上次和一个小团队的测试负责人聊，他们三个人维护五百多个接口的自动化。我问脚本量多大，他说两千多个用例，每次业务改版要花两天排查哪些脚本要改。更崩溃的是新来的同事接手后，发现同一个“下单流程”，在三个不同模块里被重复写了四遍——断言逻辑一模一样，只是接口地址换了。
这不是个例。接口越多，脚本库膨胀越快，但真正的测试逻辑复用率不到20%。大部分团队都在做一种“虚假的复用”：复制粘贴算不算复用？
很多人已经开始意识到，问题不在于不会写脚本，而在于没有一套机制让“如何测某个业务场景”这件事可以被积累、被检索、被组合。三个人写五百个接口的脚本，每人每天产出三到五个用例，听起来很快。但三个月后，这五百个接口的维护成本会吃掉整个团队。
目录
一、脚本复用是个伪命题
二、从“代码复用”到“技能复用”
三、测试技能库的三层架构
四、一个真实的复用对比：订单状态机
五、工程落地：三步搭起你的技能库
六、一个留给你的问题
一、脚本复用是个伪命题
大部分团队追求的复用长什么样？封装一个公共函数，比如login()、create_order()，然后在各个脚本里调用。这确实是复用，但粒度太粗，而且脆弱。
举个例子。你封装了一个assert_success(resp)，里面判断resp[“code”]==0。有一天某个新接口的成功code变成了“0000”，你改了函数，结果发现十几个老接口因为这个改动全红了。为什么？因为不同接口的“成功”语义不一样，却被强行复用了一个断言。
本质问题是：脚本级复用的单位是“动作”，而测试需要的复用单位是“能力”。一个“校验手机号格式”的能力，可以在注册、修改信息、绑定手机号等多个场景下使用，但它的内部逻辑可能因为场景不同而有细微差异（比如注册时手机号不能重复，修改信息时可以重复）。强行用一个函数覆盖所有情况，只会让代码里塞满if-else。
这就是为什么大多数接口自动化框架跑着跑着就成了一锅粥。复用率看似高了，维护成本反而更高。
观点句：代码复用解决的是“不重复造轮子”，技能复用解决的是“不重复想逻辑”。
二、从“代码复用”到“技能复用”
Skills的核心思想是：把测试能力拆解成一个个独立、可组合、有明确输入输出契约的“技能”，而不是散落在各处的函数或脚本。
一个技能，比如“校验身份证号合法性”，它不关心你是在哪个接口、哪个流程里调用它。它只关心三件事：输入是什么（身份证号字符串）、输出是什么（是否合法、不合法原因）、内部规则是什么（长度、校验位、生日范围）。
当你把这类技能沉淀下来，任何一个需要校验身份证号的接口，只需要声明“我要用技能ID_001”，然后传入参数。接口变更了？没关系，只要技能的契约没变，所有依赖它的测试用例自动生效。
这和传统函数封装最大的区别在于：技能是有自我描述能力的。它能告诉调用方自己适用什么场景、有什么约束、返回什么信息。传统函数只有一段代码，技能除了代码还有元数据。
实际工程中，这意味着你可以做这样一件事：新来了一个接口，测试人员不是去写脚本，而是在技能库里搜索“手机号”“支付”“状态机”这些关键词，把已有技能像搭积木一样组合起来。五百个接口不再是五百份脚本，而是五十个技能在不同接口上的实例化。
三、测试技能库的三层架构
落地一套技能库，技术上不复杂，但架构上要分清楚三层。
第一层：技能定义层。这是最核心的资产。每个技能包括三部分：输入契约（参数类型、是否必填、取值范围）、输出契约（返回值结构、成功/失败标识）、内部规则（校验逻辑、业务约束）。这一层不关心怎么用，只关心技能本身对不对。
第二层：技能编排层。测试场景是由多个技能组合而成的。比如“注册流程”这个场景，需要依次调用：手机号校验技能、验证码发送技能、用户创建技能、密码强度校验技能。编排层负责定义这些技能的调用顺序、数据传递、异常处理路径。
第三层：技能运行时。真正执行的时候，运行时系统会根据编排层的指令，解析参数、调用技能的规则引擎、收集结果并进行断言。这一层要做的一件事很关键：如果一个技能失败了，要能区分是技能内部规则判断的失败（比如身份证号不合法），还是技能本身执行出错（比如依赖的外部服务挂了）。
这三层分离之后，测试用例的编写就变成了纯粹的“配置工作”：选择技能，填写参数，确定顺序。没有一行代码。
观点句：技能库的本质是把测试知识从代码里剥离出来，变成可检索、可组合的资产。
人工智能技术学习交流群
伙伴们，对AI测试、大模型评测、质量保障感兴趣吗？我们建了一个 「人工智能测试开发交流群」，专门用来探讨相关技术、分享资料、互通有无。无论你是正在实践还是好奇探索，都欢迎扫码加入，一起抱团成长！期待与你交流！👇
图片
四、一个真实的复用对比：订单状态机
拿订单状态流转来举例。订单有创建、待支付、已支付、已发货、已完成、已取消这些状态，不同接口会触发不同状态变更。
传统做法：每个跟订单有关的接口，都要写一遍状态校验。test_create_order里校验状态是待支付，test_cancel_order里校验状态变成已取消，test_pay_order里校验状态变成已支付。三个接口三套校验逻辑，但核心规则是同一个：订单状态机。
用技能库的做法是：定义一个“订单状态转换技能”。输入当前状态和目标状态，输出是否允许转换，以及转换后需要检查哪些字段。
然后所有订单相关接口的测试用例，都复用这个技能。test_cancel_order只需要说：当前状态是待支付，请求取消接口，技能告诉我应该变成已取消，并且库存要回滚。代码量从每接口20行降到3行配置。
更重要的是：当订单状态机的规则变了，比如新增一个“冻结”状态，只需要修改技能的定义。所有依赖它的几十个测试用例自动适配。不需要熬夜排查哪些脚本遗漏了修改。
这就是复用率从20%到80%的真实路径。不是写更少的代码，而是写更少的“重复逻辑”。
五、工程落地：三步搭起你的技能库
别急着搞复杂框架。从下周一就可以开始的三件事：
第一步：盘点高频重复的校验逻辑。翻你们团队的脚本库，找出那些出现次数最多的三段代码。比如字符串非空校验、手机号格式校验、时间范围校验。把这三种抽成最简单的技能——不需要编排，不需要运行时，就是一个函数加一份JSON描述。先让团队习惯“用技能而不是写代码”。
第二步：建立技能仓库的统一索引。用Excel或者一个简单的Markdown文件都行，记录每个技能的ID、名称、输入参数、输出格式、适用场景。关键是让所有人知道“这个逻辑已经有人实现过了”。绝大多数重复是因为不知道，不是因为不能复用。
第三步：选择一个业务域试点编排层。拿订单域或者用户域，把相关的接口梳理出来，尝试用技能组合的方式实现三到五个典型场景。这个过程中你会自然发现技能的粒度是不是合适、参数传递是不是顺畅。试点成功后，再推广到其他域。
踩过的坑告诉你两件事：第一，技能粒度不要太小，一个“校验邮箱格式”的技能没必要存在，直接用正则库就行。粒度标准是“业务上有独立含义”。第二，技能需要有版本管理，因为业务规则会变。一个技能升级后，要能知道哪些编排在用它，并且支持灰度验证。
对于中级工程师，这是从“写脚本的人”到“设计技能的人”的跃迁。你需要思考的是：这个域里哪些逻辑是稳定的、可复用的？技能的边界在哪里？什么样的技能组合能覆盖大部分场景？
对于初级工程师和在校生，不需要等团队落地才学。你可以现在就拿Postman或者JMeter，把自己常用的断言、数据构造逻辑抽成“伪技能”，用文档记录下来。这种思维方式本身，就已经领先了大部分人。
六、一个留给你的问题
回到那个三人团队。他们最后做了一件事：删掉了60%的重复脚本，把核心逻辑收敛到四十多个技能里。新接口上线，配置一下技能组合，半小时跑通全部流程。
我好奇的是：你打开你们团队的自动化代码库，随便挑一个接口的测试用例——里面的断言逻辑，在其他地方出现过多少次？你有没有办法在十分钟内，回答这个问题？
如果不能，你的测试资产可能不是代码，而是一堆债务。
