AI测试工程师

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

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。