当 AI 生成的测试用例已经过输出评审和盲区补盲、准备终审上线时使用此技能。由资深测试对 AI 输出的用例做人工抽样校验，从业务有效性、场景完整性、可执行性三个维度做最后把关。⚠️ 如果发现系统性问题（比如遗漏了某个关键模块），需要回退修正并记录到 Prompt 优化反馈库。专家评审不是走形式——发现的问题必须闭环。 本技能属于 QA Test Skills 技能集（49 个技能之一），完整工作流体验需安装全套：npx skills add Kokxi/qa-test-skills
2 次安装
编程
AI 测试输出评审
试用对AI生成的测试用例进行八维评审（完整性、正确性、可执行性、风险覆盖、规范性、一致性、追溯性、冗余度），是AI生成用例后的第一个质量门禁。当AI刚刚生成了一大批测试用例、你需要确保这些用例真的有价值而不是"看起来不错"时，应当使用此技能。不要假设AI输出的都是对的——AI经常生成语义正确但实际操作不了的用例。每个维度评分低于7分的必须标注问题并使用MISSING/WRONG/VAGUE等规范格式标记。无上游场景树/风险清单时降级为六维评审（跳过追溯性、简化完整性）。 本技能属于 QA Test Skills 技能集（49 个技能之一），完整工作流体验需安装全套：npx skills add Kokxi/qa-test-skills
它能做什么
对AI生成的测试用例进行八维评审（完整性、正确性、可执行性、风险覆盖、规范性、一致性、追溯性、冗余度），是AI生成用例后的第一个质量门禁。当AI刚刚生成了一大批测试用例、你需要确保这些用例真的有价值而不是"看起来不错"时，应当使用此技能。不要假设AI输出的都是对的——AI经常生成语义正确但实际操作不了的用例。每个维度评分低于7分的必须标注问题并使用MISSING/WRONG/VAGUE等规范格式标记。无上游场景树/风险清单时降级为六维评审（跳过追溯性、简化完整性）。 本技能属于 QA Test Skills 技能集（49 个技能之一），完整工作流体验需安装全套：npx skills add Kokxi/qa-test-skills
技能文档
⚠️ 安全警告：本技能的示例可能涉及测试用例整理、合并或删除建议。 实际使用时请勿直接执行批量删除操作，先备份原数据并确认非关键用例。 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。
AI 输出评审
使用逻辑
本技能分为四个阶段，按顺序执行：
阶段一：评审框架（八维评审法）
│
│ 使用八维评审法对AI输出进行系统打分
│ 输出：评审报告（评分 + 问题清单）
│
▼
阶段二：报告模板（输出格式）
│
│ 按标准格式输出评审结果
│ 输出：结构化评审报告
│
▼
阶段三：追问问法（深入挖掘）
│
│ 使用追问技巧引导发现问题
│ 输出：更深层的质量洞察
│
▼
阶段四：辅助工具（假设挖掘/反驳机制/投入产出评估）
│
│ 补充评审维度，提升评审深度
│ 输出：完整评审结论
关键点：阶段三的"追问问法"是在评审报告输出后使用的，用于引导发现更深层的问题，不是独立的评审体系。
输入要求
必填输入
- AI生成的测试用例
推荐输入（提供则评审更准确）
- 场景树（来自qa-scenario-tree）：用于完整性评审，判断场景覆盖率
- 风险清单（来自qa-risk-intuition）：用于风险覆盖评审，判断高风险区域是否深测
- 需求ID列表：用于追溯性评审，判断用例是否可追溯
降级策略
如果缺少推荐输入：
| 缺少的输入 | 评审策略 | 降级处理 |
|---|---|---|
| 场景树 | 完整性评审 | 基于通用场景清单（主流程/分支/异常/边界） |
| 风险清单 | 风险覆盖评审 | 基于默认风险类型（资金/安全/并发/数据一致性） |
| 需求ID列表 | 追溯性评审 | 跳过，标记为"需补充追溯信息" |
评审模式
模式A：完整评审（有场景树和风险清单）
- 八维评审全部启用
- 输出完整评审报告
- 适用场景：工作流中的标准评审
模式B：快速评审（无上游数据）
- 启用六维评审（跳过追溯性，简化完整性）
- 输出简化评审报告
- 标注"建议补充场景树后重新评审"
- 适用场景：独立使用、快速检查
模式选择规则
有场景树 AND 有风险清单 → 模式A（完整评审）
否则 → 模式B（快速评审）
核心原则
AI输出看起来都对，但专家能看出哪里不够。
八维评审法速查
评分标准：每维度10分，总分≥64分为合格。详见 references/review-dimensions.md。
| 维度 | 评分核心 | 核心关注 |
|---|---|---|
| 完整性 | 场景覆盖是否完整 | 主路径+分支+异常+边界 |
| 正确性 | 业务规则和预期是否正确 | 内容正确性 |
| 可执行性 | 步骤是否清晰可执行 | 可操作性 |
| 风险覆盖 | 高风险区域是否深测 | 资金/安全/并发/数据 |
| 规范性 | 格式是否符合标准 | 编号/表格/字段 |
| 追溯性 | 需求/风险ID是否完整 | 需求追溯链 |
| 一致性 | 用例间是否自相矛盾 | 前置与步骤匹配 |
| 冗余度 | 是否有无价值用例 | 重复/低价值用例 |
每维度的详细评分标准、评审清单和追问问法参见
references/review-dimensions.md。
评审报告模板
详见 references/report-templates.md，包含三种模板：
- 完整评审报告（模式A）：八维评分 + 问题清单 + 改进方向
- 简化评审报告（模式B）：六维评分 + 降级标注
- 快速评审模板：星级评价 + 主要问题 + 迭代方向
假设挖掘
AI输出中常见的隐含假设：
| 假设类型 | 示例 | 验证方法 |
|---|---|---|
| 用户行为假设 | "用户会正常输入" | 追问：用户误输入怎么办？ |
| 环境假设 | "网络正常" | 追问：网络异常时会怎样？ |
| 数据假设 | "数据格式正确" | 追问：格式错误时怎么处理？ |
| 时序假设 | "操作按顺序执行" | 追问：乱序执行会怎样？ |
| 依赖假设 | "第三方服务正常" | 追问：第三方挂了怎么办？ |
挖掘问法：
请列出你在输出中做的所有假设
哪些假设可能不成立？
如果假设不成立，测试场景会有什么变化？
迭代决策树
当AI输出不满意时：
输出不满意
│
├── 完整性不够？
│ └── 补充场景：请补充[缺失的场景类型]
│
├── 深度不够？
│ └── 深入分析：请按[具体维度]深入分析
│
├── 风险覆盖不足？
│ └── 重点强化：请对[高风险区域]做专项测试
│
├── 有矛盾？
│ └── 修正一致性：请修正[具体矛盾点]
│
├── 冗余过多？
│ └── 精简用例：请合并或删除[低价值用例]
│
└── 不可执行？
└── 调整可行性：请确保[测试步骤]可实际执行
AI反驳机制
让AI挑战你的假设，而不是迎合你。
反驳问法模板
模式1：质量负责人视角
"请站在质量负责人角度，指出可能遗漏的业务风险、过度测试的地方，
以及上线前还需要确认的问题。"
模式2：故障反推视角
"请假设这个功能上线后出现严重问题，反推我现在的测试方案
可能漏掉了什么。"
模式3：资源约束视角
"测试资源有限，请评估这些用例的投入产出比，
哪些是必须测的，哪些可以简化或跳过。"
模式4：竞品对比视角
"如果竞争对手的同类功能比我们更稳定，可能是因为
他们多测了哪些我们没覆盖的场景？"
反驳检查清单
- 是否要求AI挑战你的假设？
- 是否让AI从反面看问题？
- 是否评估了投入产出比？
- 是否识别了过度测试的区域？
投入产出评估
评估维度
| 维度 | 评估标准 | 权重 |
|---|---|---|
| 业务价值 | 影响用户数×影响程度 | 40% |
| 风险等级 | 发生概率×影响程度 | 30% |
| 测试成本 | 用例数×执行时间 | 20% |
| 自动化潜力 | 是否适合自动化 | 10% |
评估矩阵
| 用例类型 | 业务价值 | 风险等级 | 测试成本 | 建议 |
|---|---|---|---|---|
| P0+高风险 | 高 | 高 | 中 | 必须测试，优先自动化 |
| P0+低风险 | 高 | 低 | 低 | 必须测试，手动即可 |
| P1+高风险 | 中 | 高 | 中 | 必须测试，考虑自动化 |
| P1+低风险 | 中 | 低 | 低 | 选择性测试 |
| P2+高风险 | 低 | 高 | 中 | 评估后决定 |
| P2+低风险 | 低 | 低 | 低 | 可跳过或简化 |
ROI计算公式
ROI = (业务价值 × 风险等级) / 测试成本
示例：
用例A：业务价值=5, 风险等级=5, 测试成本=2
ROI = (5×5)/2 = 12.5 → 高ROI，优先测试
用例B：业务价值=2, 风险等级=2, 测试成本=5
ROI = (2×2)/5 = 0.8 → 低ROI，可简化
检查清单
评审完成后检查：
- 是否识别了AI的隐含假设？
- 是否评估了覆盖完整性？
- 是否检查了一致性？
- 是否评估了冗余度？
- 是否有明确的迭代方向？
- 评审报告是否可执行？
- 是否标注了降级模式（如适用）？
相关技能
在最终输出前对测试用例做最后一轮防幻觉验证：事实核查（引用的需求ID是否存在）、一致性检查（用例之间是否矛盾）、可执行性验证（步骤是否能实际操作）、来源追溯（每个用例是否能追溯到具体需求）。当测试用例已经生成完毕、准备输出了，但你不确定AI有没有编造不存在的功能或需求时，应当使用此技能。这是整个工作流的最终质量守门——如果验证失败，必须返回问题清单要求修正，不得跳过。 本技能属于 QA Test Skills 技能集（49 个技能之一），完整工作流体验需安装全套：npx skills add Kokxi/qa-test-skills
1 次安装
根据不同的测试目标和上下文，选择最佳的提示词模式来驱动AI生成高质量的测试用例。当AI输出的测试用例质量不够好、太泛泛、或者深度不够时，问题往往不在AI而在提示词。此技能提供结构化提示词模板，注入前面步骤产出的分析结果，输出包含角色定义、输出格式规范和约束条件的优化提示词。⚠️ 作为工作流的必过步骤，不得跳过。 本技能属于 QA Test Skills 技能集（49 个技能之一），完整工作流体验需安装全套：npx skills add Kokxi/qa-test-skills
2 次安装
将前面所有分析步骤（需求解构、场景树、边界清单、风险评估等）打包成一个结构化的AI上下文包，确保AI在生成测试用例时拥有完整的业务上下文、功能上下文和技术上下文。当已经完成了需求分析、场景构建和深度设计，即将进入提示词生成阶段时，必须经过此步骤。上下文包的完整度直接决定了AI生成用例的质量——输入垃圾，输出也是垃圾。当上游分析缺失时，本技能会读取用户上传的需求文件或fetch用户提供的URL以补充上下文，并对原始描述做结构化解析后并入上下文包，但不会替代上游分析步骤——缺失项仍需标注并建议回退补充。 本技能属于 QA Test Skills 技能集（49 个技能之一），完整工作流体验需安装全套：npx skills add Kokxi/qa-test-skills
2 次安装
当需要测试 AI Agent（智能体、聊天机器人、AI 助手）时使用此技能。Agent 测试和传统功能测试完全不同——你要测的不是"点按钮看结果"，而是它的推理链路、工具调用时机、幻觉率、Prompt 注入防护、角色边界保持和记忆一致性。如果 Agent 能乱调用工具或泄漏系统 Prompt，那就是安全事件。⚠️ Agent 测试必须包含功能安全可控可靠九维覆盖，缺一不可。 本技能属于 QA Test Skills 技能集（49 个技能之一），完整工作流体验需安装全套：npx skills add Kokxi/qa-test-skills
2 次安装
从完整性、清晰性、一致性、可测试性、可实现性五个维度系统化评审需求文档质量。当用户要求"评审这份需求"、"看看这个PRD写得怎么样"、或者测试用例设计前需要先评估需求质量时，应当使用此技能。如果需求本身有问题（模糊/矛盾/不可测试），后续的测试设计都是徒劳。不要只在用户明确说"需求评审"时才用——任何涉及需求文档的测试任务都应先过一遍需求评审。 本技能属于 QA Test Skills 技能集（49 个技能之一），完整工作流体验需安装全套：npx skills add Kokxi/qa-test-skills
1 次安装