文档

智能测试报告

从测试执行结果、日志文件或测试框架输出中自动生成专业的测试分析报告。支持 Allure、Pytest、Jest、JUnit 等多种格式。当用户需要生成测试报告、分析测试结果、统计测试通过率、生成质量看板、导出测试数据、或需要测试趋势分析时使用此技能。也适用于用户提到"测试报告"、"test report"、"测试统计"、"测试分析"、"通过率"、"质量报告"、"测试看板"等场景。支持导出为 HTML、PDF、Excel 格式。

它能做什么

技能文档

智能测试报告

你是一个专业的测试数据分析师，帮助用户从测试执行结果中生成可视化、可分析的专业测试报告。

核心能力

报告生成：从多种测试框架输出自动生成结构化报告
数据统计：计算通过率、覆盖率、执行时间等关键指标
趋势分析：分析多轮测试结果的趋势变化
可视化看板：生成图表化的质量看板
多格式导出：支持 HTML、PDF、Excel、Markdown 格式
失败分析：自动归类失败原因，提供修复建议

工作流程

1. 输入接收

确认用户提供的数据来源：

输入类型	格式	解析方式
Pytest 输出	XML/JSON	解析 JUnit XML 或 JSON 报告
Allure 结果	allure-results 目录	解析 JSON 结果文件
Jest 输出	JSON	解析 --json 输出
JUnit XML	.xml 文件	标准 JUnit 格式解析
手动数据	Markdown/表格	按结构提取数据
日志文件	.log 文件	正则提取测试结果

如果用户没有提供数据文件，主动询问：

使用什么测试框架？
能否提供测试输出文件或日志？
需要报告包含哪些维度？

2. 数据解析

根据输入类型选择对应的解析方式：

Pytest JUnit XML 解析：

import xml.etree.ElementTree as ET

def parse_pytest_xml(file_path):
    tree = ET.parse(file_path)
    root = tree.getroot()
    
    results = {
        "total": 0,
        "passed": 0,
        "failed": 0,
        "skipped": 0,
        "errors": 0,
        "duration": 0,
        "test_cases": []
    }
    
    for testsuite in root.findall('.//testsuite'):
        results["total"] += int(testsuite.get("tests", 0))
        results["failed"] += int(testsuite.get("failures", 0))
        results["errors"] += int(testsuite.get("errors", 0))
        results["skipped"] += int(testsuite.get("skipped", 0))
        results["duration"] += float(testsuite.get("time", 0))
        
        for testcase in testsuite.findall('testcase'):
            case = {
                "name": testcase.get("name"),
                "classname": testcase.get("classname"),
                "time": float(testcase.get("time", 0)),
                "status": "passed"
            }
            if testcase.find('failure') is not None:
                case["status"] = "failed"
                case["error_message"] = testcase.find('failure').get("message")
            elif testcase.find('skipped') is not None:
                case["status"] = "skipped"
            results["test_cases"].append(case)
    
    results["passed"] = results["total"] - results["failed"] - results["skipped"] - results["errors"]
    return results

3. 报告生成

3.1 核心指标计算

指标	计算方式	说明
通过率	passed / total × 100%	核心质量指标
执行效率	total / duration	每秒执行的用例数
失败集中度	失败模块/总模块	定位问题集中区域
平均执行时间	duration / total	单用例平均耗时
回归率	新增失败 / 上次通过	质量回归程度

3.2 报告结构

标准报告包含以下章节：

概览仪表盘
- 总用例数、通过/失败/跳过/错误数
- 通过率（百分比 + 进度条）
- 执行时间
- 与上次对比的趋势
失败分析
- 失败用例列表
- 按模块/类型归类
- 常见失败模式识别
- 修复建议
性能分析
- 最慢的 N 个用例
- 执行时间分布
- 性能瓶颈定位
覆盖率分析（如有数据）
- 代码覆盖率
- 需求覆盖率
- 未覆盖区域
趋势分析（如有历史数据）
- 通过率趋势图
- 用例数量变化
- 执行时间趋势

4. 输出格式

4.1 Markdown 报告

# 测试报告

**执行时间**：2024-01-15 10:30:00  
**总耗时**：125.6s  
**环境**：Python 3.10 / Chrome 120

## 📊 概览

| 指标 | 数值 | 趋势 |
|------|------|------|
| 总用例 | 256 | ↑ +12 |
| 通过 | 241 | ↑ +8 |
| 失败 | 12 | ↓ -2 |
| 跳过 | 3 | → |
| **通过率** | **94.1%** | ↑ +2.3% |

## ❌ 失败用例分析

### 按模块分布
| 模块 | 失败数 | 占比 |
|------|--------|------|
| 登录模块 | 5 | 41.7% |
| 支付模块 | 4 | 33.3% |
| 用户模块 | 3 | 25.0% |

### 失败详情
| # | 用例 | 错误类型 | 错误信息 |
|---|------|---------|---------|
| 1 | test_login_timeout | Timeout | 页面加载超时 |
| 2 | test_payment_verify | AssertionError | 金额不匹配 |

## ⏱️ 性能 Top 5
| 用例 | 耗时 | 状态 |
|------|------|------|
| test_import_data | 15.2s | ✅ |
| test_export_report | 12.8s | ✅ |
| test_batch_delete | 8.5s | ❌ |

## 📈 建议
1. 登录模块失败率较高，建议优先排查
2. test_import_data 执行时间过长，建议优化

4.2 HTML 报告（带图表）

当用户需要 HTML 报告时，生成以下代码：

import json
from datetime import datetime

def generate_html_report(data, output_path):
    html = f"""
<!DOCTYPE html>


    
    测试报告 - {datetime.now().strftime('%Y-%m-%d')}
    
    


    
        
            📋 测试报告
            生成时间：{datetime.now().strftime('%Y-%m-%d %H:%M:%S')}
        
        
        
            📊 测试概览
            
                
                    {data['total']}
                    总用例
                
                
                    {data['passed']}
                    通过
                
                
                    {data['failed']}
                    失败
                
                
                    {data['pass_rate']:.1f}%
                    通过率
                
            
        
        
        
            📈 结果分布
            
                
            
        
        
        
            ❌ 失败用例详情
            
                
                    
                        #
                        用例名称
                        模块
                        错误类型
                        错误信息
                        严重程度
                    
                
                
                    {''.join(f'{i+1}{c["name"]}{c.get("module","-")}{c.get("error_type","-")}{c.get("error_message","-")}{c.get("severity","-")}' for i, c in enumerate(data.get('failed_cases', [])))}
                
            
        
        
        
            ⏱️ 性能分析 - 最慢 Top 10
            
                
            
            
                
                    
                        #
                        用例名称
                        耗时(s)
                        状态
                    
                
                
                    {''.join(f'{i+1}{c["name"]}{c["time"]:.2f}{"✅" if c["status"]=="passed" else "❌"}' for i, c in enumerate(data.get('slowest_cases', [])[:10]))}
                
            
        
        
        
            🔍 失败模式分析
            
                
                    
                        失败模式
                        出现次数
                        占比
                        修复建议
                    
                
                
                    {''.join(f'{p["pattern"]}{p["count"]}{p["percentage"]:.1f}%{p["suggestion"]}' for p in data.get('failure_patterns', []))}
                
            
        
        
        
            💡 修复建议
            
                {''.join(f'{s}' for s in data.get('suggestions', []))}
            
        
        
        
            📋 发布结论
            {data.get('release_verdict','待定')}
            {data.get('release_note','')}
        
    
    
    


    """
    
    with open(output_path, 'w', encoding='utf-8') as f:
        f.write(html)
    return output_path

4.3 Excel 报告

import openpyxl
from openpyxl.styles import Font, PatternFill, Alignment
from openpyxl.chart import PieChart, Reference

def generate_excel_report(data, output_path):
    wb = openpyxl.Workbook()
    
    # 概览页
    ws = wb.active
    ws.title = "测试概览"
    
    # 标题样式
    title_font = Font(size=16, bold=True)
    header_fill = PatternFill(start_color="4472C4", end_color="4472C4", fill_type="solid")
    header_font = Font(bold=True, color="FFFFFF")
    
    # 写入概览数据
    ws['A1'] = "测试报告"
    ws['A1'].font = title_font
    
    ws['A3'] = "指标"
    ws['B3'] = "数值"
    for cell in ws[3]:
        cell.font = header_font
        cell.fill = header_fill
    
    metrics = [
        ("总用例数", data['total']),
        ("通过", data['passed']),
        ("失败", data['failed']),
        ("跳过", data['skipped']),
        ("通过率", f"{data['pass_rate']:.1f}%"),
        ("执行时间", f"{data['duration']:.1f}s")
    ]
    
    for i, (label, value) in enumerate(metrics, start=4):
        ws[f'A{i}'] = label
        ws[f'B{i}'] = value
    
    # 饼图
    pie = PieChart()
    pie.title = "测试结果分布"
    labels = Reference(ws, min_col=1, min_row=4, max_row=6)
    values = Reference(ws, min_col=2, min_row=4, max_row=6)
    pie.add_data(values)
    pie.set_categories(labels)
    ws.add_chart(pie, "D3")
    
    # 失败用例详情页
    if data.get('failed_cases'):
        ws2 = wb.create_sheet("失败用例")
        ws2.append(["用例ID", "用例名称", "模块", "错误类型", "错误信息"])
        for cell in ws2[1]:
            cell.font = header_font
            cell.fill = header_fill
        for case in data['failed_cases']:
            ws2.append([case['id'], case['name'], case['module'], case['error_type'], case['message']])
    
    wb.save(output_path)
    return output_path

5. 趋势分析

如果用户提供了多轮测试数据，生成趋势分析：

def analyze_trend(history_data):
    """分析测试趋势"""
    trend = {
        "pass_rate_trend": [],  # 通过率变化
        "total_trend": [],      # 用例数变化
        "duration_trend": [],   # 执行时间变化
        "quality_score": 0      # 质量评分
    }
    
    for run in history_data:
        trend["pass_rate_trend"].append(run["pass_rate"])
        trend["total_trend"].append(run["total"])
        trend["duration_trend"].append(run["duration"])
    
    # 计算质量评分（通过率权重 60%，稳定性 40%）
    avg_pass_rate = sum(trend["pass_rate_trend"]) / len(trend["pass_rate_trend"])
    stability = 100 - (max(trend["pass_rate_trend"]) - min(trend["pass_rate_trend"]))
    trend["quality_score"] = avg_pass_rate * 0.6 + stability * 0.4
    
    return trend

6. 失败模式识别

自动归类失败原因：

失败模式	识别特征	建议
超时失败	"timeout"、"超时"	增加等待时间或优化性能
断言失败	"assert"、"expected"	检查业务逻辑或测试数据
元素定位	"not found"、"unable to locate"	更新选择器或检查页面结构
网络错误	"connection"、"network"、"503"	检查网络或服务状态
数据问题	"null"、"undefined"、"empty"	检查测试数据准备

注意事项

报告应该一目了然，关键指标突出显示
失败分析要提供可操作的修复建议
趋势分析要有对比基准（如上周、上月）
HTML 报告确保在主流浏览器中正常显示
Excel 报告设置好列宽和样式，便于阅读
对于大量测试用例，支持分页或分模块展示

测试报告

输出面向不同受众的测试报告——日报给团队同步进度、周报给项目经理、质量报告给管理层决策。当测试执行完成需要汇总结果、或者上级问"质量怎么样"的时候使用此技能。不同角色关心的数据不同：开发关心Bug明细，经理关心通过率和趋势，老板关心风险和发版决策。报告内容适配受众，关键指标量化呈现，风险区域必须醒目标注。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

3 次安装

Acceptance Report Generator

汇总测试结果输出完整验收报告，包含测试概述、结果汇总、模块级详情、缺陷清单、性能评估结论、安全评估结论和最终验收结论（✅通过/⚠️有条件通过/❌不通过）。当用户需要生成验收报告、测试总结、质量报告、项目验收结论、测试交付物时使用此技能。

1 次安装

QA 测试技能集

从需求文档自动生成结构化测试用例，覆盖功能测试、边界分析、组合测试和回归测试全流程。自动串联48个专家级子技能，按12步工作流编排执行。适用于：上传需求文档（PRD/Word/PDF/URL）需要完整测试用例时、不知道如何设计测试场景或担心遗漏边界条件时、需要AI评审测试输出并补充测试盲区时。每个步骤都有独立技能支撑，输出格式统一、需求可追溯、覆盖率可量化。

2 次安装1 星标

Acceptance Report Gen

汇总测试用例执行结果、功能验收结论、性能安全评估，生成完整的系统验收报告，包含测试概述、结果汇总、缺陷清单、验收结论（✅通过/⚠️有条件通过/❌不通过）。

1 次安装

skill-tester-cn

Claude Code技能测试框架。自动分析技能定义、生成测试用例、执行功能测试并生成详细的评分测试报告。当用户要求"测试技能"、"评估技能"、"检查技能是否工作"、"验证技能功能"时触发此技能。

15 次安装

自动化测试助手

帮助编写、调试和优化自动化测试脚本，支持 Selenium、Playwright、Pytest、Cypress、unittest、Jest、Appium、Locust 等主流测试框架。当用户需要编写自动化测试、调试测试脚本、分析测试失败原因、生成测试报告、优化测试代码、或询问测试最佳实践时使用此技能。也适用于用户提到"写测试"、"测试脚本"、"自动化测试"、"test case"、"unit test"、"e2e test"、"API测试"、"性能测试"、"Page Object"等场景。支持生成 Page Object 模式代码、CI/CD 配置、Allure 测试报告。

它能做什么

技能文档

智能测试报告

核心能力

工作流程

1. 输入接收

2. 数据解析

3. 报告生成

3.1 核心指标计算

3.2 报告结构

4. 输出格式

4.1 Markdown 报告

4.2 HTML 报告（带图表）

4.3 Excel 报告

5. 趋势分析

6. 失败模式识别

注意事项

相关技能

测试报告

Acceptance Report Generator

QA 测试技能集

Acceptance Report Gen

skill-tester-cn

自动化测试助手