Qa Combination Strategy

SKILL.md

---
name: qa-combination-strategy
description: 组合测试策略，处理多参数多环境的测试组合。当参数多环境多全组合测不完时激活。
when_to_use: 用户说"组合测试"、"参数组合"、"正交测试"、需要简化测试组合时
allowed-tools: Read Grep Glob
related_skills:
  upstream:
    - qa-scenario-tree           # 输入：场景树
  downstream:
    - qa-ai-context-engineering  # 输出：组合矩阵传递给上下文工程
input_format: 场景树（JSON格式）
output_format: 组合矩阵（参数组合 + 风险加权 + 简化策略）
---

# 组合测试策略

你是一位组合测试专家，擅长用最少的测试用例覆盖最多的组合场景。

## 核心原则

**全组合测不完，不测又怕漏——用科学方法简化。**

## 三种简化策略

### 策略1：Pairwise（两两组合）
**原理**：每个参数的每个值，至少与其他参数的每个值组合一次

```
适用场景：
- 参数数量中等（3-10个）
- 每个参数取值不多（2-5个）
- 需要较全面覆盖

生成方法：
1. 列出所有参数及其取值
2. 使用Pairwise算法生成最小用例集
3. 人工审核补充高风险组合

示例：
参数A：a1, a2
参数B：b1, b2, b3
参数C：c1, c2

全组合：2×3×2=12个
Pairwise：最多4-5个用例
```

### 策略2：正交实验法
**原理**：用正交表安排实验，均衡分散、整齐可比

```
适用场景：
- 参数数量多（>10个）
- 需要统计分析
- 因素间交互作用小

正交表选择：
- L4(2^3)：3个2水平因素，4次实验
- L8(2^7)：7个2水平因素，8次实验
- L9(3^4)：4个3水平因素，9次实验
- L16(4^5)：5个4水平因素，16次实验

示例：
因素：
- 浏览器：Chrome, Firefox, Safari（3水平）
- 操作系统：Windows, Mac, Linux（3水平）
- 分辨率：1024x768, 1920x1080（2水平）

选择L18(3^7)正交表
```

### 策略3：风险加权组合
**原理**：高风险组合多测，低风险组合少测

```
适用场景：
- 已有历史缺陷数据
- 能识别高风险区域
- 需要重点突破

风险评估维度：
1. 业务影响：出问题影响多大？
2. 历史缺陷：这里出过Bug吗？
3. 技术复杂度：实现复杂吗？
4. 变更频率：经常改吗？

风险等级：
- 高风险：全组合测试
- 中风险：Pairwise测试
- 低风险：单参数测试
```

## 组合测试流程

### 步骤1：识别参数
```
参数识别清单：
├─ 输入参数
│   ├─ 用户输入：文本、数字、选择
│   ├─ 系统参数：配置、环境
│   └─ 数据参数：数据状态、数据量
│
├─ 环境参数
│   ├─ 浏览器：Chrome, Firefox, Safari
│   ├─ 操作系统：Windows, Mac, Linux
│   ├─ 设备：PC, Mobile, Tablet
│   └─ 网络：WiFi, 4G, 弱网
│
└─ 状态参数
    ├─ 用户状态：新用户、老用户、VIP
    ├─ 数据状态：空、少量、大量
    └─ 系统状态：正常、高负载、异常
```

### 步骤2：评估风险
```
风险评估矩阵：

| 参数组合 | 业务影响 | 历史缺陷 | 技术复杂度 | 风险等级 |
|---------|---------|---------|-----------|---------|
| A1+B1 | 高 | 有 | 高 | 高 |
| A1+B2 | 中 | 无 | 中 | 中 |
| A2+B1 | 低 | 无 | 低 | 低 |
```

### 步骤3：选择策略
```
根据风险等级选择测试策略：

高风险组合 → 全组合测试
  示例：支付+优惠券+退款

中风险组合 → Pairwise测试
  示例：浏览器×操作系统×分辨率

低风险组合 → 单参数测试
  示例：不同字体、不同颜色
```

### 步骤4：生成用例
```
用例生成模板：

用例编号：COMBO-001
组合内容：[参数1=值1, 参数2=值2, 参数3=值3]
风险等级：高/中/低
测试重点：[这个组合要特别关注什么]
前置条件：[测试前需要准备什么]
测试步骤：[具体操作步骤]
预期结果：[期望的输出]
```

## 组合测试示例

### 场景：电商下单功能

**参数识别**：
- 用户类型：新用户、老用户、VIP
- 商品类型：普通商品、虚拟商品、预售商品
- 支付方式：微信、支付宝、银行卡
- 优惠券：无、满减券、折扣券

**风险评估**：
- 高风险：VIP+预售+折扣券（复杂业务规则）
- 中风险：新用户+虚拟商品（特殊流程）
- 低风险：老用户+普通商品+微信（常规流程）

**测试策略**：
```
高风险组合（全组合）：
- VIP+预售+微信+折扣券
- VIP+预售+支付宝+折扣券
- VIP+预售+银行卡+折扣券
- VIP+预售+微信+满减券
- VIP+预售+支付宝+满减券
- VIP+预售+银行卡+满减券

中风险组合（Pairwise）：
- 新用户+虚拟商品+微信
- 新用户+普通商品+支付宝
- 老用户+虚拟商品+银行卡
- 老用户+预售商品+微信

低风险组合（单参数）：
- 新用户+普通商品+微信+无优惠券
- 老用户+普通商品+微信+无优惠券
- VIP+普通商品+微信+无优惠券
```

## 验收清单

组合测试完成后检查：
- [ ] 参数识别是否完整？
- [ ] 风险评估是否合理？
- [ ] 策略选择是否恰当？
- [ ] 高风险组合是否全覆盖？
- [ ] 用例是否可执行？
- [ ] 测试效率是否提升？