#Agent Skills | 软件测试同学 X naodeng

AI 生成的测试用例为何不贴业务？关键在项目上下文

结合需求、业务规则、设计和代码资料，说明如何用需求分析、用例编写与评审 Skills 提升测试用例的业务贴合度。

根据变更范围分析 description、指令、引用、模型和真实失败的影响，用最小但充分的回归证据确认 Skill 没有破坏既有行为。

从智能体宿主、模型、工具、环境和语言等维度收集兼容性证据，说明符合规范不等于运行时兼容。

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。

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。

用“必须”“建议”“禁止”定义智能体技能的可观察行为，验证结果、轨迹、产物和副作用，而不是比对固定措辞。

从 Discovery、Trigger 到相邻能力对比，说明如何用 Positive、Negative、Boundary 和 Paraphrase Case 验证 Skill 路由。

用 L1 到 L4 的测试深度和 E1 到 E4 的证据等级，按风险决定 Agent Skill 需要做到什么程度的验证。

用 SQEM 的七个质量域和八条核心原则，建立不依赖单一分数、能够连接证据和质量声明的 Agent Skill 质量模型。

把 Agent Skill 拆成 SKILL.md、metadata、引用资源和 Runtime 链路，说明为什么 Skill 不等于一份入口文档。

从 SKILL.md 合法、Agent 能触发到真实运行结果，说明为什么 Agent Skill 需要完整的质量工程和证据边界。

围绕客服摘要模型设计代表性任务集、评分量表和回归门禁，并校准评审器、区分离线质量与线上业务指标。