技能测试器#

通过分析技能定义、生成全面的测试用例、执行测试并生成带评分的详细报告，系统化地测试和评估 Claude Code 技能。

测试工作流程#

按顺序执行以下步骤：

1. 定位目标技能#

识别要测试的技能：

text

用户说: "测试 PDF 技能"
→ 搜索: ~/.claude/skills/pdf/SKILL.md 或 pdf/SKILL.md

常见技能位置：

• ~/.claude/skills/<技能名称>/SKILL.md
• ./<技能名称>/SKILL.md
• 用户提供的路径

如果未找到技能，请询问用户正确的路径。

2. 解析技能定义#

读取目标技能的 SKILL.md 并提取：

从前置数据中提取：

• name - 技能标识符
• description - 技能功能描述（用于触发场景）

从正文内容中提取：

• 核心能力和功能
• 工作流程或程序
• 打包资源（脚本、参考文档、资产）
• 使用示例或模式

3. 生成测试计划#

创建覆盖以下内容的全面测试计划：

A. 触发测试

• 测试技能是否在描述的场景中被激活
• 测试边界情况（相似但不同的请求）
• 测试非触发场景（不应该激活的情况）

B. 功能测试 针对识别的每个能力/功能：

• 正常用例（正常使用）
• 边界情况（边界条件）
• 错误处理（无效输入）

C. 资源测试（如适用）

• 脚本执行
• 参考文档可用性
• 资产可访问性

4. 执行测试#

对于每个测试用例：

1. 准备测试提示 - 编写应该触发功能的用户请求
2. 执行 - 应用测试提示（模拟或实际运行）
3. 观察 - 记录技能的行为
4. 评估 - 与预期结果进行比较

使用一致的格式执行测试：

text

测试用例: [名称]
提示: "[用户请求]"
预期: [应该发生什么]
实际: [实际发生了什么]
结果: 通过 / 失败 / 部分通过
备注: [观察、问题、建议]

5. 评分每个测试#

使用以下标准进行评分：

分数含义标准5优秀完美执行，满足所有预期4良好轻微问题，核心功能正常3可接受可用但有明显局限2较差重大问题，勉强可用1失败无法按预期工作0不适用测试不适用

6. 生成测试报告#

读取本技能目录下的 assets/test-report-template.md 模板文件，填充测试数据生成报告。

将报告保存到当前工作目录： [技能名称]-测试报告-[时间戳].md

测试指南#

全面覆盖#

测试技能描述和正文中提到的所有能力，不要跳过功能。

示例： 如果技能声称支持"PDF创建、编辑和旋转"，测试所有三项：

1. 创建 PDF
2. 编辑现有 PDF
3. 旋转 PDF

真实的测试提示#

使用真实用户会说的自然语言提示：

✅ 好: "帮我合并这两个 PDF" ❌ 差: "执行 PDF 合并功能"

需要考虑的边界情况#

• 空输入（空文件、空白字符串）
• 无效输入（错误的文件类型、格式错误的数据）
• 边界条件（非常大的文件、大量项目）
• 资源缺失（引用的文件不存在）
• 并发操作（多个同时请求）

客观评估#

基于实际行为而非理论能力评分：

• 如果功能已记录但不起作用 → 失败
• 如果功能工作方式与记录不同 → 部分通过
• 如果功能按记录工作 → 通过

处理测试失败#

当测试失败时：

1. 记录确切的失败模式
2. 检查是技能问题还是环境问题
3. 建议潜在的修复方案
4. 继续测试其他功能

使用示例#

text

用户: "测试 docx 技能"

助手:
1. 定位: ~/.claude/skills/docx/SKILL.md
2. 解析: 读取技能定义
3. 识别能力:
   - 创建新文档
   - 编辑现有文档
   - 处理修订跟踪
   - 添加注释
   - 提取文本
4. 为每个能力生成测试用例
5. 执行测试（模拟或实际）
6. 生成: docx-测试报告-2025-01-15.md

评分标准总结#

总体评分计算：

• 所有测试分数的平均值（不包括不适用测试）
• 保留1位小数

分数解读：

• 4.5-5.0: 生产就绪
• 3.5-4.4: 良好，有轻微问题
• 2.5-3.4: 需要改进
• 1.5-2.4: 有重大问题
• 0.0-1.4: 不可用