如何测试聊天机器人：五个质量维度与可执行检查清单
以独立书店聊天机器人为例，检查职责边界、安全、准确性、表达风格与真实性，并给出自动化和回归做法。
#AI 测试
超时测试 Skill：识别超时控制与重试带来的隐藏风险
超时测试双语指南，围绕超时预算、取消传播、下游边界、用户反馈和重试交互准备有证据边界的分析。
UI 测试策略 Skill：用流程、状态与平台构建测试覆盖
UI 测试策略双语指南，根据用户流程、界面状态、平台差异、可访问性和缺陷证据形成有边界的 UI 测试候选。
如何构建 AI 测试策略：用五个转变建立可信的质量证据
从合成测试用户画像、评估校准、人工监督、黄金数据集到生产追踪，梳理 AI 测试策略及四周试点做法。
Skill 基准测试：这个 Skill 真的比不使用 Skill 更好吗
通过受控对比使用与不使用 Skill 的结果，判断 Agent Skill 是否带来实际提升，避免仅凭一次评测通过就认定它有效。
重试测试 Skill：验证退避机制、幂等性与重复执行风险
重试测试双语指南，围绕重试触发、退避、幂等性、次数限制和重复副作用准备受控验证。
测试维护成本分析 Skill：评估测试维护投入与长期成本
结合变更频率、修复投入、flaky 重跑、负责人和可维护性证据估算测试维护成本，并标注结论置信度。
测试人员如何把 AI 编码融入日常工作：从 Skill 到可治理的工作流
从职责拆分、权限护栏和人工审批出发，梳理测试人员使用 AI Skill、插件、MCP、评估集与半自主 QA 工作流的方法。
Skill 评测设计：从成功标准到可验证的评估证据
把 Skill 的成功标准拆成可执行 Eval Case，选择合适的 Judge，并保留足够的运行元数据、轨迹、产物和限制。
Mock 质量评审 Skill：防止测试替身掩盖真实系统风险
Mock 质量评审实战指南：检查契约一致性、真实性、失败模式、漂移、状态和测试替身负责人。
测试套件健康度分析 Skill：诊断不稳定测试与维护债务
从运行历史、耗时、flaky、重复、隔离清单、维护和缺陷证据，诊断测试套件的健康风险。
测试代码评审 Skill：从断言质量到测试执行可靠性
测试代码评审双语指南，围绕测试代码、夹具、断言、依赖注入、运行历史和 CI 配置识别可追溯的测试工程风险。