软件测试技能库

需要在执行前先判断应该用哪个测试 skill。

需要从用户价值、业务规则、范围、验收与发布风险的产品视角审视某一质量阶段。

在需求分析、测试策略、评审、用例或报告阶段，需要 QA 基于已有证据评估可测试性、风险驱动覆盖、缺陷暴露和质量风险时使用。

需要在某个质量阶段，以用户体验视角审视信息架构、交互状态、一致性、响应式行为或无障碍。

在交付阶段需要基于已声明的架构、API、数据、代码、安全、性能、兼容性和可观测性证据，评估技术质量时使用。

需要按「一日 QA」节奏推进：晨间计划、执行、缺陷、日终收口。

需要按冲刺/迭代节奏推进：规划 → 设置 → 执行 → 回归 → 稳定 → 评审。

在支持的质量阶段，需要沉淀带来源的排期、产能、依赖、里程碑、责任人或行动状态输入。

需要按发布窗口推进：T-N 规划 → 专项 → RC → Go/No-Go → 发布后观察。

同一质量阶段已有一份或多份角色报告，需要形成统一、可追溯的阶段汇总。

输入需求文档或用户故事，输出信息缺口、业务规则、风险和测试范围。

需要基于多份材料做更深入的需求分析。

输入项目目标、范围和风险，输出可执行的测试策略与质量保障重点。

需要一份更完整的测试策略，包含里程碑、质量门槛和责任安排。

已有测试策略草案，需要判断其是否充分、可执行且与业务及技术约束一致。

输入测试场景和业务约束，输出带优先级的结构化测试用例。

需要基于多来源材料编写更完整、更有优先级的测试用例。

围绕「测试用例评审」处理当前质量任务。

需要在提测前更严格地评审现有测试用例。

需要从 业务规则、条件、动作、例外、优先级、适用范围和已有测试材料 中提取 决策表测试设计 候选。

需要从 状态模型、事件、守卫条件、动作、角色、错误迁移和状态持久化证据 中提取 状态迁移测试设计 候选。

需要从 字段 schema、最小/最大规则、包含关系、单位、时间规则、资源限制和历史缺陷 中提取 边界值测试设计 候选。

需要从 输入约束、字段类型、业务规则、角色/状态差异、错误契约和已有用例 中提取 等价类划分测试设计 候选。

需要从 测试因素、每个因素的取值、组合约束、平台/角色维度、风险证据和已有组合 中提取 成对组合测试设计 候选。

需要分析 因素、取值、组合约束、交互风险和已有组合。

需要分析 行为模型、状态/节点、事件、路径约束、模型版本和已有执行证据。

需要分析 领域不变量、输入生成域、约束、失败样例、收缩策略和已有性质。

需要分析 基准输入、变换规则、预期关系、输出不变量、随机性和已有证据。

围绕「功能测试」处理当前质量任务。

需要 API 测试方案、API 用例或 API 风险分析。

围绕「手动/探索性测试」处理当前质量任务。

围绕「移动端测试」处理当前质量任务。

围绕「可访问性测试」处理当前质量任务。

围绕「安全测试」处理当前质量任务。

输入问题现象、日志和复现信息，输出清晰、可诊断的缺陷报告。

围绕「测试报告」处理当前质量任务。

测试报告声称通过、可发布或满足门禁，需要核对原始执行与缺陷证据。

需要把需求与用户故事转成可验证、无歧义且覆盖异常路径的验收标准。

需要发现需求中的歧义、遗漏、冲突、不可验证项和跨角色依赖缺口。

需要识别产品或变更的质量风险，按概率、影响、可探测性和证据确定优先级。

需要评估需求与系统在可控制、可观察、可隔离和可复现方面的测试准备度。

需要在测试设计、技术设计或排期前检查需求质量。

需求包含“及时”“快速”“必要时”“正常”“支持”等未定义词。

PRD、用户故事、API 契约、原型、技术说明或验收标准使用了不同名称或状态。

不同材料分别要求允许和禁止同一行为。

需要核对需求是否有验收标准、设计、实现、测试和缺陷闭环。

需要把分散的自然语言规则整理成可比较、可验证的 `BR-##` 条目。

需要评审 ADR、组件/数据流、技术方案或非功能约束是否足够可验证。

需要检查 operation、输入输出、错误、权限和兼容演进是否可验证。

需要检查模型完整性、约束、索引、生命周期/隐私和数据所有权。

需要检查信号、字段/维度、语义、关联 ID、采样和保留设计是否可行动。

需要识别不同失败模式的预期行为、传播、重试条件和人工接管路径。

需要为一次迭代、发布、变更或风险评审划定可解释的测试边界。

需要判断哪些需求、风险、行为或失败模式没有对应的测试意图或证据。

已有业务关键性、变更面、历史缺陷或失败模式，需要决定测试先后和深度。

需要系统枚举值域、长度、空值/类型、时间、状态、容量、并发、平台和组合边界。

需要检查非法输入、未授权、依赖失败、超时、重试耗尽、重复请求、部分失败和数据不一致。

需要围绕可用性目标、失败模式、暴露窗口和证据准备设计测试分析或验证准备。

需要围绕退化行为、隔离边界、恢复能力和剩余风险设计测试分析或验证准备。

需要围绕故障注入假设、爆炸半径、停止条件和安全护栏设计测试分析或验证准备。

需要围绕主备切换触发、流量转移、数据一致性和恢复证据设计测试分析或验证准备。

需要围绕恢复点、恢复时间、恢复步骤、验证证据和人工接管设计测试分析或验证准备。

需要围绕重试触发、退避、幂等、最大次数和重复副作用设计测试分析或验证准备。

需要围绕超时预算、取消传播、下游边界、用户反馈和重试关系设计测试分析或验证准备。

需要围绕closed、open、half-open 状态、阈值证据、恢复探测和兜底设计测试分析或验证准备。

需要围绕依赖故障分类、隔离、降级、兜底和依赖恢复设计测试分析或验证准备。

需要围绕灾难场景、恢复优先级、备份证据、Runbook 和恢复验证设计测试分析或验证准备。

需要围绕身份凭证、认证流程、失败路径和生命周期设计安全测试或审查准备。

需要围绕主体-资源-动作关系、权限边界、拒绝路径和委派设计安全测试或审查准备。

需要围绕会话创建、固定、过期、撤销、并发和跨设备边界设计安全测试或审查准备。

需要围绕API 攻击面、输入边界、身份权限、错误泄露和安全合同设计安全测试或审查准备。

需要围绕安全目标、可测试性、追踪关系、接受条件和证据缺口设计安全测试或审查准备。

需要围绕资产、信任边界、攻击面、威胁场景、缓解措施和假设设计安全测试或审查准备。

需要围绕敏感信息位置、流转、日志暴露、配置边界和轮换证据设计安全测试或审查准备。

需要围绕发布或交付入口的准入条件、证据要求、责任人与例外路径开展有证据的分析、设计或验证准备。

需要围绕质量指标的定义、计算口径、数据源、时效与反操纵边界开展有证据的分析、设计或验证准备。

需要围绕质量仪表盘的受众、决策问题、面板、钻取、刷新与告警边界开展有证据的分析、设计或验证准备。

需要围绕质量债务项、来源、影响、年龄、优先级、所有人与偿还权衡开展有证据的分析、设计或验证准备。

需要围绕质量实践成熟度的维度、评分锚点、证据充分性与改进缺口开展有证据的分析、设计或验证准备。

需要围绕测试信号与缺陷或风险的关系、漏检限制、误信号与验证计划开展有证据的分析、设计或验证准备。

需要围绕自动化候选、建设/运行/维护成本、收益假设、时间窗与敏感性开展有证据的分析、设计或验证准备。

需要围绕等待队列、依赖、容量、交接和约束证据开展有证据的分析、设计或验证准备。

需要围绕回归选择、排序、并行、缓存与风险保留之间的权衡开展有证据的分析、设计或验证准备。

需要围绕流水线阶段、反馈延迟、资源、波动、缓存/分片与回滚边界开展有证据的分析、设计或验证准备。

需要围绕慢测试、分析证据、setup/teardown、并行、隔离与基线开展有证据的分析、设计或验证准备。

需要围绕变更频率、修复工时、flaky 成本、所有权、可维护性与置信度开展有证据的分析、设计或验证准备。

需要围绕质量与交付指标、分母、归因边界、操纵风险与 Human 使用边界开展有证据的分析、设计或验证准备。

需要审查 PR / Diff / 提交，拦截合入前的逻辑、安全、资损与可维护性风险。

需要从代码、配置、数据和依赖变更识别受影响能力、回归范围与发布风险。

需要从 Pull Request 的 diff、依赖和历史风险确定最小充分测试范围。

需要验证 API 提供方与消费方在 schema、语义、兼容性和演进策略上的契约一致性。

围绕「自动化测试」处理当前质量任务。

需要从 OpenAPI、JSON Schema、GraphQL Schema、接口清单、请求响应样例、版本和验证报告 中提取 API Schema 校验 候选。

需要从 API 契约、认证授权约束、参数规则、错误码、限流规则、历史缺陷和原始响应 中提取 API 负向测试 候选。

需要从 接口契约、幂等键规则、重试策略、超时证据、业务副作用、消息记录和数据库观察 中提取 API 幂等性测试 候选。

需要从 分页参数契约、排序字段、游标或 offset 规则、数据集快照、并发变更和响应样例 中提取 分页连续性和一致性 候选。

需要从 限流策略、配额窗口、租户或用户维度、429 响应、Retry-After、监控和压测边界 中提取 API 限流测试 候选。

需要从 版本契约、变更日志、旧客户端样例、兼容策略、弃用时间线、网关路由和响应对比 中提取 版本兼容性 候选。

需要从 错误响应 Schema、HTTP 状态码约定、错误码目录、鉴权规则、日志和脱敏要求 中提取 错误契约一致性 候选。

需要知道某个测试场景需要哪些实体、字段、状态、角色和关联完整性。

需要设计覆盖业务规则、边界、组合和隐私约束的可复用测试数据集。

需要把 API 测试结果落到 Bruno 结构或 Bruno 工作流里。

需要输出面向 Postman API 测试工作流的测试方案或自动化设计。

需要把 API 测试结果落到 pytest 自动化结构里。

需要把 API 测试结果落到 REST Assured 自动化结构里。

需要把 API 测试结果落到 Supertest 自动化结构里。

需要输出面向 Selenium UI 自动化测试工作流的测试方案或自动化设计。

需要输出面向 Playwright UI 自动化测试工作流的测试方案或自动化设计。

需要输出面向 TestCafe UI 自动化测试工作流的测试方案或自动化设计。

需要输出面向 Cypress UI 自动化测试工作流的测试方案或自动化设计。

需要输出面向 Puppeteer UI 自动化测试工作流的测试方案或自动化设计。

需要输出面向 WebdriverIO UI 自动化测试工作流的测试方案或自动化设计。

需要从 用户旅程、页面和组件清单、状态流转、设计稿、平台矩阵、可访问性要求和缺陷证据 中提取 UI 测试策略 候选。

需要从 DOM 或组件代码、测试代码、可访问名称、data-testid 约定、定位器变更历史和失败截图 中提取 UI 测试选择器评审 候选。

需要从 测试代码、网络和渲染事件、可观察状态、超时配置、失败 trace、重试和固定 sleep 中提取 UI 测试等待策略评审 候选。

需要从 页面清单、基线截图、视口和浏览器、字体、测试数据、差异阈值、设计变更和历史 diff 中提取 视觉回归测试 候选。

需要从 浏览器和设备支持矩阵、用户分布、引擎版本、渲染差异、已知缺陷、CI 能力和环境限制 中提取 跨浏览器测试 候选。

需要识别间歇性测试失败的模式、证据、候选根因和稳定化方案。

需要根据变更、依赖、风险和资源确定回归测试的覆盖边界与深度。

需要从现有测试集中选择覆盖变更风险的最小充分集合并解释取舍。

围绕「AI 辅助测试」处理当前质量任务。

需要合入、修改或评估 AI 生成的单元、功能、API 或 E2E 测试。

需要从 测试代码、测试夹具、断言、依赖注入、运行历史、失败日志、变更 diff 和 CI 配置 中提取 测试代码评审 候选。

需要从 变异报告、算子配置、存活和杀死结果、等价变异说明、测试映射、覆盖和运行日志 中提取 变异测试分析 候选。

需要从 API 或服务契约、mock 实现、stub 数据、交互断言、集成测试、漂移记录和真实响应 中提取 Mock 质量评审 候选。

需要从 CI 运行历史、耗时分布、失败重跑、隔离清单、重复测试、维护记录、覆盖和缺陷证据 中提取 测试套件健康度分析 候选。

围绕「性能测试」处理当前质量任务。

需要把性能测试结果落到 k6 结构里。

需要把性能测试结果落到 Gatling 结构里。

需要输出面向 JMeter 性能测试工作流的测试方案或自动化设计。

需要把生产流量和业务行为转成可复现的性能测试负载模型。

需要解读压测结果，判断目标达成、拐点、错误模式和容量风险。

需要结合负载、指标和链路证据定位限制吞吐或延迟的资源与代码路径。

需要比较版本或时间窗口，量化性能变化并定位与变更关联的回归风险。

需要根据业务负载、资源利用率和增长假设估算容量需求与扩容触发条件。

需要通过证据、假设和验证实验识别问题的系统性根因与促成因素。

需要从结构化与非结构化日志中还原事件、识别异常模式并形成可验证的原因假设。

需要在受控风险下验证生产发布、配置或修复是否达到预期且未引入副作用。

需要在生产事故中建立时间线、控制影响、形成证据化假设并推动恢复与复盘。

需要利用 trace、span 和服务拓扑定位跨服务延迟、错误传播与依赖异常。

需要分析监控指标的异常幅度、持续时间、关联信号和业务影响。

需要验证嵌入产品的 AI 功能在质量、安全、公平性、降级和用户体验上的表现。

需要为 LLM 系统设计覆盖能力、安全、可靠性与业务价值的可重复评测体系。

需要测试大语言模型应用的任务质量、鲁棒性、安全性、事实性和版本回归。

需要验证提示词在代表性、边界、对抗和版本变化下的正确性、稳定性与可控性。

需要围绕RAG 输出的 grounding、relevance、completeness、citation/support、abstention 和答案级证据开展有证据的分析、设计或验证准备。

需要围绕查询变体、分块、过滤、召回/精确率代理、排序、新鲜度与检索证据开展有证据的分析、设计或验证准备。

需要围绕声明与来源关系、无支持断言、拒答、不确定性与证据复核开展有证据的分析、设计或验证准备。

需要围绕重复输入、版本/模型/提示词因素、不变量、方差证据与比较边界开展有证据的分析、设计或验证准备。

需要系统验证 Agent 的规划、记忆、工具使用、恢复能力、安全边界和任务完成质量。

需要验证 AI Agent 的工具选择、参数契约、权限、失败恢复和副作用边界。

需要验证 LLM 应用抵抗直接与间接提示注入、数据外泄和越权工具使用的能力。

需要围绕循环状态、规划/动作/观察周期、停止条件、预算、重复行为与 trace 证据开展有证据的分析、设计或验证准备。

需要围绕记忆写入/读取/更新/删除、保留、污染、隔离、来源和遗忘行为开展有证据的分析、设计或验证准备。

需要围绕Agent 身份、工具/资源范围、批准、拒绝、升级和副作用边界开展有证据的分析、设计或验证准备。

需要围绕故障分类、重试/回退/升级、状态一致性、用户通知与恢复证据开展有证据的分析、设计或验证准备。

需要围绕检查点、心跳、恢复、取消、重复提交、超时与资源生命周期开展有证据的分析、设计或验证准备。

需要围绕委派、协调、共享状态、冲突、所有权、终止与 traceability开展有证据的分析、设计或验证准备。

需要围绕安全政策、滥用类别、拒答/重定向、隐私、升级与 Human 风险决策开展有证据的分析、设计或验证准备。