#Skill 质量工程 | 软件测试同学 X naodeng

Skill 质量工程全景指南：评估模型、实践方法与 12 篇系列文章

从 SQEM 七个质量域、八项原则和分层证据出发，说明如何在团队中使用 Skill 质量工程，并串起 12 篇实践文章。

把匹配、设计、验证、评估、基准测试、发布、观察、回归和改进串成可持续的 Skill 质量闭环。

区分静态检查、评测、运行时和真实项目证据，正确使用 PASS、PARTIAL、NOT_RUN、BLOCKED 与 INSUFFICIENT_EVIDENCE。

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。