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#

text

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#

text

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#

编号模块名称阶段核心价值M01需求可测性分析P1判断需求是否可测，识别测试盲区M02测试策略制定P1选择最优测试方法和资源分配方案M03测试范围与优先级P1基于风险的测试范围裁剪M04风险识别与评估P1FMEA风险矩阵，预防性测试M05测试估算与资源规划P1工作量估算、人力和环境规划M06需求评审检查清单P1结构化需求评审，减少返工M07等价类划分法P2用最少用例覆盖最多场景M08边界值分析法P2精准捕获边界缺陷M09判定表与因果图P2复杂业务规则的逻辑化测试M10状态迁移测试P2全覆盖状态机和状态转换M11正交实验设计P2多因素组合的最小用例集M12场景法测试设计P2端到端用户场景覆盖M13组合测试设计P2Pairwise/N-wise组合覆盖M14错误推测法P2基于经验的缺陷预测M15功能测试用例编写P38要素标准功能用例模板M16接口测试用例编写P3REST/GraphQL/gRPC全覆盖M17性能测试用例设计P3负载/压力/稳定性/峰值场景M18安全测试用例设计P3OWASP Top 10全覆盖M19兼容性测试用例P3多端多浏览器多分辨率矩阵M20易用性测试用例P3Nielsen十大可用性原则驱动M21测试数据构造P3等价类数据+边界数据+异常数据M22测试用例评审与优化P37维度评审，去除冗余M23AI生成测试用例P4Prompt工程驱动的高质量用例生成M24AI辅助测试脚本P4自然语言→自动化脚本M25AI缺陷分析P4智能分类、根因分析、模式识别M26智能回归测试选择P4基于代码变更的精准回归M27AI测试数据生成P4智能造数，覆盖边界和异常M28自然语言用例转换P4人类语言→结构化用例M29AI测试覆盖率分析P4智能识别未覆盖路径M30AI辅助测试报告P4自动汇总、趋势分析、洞察生成M31自动化框架搭建P5选型→架构→脚手架→CI集成M32UI自动化测试P5Page Object + 智能等待 + 截图M33接口自动化测试P5契约测试+数据驱动+断言链M34CI/CD测试集成P5Pipeline设计+质量门禁+并行策略M35自动化脚本维护P5自愈定位器+参数化+模块化M36自动化执行与调度P5分布式执行+重试机制+资源管理M37测试环境管理P6环境配置即代码+数据隔离+健康检查M38探索性测试P6SBTM+测程+Charter驱动的专家探索M39测试进度跟踪P6燃尽图+进度偏差+风险预警M40缺陷生命周期管理P6提交→确认→修复→验证→关闭M41回归测试策略P6全量/选择/优先级三级回归M42测试执行风险监控P6实时风险信号+预案触发M43测试覆盖率度量P7代码/需求/风险/业务四维覆盖率M44缺陷密度与趋势分析P7DDP/缺陷注入率/收敛趋势M45测试效率度量P7用例生产率/执行效率/自动化ROIM46质量模型评估P7ISO 25010八维质量特性评估M47测试ROI分析P7缺陷预防价值/自动化节省/投入产出比M48质量仪表盘设计P7实时可视化+趋势预测+决策建议

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。