助测试脚本 | P4 | 自然语言→自动化脚本 |
| M25 | AI缺陷分析 | P4 | 智能分类、根因分析、模式识别 |
| M26 | 智能回归测试选择 | P4 | 基于代码变更的精准回归 |
| M27 | AI测试数据生成 | P4 | 智能造数，覆盖边界和异常 |
| M28 | 自然语言用例转换 | P4 | 人类语言→结构化用例 |
| M29 | AI测试覆盖率分析 | P4 | 智能识别未覆盖路径 |
| M30 | AI辅助测试报告 | P4 | 自动汇总、趋势分析、洞察生成 |
| M31 | 自动化框架搭建 | P5 | 选型→架构→脚手架→CI集成 |
| M32 | UI自动化测试 | P5 | Page Object + 智能等待 + 截图 |
| M33 | 接口自动化测试 | P5 | 契约测试+数据驱动+断言链 |
| M34 | CI/CD测试集成 | P5 | Pipeline设计+质量门禁+并行策略 |
| M35 | 自动化脚本维护 | P5 | 自愈定位器+参数化+模块化 |
| M36 | 自动化执行与调度 | P5 | 分布式执行+重试机制+资源管理 |
| M37 | 测试环境管理 | P6 | 环境配置即代码+数据隔离+健康检查 |
| M38 | 探索性测试 | P6 | SBTM+测程+Charter驱动的专家探索 |
| M39 | 测试进度跟踪 | P6 | 燃尽图+进度偏差+风险预警 |
| M40 | 缺陷生命周期管理 | P6 | 提交→确认→修复→验证→关闭 |
| M41 | 回归测试策略 | P6 | 全量/选择/优先级三级回归 |
| M42 | 测试执行风险监控 | P6 | 实时风险信号+预案触发 |
| M43 | 测试覆盖率度量 | P7 | 代码/需求/风险/业务四维覆盖率 |
| M44 | 缺陷密度与趋势分析 | P7 | DDP/缺陷注入率/收敛趋势 |
| M45 | 测试效率度量 | P7 | 用例生产率/执行效率/自动化ROI |
| M46 | 质量模型评估 | P7 | ISO 25010八维质量特性评估 |
| M47 | 测试ROI分析 | P7 | 缺陷预防价值/自动化节省/投入产出比 |
| M48 | 质量仪表盘设计 | P7 | 实时可视化+趋势预测+决策建议 |

## 专家级核心原则

### 测试用例8要素标准
每个测试用例必须包含：
1. 用例编号（分层编号：模块-场景-序号）
2. 测试标题（动词开头，明确验证点）
3. 前置条件（数据+环境+权限+状态）
4. 测试步骤（操作→预期反应，一步一验证）
5. 预期结果（可量化、可验证、不含歧义）
6. 测试数据（具体值，非"有效数据"）
7. 优先级（P0阻塞/P1高/P2中/P3低）
8. 关联需求（需求ID+版本）

### 测试设计五问法（5-Why for Testing）
每个测试设计决策自问：
1. 为什么这个场景需要测？（业务影响）
2. 为什么选择这个方法？（方法适配性）
3. 为什么不测其他场景？（风险可接受性）
4. 为什么这个数据？（数据代表性）
5. 为什么这个优先级？（失败后果评估）

### AI增强三原则
1. **AI是加速器，不是替代者**：AI生成后必须人工审查关键业务逻辑
2. **Prompt决定质量**：输入越结构化，输出越精准
3. **增量验证**：不要一次性让AI生成全部，分批验证后迭代

## 技能使用脚本

### testcase_generator.py
自动生成标准化测试用例模板。

### quality_dashboard.html
交互式质量仪表盘模板。