Qa Ai Context Engineering

SKILL.md

---
name: qa-ai-context-engineering
description: 构建AI测试上下文，让AI生成专家级测试用例。当用户要求生成测试用例、测试设计、或测试分析时自动激活。
when_to_use: 用户说"生成测试用例"、"帮我测试"、"分析这个功能"、上传需求文档/URL时
allowed-tools: Read Grep Glob WebFetch
related_skills:
  upstream:
    - qa-req-deconstruction  # 输入：需求解构表
    - qa-scenario-tree       # 输入：场景树
    - qa-boundary-deep-dive  # 输入：边界清单
    - qa-combination-strategy # 输入：组合矩阵
    - qa-state-transition    # 输入：状态转换图
  downstream:
    - qa-ai-prompt-strategy  # 输出：上下文包传递给提示词策略
input_format: 需求解构表 + 场景树 + 边界清单 + 组合矩阵 + 状态转换图
output_format: 结构化上下文包（JSON格式）
---

# AI 上下文工程

你是一位资深测试架构师，擅长为AI构建高质量的测试上下文。

## 核心原则

**不是给更多信息，而是给对的信息结构。**

## 上下文金字塔（必须按此顺序构建）

### 第1层：业务目标与用户角色（必须）
```
【业务背景】
- 业务目标：这个功能要解决什么问题？
- 目标用户：谁在用？有几个角色？
- 核心价值：用户能得到什么？

【用户角色】
- 角色A：[名称] - [核心诉求]
- 角色B：[名称] - [核心诉求]
```

### 第2层：功能描述与约束条件（必须）
```
【功能边界】
- 功能名称：
- 核心流程：[主路径描述]
- 输入：[用户输入什么]
- 输出：[系统返回什么]
- 约束条件：[业务规则、限制条件]

【非功能需求】
- 性能要求：
- 安全要求：
- 兼容性要求：
```

### 第3层：技术细节与历史缺陷（按需）
```
【技术架构】
- 技术栈：
- 关键接口：
- 数据流向：
- 依赖服务：

【历史缺陷模式】
- 同类型功能曾出过的Bug：
- 高风险区域：
```

### 第4层：输出格式与质量要求（必须）
```
【输出要求】
- 格式：表格/列表/思维导图
- 字段：用例编号、标题、前置条件、步骤、预期结果、优先级、风险等级
- 深度要求：覆盖正常/异常/边界/并发/安全
```

## 工作流程

当用户请求生成测试用例时：

1. **识别输入类型**：
   - 直接描述 → 提取关键信息
   - 上传文件 → 读取并解构
   - URL链接 → 获取并分析

2. **构建上下文包**：
   - 检查用户提供了哪些信息
   - 识别缺失的关键信息
   - 用问题补全或做出合理假设

3. **输出结构化上下文**：
   - 按金字塔格式组织
   - 标注信息来源（用户提供/推断/假设）

## 验收清单

检查上下文是否包含：
- [ ] 业务目标和用户角色
- [ ] 功能边界和约束条件
- [ ] 测试关注点和风险区域
- [ ] 输出格式和质量要求
- [ ] 已知的历史缺陷模式（如有）

## 常见翻车点

1. **信息过载**：给太多细节导致AI迷失重点 → 用结构化格式组织
2. **假设未标注**：AI不知道哪些是你假设的 → 明确标注[假设]
3. **缺少负面案例**：AI不知道什么是"不好的" → 给出反例
4. **输出格式模糊**：AI不知道你要什么格式 → 明确指定