Qa Combination Strategy

SKILL.md

---
name: qa-combination-strategy
version: 1.6.0
description: >-
  当参数多、环境多、"全组合测不完"时运用正交试验法、Pairwise和判定表来解决组合爆炸问题。如果系统有多个输入字段的组合依赖关系（如"A=1且B=2时C不能为3"）、或者需要适配多浏览器多操作系统多语言，一定要用此技能来设计高效的组合覆盖方案。不要试图全覆盖——组合测试的核心是用最少的用例达到最高的组合覆盖率。输出组合覆盖矩阵并标注覆盖遗漏。

when_to_use: 用户说"组合测试"、"参数组合"、"正交测试"、"组合爆炸"、"Pairwise"、"全组合测不完"、"判断表"、需要简化测试组合、参数多环境多时
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:
  required:
    - name: 场景树
      type: object
      description: 来自qa-scenario-tree的场景树
    - name: 需求解构表
      type: object
      description: 来自qa-req-deconstruction的需求解构结果
  optional:
    - name: 风险评估
      type: object
      description: 来自qa-risk-intuition的风险评估
output_format:
  traceability:
    - 每个组合矩阵带唯一ID（COMBO-XXXX）
    - 关联场景ID（SC-XXXX）
  structure:
    - combination_matrix: 组合覆盖矩阵
    - pairwise_combinations: 成对组合列表
    - n_way_combinations: N维组合分析
    - coverage_gaps: 组合覆盖遗漏
depth_requirement_quantification:
  reference_value: "根据参数数量和取值范围调整策略深度：简单×1/中等×2/复杂×3"
  minimum: "至少使用1种组合简化策略"
error_recovery_guidance:
  on_failure: "回退到全组合方案或增加取样率"
  retry_behavior: "扩大取样范围后重新生成组合方案"
categories: ['Development','Testing']
---
> **⚠️ 安全警告**：本技能的示例可能涉及订单号、支付金额、截图、身份证、手机号等敏感数据。
> 实际使用时请勿粘贴真实生产数据、客户信息或财务凭证；测试前应脱敏/掩码处理。
> 本技能仅在 workspace/ 输出评估文件，不持久化、不外传、不跨会话复用。


# 组合测试策略

## 核心原则

全组合测不完，不测又怕漏——用科学方法简化。提供 Pairwise、正交实验法、风险加权组合三种简化策略。组合数必须少于全量组合，并标注覆盖分析。

## 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

```text
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

```text
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

```text
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
```text
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
```text
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
```text
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**：
```text
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
```

## 策略选择速查表

| 特征 | 推荐策略 | 组合压缩比 | 最佳适用 |
|------|---------|----------|---------|
| 参数3-10个，每参数2-5值 | Pairwise | 全组合的10-30% | 功能、兼容测试 |
| 参数>10个，需统计分析 | 正交实验 | 全组合的5-20% | 配置、环境兼容测试 |
| 有历史缺陷数据 | 风险加权 | 按需调整 | 回归测试、重点突破 |
| 高安全/高风险 | 全组合 | 100% | 支付、安全模块 |

## 常见反模式

1. **一刀切选Pairwise**：不管场景都用两两组合 → 高安全场景必须全组合，低风险场景单参数即可
2. **参数遗漏**：只列了输入参数，漏了环境/状态参数 → 参数识别清单必须覆盖输入/环境/状态三类
3. **对结果不排序**：Pairwise跑出100条用例直接全测 → 按风险等级排序，先跑高风险组合
4. **忽略交互**：只测单参数，不测参数间组合 → 所有业务规则设计到的参数间交互必须覆盖

## 异常处理引导

| 场景 | 表现 | 处理方式 |
|------|------|---------|
| 参数过多导致组合爆炸 | 简化后仍有1000+组合 | 按风险加权：高风险组合全覆盖，低风险抽样 |
| 环境差异导致不一致 | 不同环境结果不同 | 锁定基线环境，标注差异，分环境执行 |
| 业务规则频繁变化 | 组合条件随需求变更 | 稳定参数做基础组合，易变参数单独测试 |
| 遗漏关键组合 | 上线后发现未覆盖的组合有问题 | 更新检查清单，增加历史缺陷驱动的组合权重 |

## 输出示例

**场景：电商下单功能测试（参数：用户类型×商品类型×支付方式）**
→ 参数识别：用户（新用户/老用户/VIP）、商品（普通/虚拟/预售）、支付（微信/支付宝/银行卡）
→ 策略选择：Pairwise生成9条组合覆盖所有两两交互
→ 风险加权：VIP用户+预售商品+微信支付标记为高风险（深测）

**参数太多（10个参数×每个5种取值）全组合2小时跑不完**
→ 先用Pairwise压缩到核心组合，再补充高风险组合深测

## 检查清单

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？