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 / BA / PM
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。
- 覆盖适用的实体/字段、关联完整性、有效/无效/边界/组合、状态、角色、来源、脱敏、初始化、清理和隔离。
- 不生成数据,不读取或导出真实个人/生产数据,不连接真实数据源。
- 不发明字段、关系、数量、隐私规则、保留期、环境权限或清理结果。
- 直接列数据值,却不说明数据为什么需要、如何关联和如何清理。
适用场景
推荐使用
- 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。
- 需要识别 schema、数据来源、脱敏、隔离、生命周期、清理和环境前置条件缺口。
- 需要在数据材料不完整时给出可被测试设计或数据生成消费的受限需求清单。
常见误区
- 直接列数据值,却不说明数据为什么需要、如何关联和如何清理。
- 把 schema 存在当成数据可用,把脱敏声明当成合规证据。
- 把数据准备需求分析和数据集生成混为一谈。
- 忽略角色、状态、关联完整性和环境隔离,只覆盖字段格式。
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已记录已知事实、信息缺口、冲突、过期信息、范围外和假设。
- 02每条 TDR-## 有场景/目标、实体字段、关系/状态/角色、来源/约束和证据。
- 03有效/无效/边界/组合、脱敏、初始化、隔离和清理要求已分别说明(适用时)。
- 04阻塞项有责任角色、最小补证动作和验证方法。
查看完整输出结构
- 05未生成记录、读取生产数据或把需求写成数据已存在/测试已通过。
工作原理
- 01阅读并遵循 prompts/test-data-requirement-analysis.md,先做六类输入审计。
- 02将场景/测试目标映射到所需实体、字段、关系、状态、角色、数据来源和环境。
- 03用 TDR-## 记录有效/无效/边界/组合条件、隐私与清理要求、阻塞项和验证方法。
- 04区分事实、数据准备推断、待确认约束和 Human/合规决定。
- 05信息不足时交付受限需求,标出不能生成或执行的原因,不承诺数据已经存在。
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/test-data-requirement-analysis
-gtest-data-requirement-analysis.prompt
@skill test-data-requirement-analysis
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: test-data-requirement-analysis
description: Use this skill when you need to analyze test-data prerequisites, relationships, privacy, lifecycle, and environment blockers before test design or generation; triggers include 测试数据需求分析 and test data requirement analysis.
---
# 测试数据需求分析
在测试设计或数据生成前分析实体、字段、关系、状态、角色、隐私、来源、生命周期、初始化和清理要求,输出 `TDR-##` 数据准备需求与阻塞项。它不生成数据、不读取生产数据、不复制 `test-data-generation` 的数据集方案。
## 何时使用
- 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。
- 需要识别 schema、数据来源、脱敏、隔离、生命周期、清理和环境前置条件缺口。
- 需要在数据材料不完整时给出可被测试设计或数据生成消费的受限需求清单。
不适用于直接生成记录、调用真实数据源、复制生产数据、编写完整测试用例或执行测试。
## 输出格式选项
- 默认输出 Markdown;用户要求表格、CSV 或 JSON 时,保留相同的证据、状态、影响、责任角色和验证字段。
- 不把结构化格式或静态清单写成执行、通过、批准或发布证据。
## 如何使用
1. 先读取本 Skill 的主 Prompt,并提供目标、范围、材料、环境和已有证据。
2. 按 Prompt 的输入审计和输出合同执行;缺少信息时交付带边界的初版。
3. 对每条发现保留来源、证据状态、影响、责任角色、关闭条件和验证方法。
## 工作方式
1. 阅读并遵循 `prompts/test-data-requirement-analysis.md`,先做六类输入审计。
2. 将场景/测试目标映射到所需实体、字段、关系、状态、角色、数据来源和环境。
3. 用 `TDR-##` 记录有效/无效/边界/组合条件、隐私与清理要求、阻塞项和验证方法。
4. 区分事实、数据准备推断、待确认约束和 Human/合规决定。
5. 信息不足时交付受限需求,标出不能生成或执行的原因,不承诺数据已经存在。
## 核心约束
- 覆盖适用的实体/字段、关联完整性、有效/无效/边界/组合、状态、角色、来源、脱敏、初始化、清理和隔离。
- 不生成数据,不读取或导出真实个人/生产数据,不连接真实数据源。
- 不发明字段、关系、数量、隐私规则、保留期、环境权限或清理结果。
- `TDR-##` 是准备需求与缺口,不是数据已创建、可用、合规或测试通过证明。
- 只说明后续需要什么数据与证据,不替代数据生成、测试设计或 Human/合规批准。
## 参考文件
- 每次产出前必须阅读 `prompts/test-data-requirement-analysis.md`。
- 回归时读取 `evals/eval.yaml` 和匹配用例;配置不证明数据已经准备好。
- 触发验证使用 `evals/trigger-prompts.csv` 和 `evals/local-rules.json`;缺少 selection trace 时报告 `BLOCKED`。
## 最佳实践
- 优先处理高影响且可验证的缺口,使用最小实验或补证动作降低不确定性。
- 将事实、证据支持的推断、建议和 Human 决策分开,避免把假设升级为结论。
## 交付前自检
- [ ] 已记录已知事实、信息缺口、冲突、过期信息、范围外和假设。
- [ ] 每条 `TDR-##` 有场景/目标、实体字段、关系/状态/角色、来源/约束和证据。
- [ ] 有效/无效/边界/组合、脱敏、初始化、隔离和清理要求已分别说明(适用时)。
- [ ] 阻塞项有责任角色、最小补证动作和验证方法。
- [ ] 未生成记录、读取生产数据或把需求写成数据已存在/测试已通过。
## 常见误区
- 直接列数据值,却不说明数据为什么需要、如何关联和如何清理。
- 把 schema 存在当成数据可用,把脱敏声明当成合规证据。
- 把数据准备需求分析和数据集生成混为一谈。
- 忽略角色、状态、关联完整性和环境隔离,只覆盖字段格式。