状态稳定
类型原子 Skill
领域软件测试
生命周期测试设计
适合角色QA / DEV
语言中文 / 英文
评测有评测 ✓
同步日期2026-09-15
解决什么问题
它把当前 Skill 的方法整理成可以直接执行、评审和复用的质量输入。
- 只分析记忆写入/读取/更新/删除、保留、污染、隔离、来源和遗忘行为，不替代业务负责人或 Human 的风险接受、例外批准和安全决定。
- 不编造系统行为、字段、模型输出、数据、阈值、根因、执行记录或通过结论。
- 静态设计、计划、文件存在或 dry-run 只能保留原证据状态，不能升级为真实执行证明。
- 只列检查点，不说明触发条件、预期关注点、责任角色、关闭条件和证据。
适用场景
推荐使用
- 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。
- 需要评审 Agent、RAG 或 LLM 方案、结果或证据，并形成可执行改进项。
- 输入不完整，但仍需交付带假设、信息缺口和人工决策边界的受限初版。
常见误区
- 只列检查点，不说明触发条件、预期关注点、责任角色、关闭条件和证据。
- 把相邻领域的测试或模型工具名当成Agent 记忆的完整判断。
- 用未经说明的数字制造伪精确，或把相关性写成因果关系。
- 输入不完整时直接拒绝，或反过来假装结论已经确定。
输入
最低输入
- 当前任务范围、目标和待处理对象。
推荐输入
- 项目目标
- 测试范围
- 约束条件
可选上下文
- 相关代码或配置
- 历史结果
- 日志与指标
输出
输出会围绕该 Skill 的方法形成可执行结果，并明确事实、假设、风险和下一步。
不安装也能判断输出价值
- 01已覆盖写入读取、更新删除、保留策略、租户隔离、来源追踪，并为每项记录来源、证据状态和验证方法。
- 02已分开事实、推断、候选建议、信息缺口和 Human 决策。
- 03高风险项有 P0/P1/P2/P3 或等价优先级、责任角色和关闭条件。
- 04未把计划、静态检查或 dry-run 写成测试执行、全部通过或安全批准。
查看完整输出结构
- 05已说明剩余风险、停止/升级条件和下一步。
工作原理
- 01先阅读并遵循 prompts/agent-memory-testing.md，包括输入审计、领域覆盖和输出顺序。
- 02提取范围、环境、版本、时间窗口、约束、成功标准和可用证据，重点检查写入读取、更新删除、保留策略、租户隔离、来源追踪。
- 03先区分已确认事实、证据支持的推断、候选建议和 Human 决策，再按风险与证据强度排序。
- 04把高风险项转成前置条件、步骤、预期结果或判断标准、所需证据和验证方法。
- 05信息不足时交付受限初版，明确哪些结论不能成立，不把静态材料写成执行结果。
安装与快速开始
安装命令 / SHELL
npx skills add \
https://github.com/naodeng/awesome-qa-skills/tree/main/skills/zh/testing-types/agent-memory-testing
-gagent-memory-testing.prompt
@skill agent-memory-testing
结合当前项目上下文，按该 Skill 的要求给出可执行结果。
补充上下文：
[粘贴项目背景或需求]---
name: agent-memory-testing
description: Use this skill when you need evidence-bounded memory write/read/update/delete, retention, contamination, isolation, provenance, and forgetting behavior; triggers include Agent 记忆 and Agent memory.
---
# Agent 记忆测试（中文版）
## 何时使用
- 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。
- 需要评审 Agent、RAG 或 LLM 方案、结果或证据，并形成可执行改进项。
- 输入不完整，但仍需交付带假设、信息缺口和人工决策边界的受限初版。
## 输出格式选项
- 默认输出 Markdown，按领域风险、证据状态、优先级和边界组织。
- 用户要求表格、CSV、JSON 或工单格式时，保留相同的发现字段、证据和决策边界。
- 输出进入自动化流程前，先确认 schema、枚举值、必填项和证据来源。
## 如何使用
1. 先阅读并遵循 `prompts/agent-memory-testing.md`，包括输入审计、领域覆盖和输出顺序。
2. 提取范围、环境、版本、时间窗口、约束、成功标准和可用证据，重点检查写入读取、更新删除、保留策略、租户隔离、来源追踪。
3. 先区分已确认事实、证据支持的推断、候选建议和 Human 决策，再按风险与证据强度排序。
4. 把高风险项转成前置条件、步骤、预期结果或判断标准、所需证据和验证方法。
5. 信息不足时交付受限初版，明确哪些结论不能成立，不把静态材料写成执行结果。
## 参考文件
- 每次执行必须读取 `prompts/agent-memory-testing.md`；它是本 Skill 的完整执行规范。
- 需要评测时读取 `evals/eval.yaml` 和 `evals/cases/` 下的匹配用例。
- 只有目录实际存在且任务需要时，才读取 `references/`、`examples/`、`scripts/` 或 `output-formats.md`，不要假设不存在的资产。
## 核心约束
- 只分析记忆写入/读取/更新/删除、保留、污染、隔离、来源和遗忘行为，不替代业务负责人或 Human 的风险接受、例外批准和安全决定。
- 不编造系统行为、字段、模型输出、数据、阈值、根因、执行记录或通过结论。
- 静态设计、计划、文件存在或 dry-run 只能保留原证据状态，不能升级为真实执行证明。
- 证据不足时使用待确认、blocked、unassessed 或 NOT_SCORED，并给出最小验证方法。
- 涉及用户数据、生产或安全时采用最小权限、脱敏数据、mock、dry-run 或隔离环境。
## 交付前自检
- [ ] 已覆盖写入读取、更新删除、保留策略、租户隔离、来源追踪，并为每项记录来源、证据状态和验证方法。
- [ ] 已分开事实、推断、候选建议、信息缺口和 Human 决策。
- [ ] 高风险项有 P0/P1/P2/P3 或等价优先级、责任角色和关闭条件。
- [ ] 未把计划、静态检查或 dry-run 写成测试执行、全部通过或安全批准。
- [ ] 已说明剩余风险、停止/升级条件和下一步。
## 常见误区
- 只列检查点，不说明触发条件、预期关注点、责任角色、关闭条件和证据。
- 把相邻领域的测试或模型工具名当成Agent 记忆的完整判断。
- 用未经说明的数字制造伪精确，或把相关性写成因果关系。
- 输入不完整时直接拒绝，或反过来假装结论已经确定。
## 最佳实践
- 从最可能造成用户伤害、业务损失或决策阻塞的路径开始。
- 使用最小可验证实验缩小不确定性，并记录条件、版本、来源和证据。
- 让另一位工程师能够独立安装、执行和复核本 Skill 的产出。