上个月面试一个候选人，简历上写着“精通Pytest、Selenium，三年自动化经验”。聊到一半我问了一句：“你们团队现在怎么用AI做测试？”
他愣了一下，说：“用ChatGPT生成过一些用例，但效果一般，后来就没怎么用了。”
我又问：“那你知道Agent Skills吗？”
他摇了摇头。
面试结束后，我跟HR说了一句话：“他的自动化基本功没问题，但他简历上那些技能，在2026年的JD里已经不是核心竞争力了。”
不是他不够努力。是测试工程师的“Skill清单”，在过去两年被系统性重写了。
一、先搞清楚：2026年的JD在要什么
打开今年大厂测试岗的JD，变化是肉眼可见的。
字节2026年春招“测试开发工程师-开发者AI”岗位，硬性要求里多了一句话：“对AI Agent有深入理解和实践经验”。腾讯金融科技的AI测试开发专家岗，要求“深入掌握Agent核心架构（Planning / Tool Calling / Memory / Reflection）”，以及“熟悉Test Harness工程体系”。阿里通义实验室的测试岗，要求“熟练掌握机器学习算法原理”。
“熟悉MCP协议优先”、“有Skill封装和工程化落地能力”——这些不再是加分项，而是硬性筛选条件。
底层的逻辑变化只有一句话：测试从“验证功能”变成了“验证能力” 。过去你测的是确定性系统——输入A，一定得B。现在越来越多的系统里嵌入了大模型和Agent，失效模式变成了决策偏差、幻觉输出、权限越界。
你测的对象不再是确定性系统，你的技能就不能再是确定性脚本。
二、Skill清单第一层：Agent理解——知道它在替你做什么
这是所有AI测试技能的底座。不是让你去训练模型，是让你理解Agent的决策链路。
Agent的核心架构至少要知道四件事：Planning（任务规划）、Tool Calling（工具调用）、Memory（状态记忆）、Reflection（反思修正）。一个Agent调用工具失败，兜底要分四层：调用层、推理层、模型层、消费层。每一层的失败模式不同，兜底策略也不同。
这一层最直接的产出，是你能在面试里回答“Agent调用失败怎么兜底”，而不是只答“加重试”。更深一层，是你能判断一个Agent的行为是否“可信”——它有没有越权、有没有在循环里打转、有没有在工具返回异常时静默失败。
三、Skill清单第二层：Skill封装——把经验变成可复用的能力单元
这是2026年测试岗最硬的分水岭。
很多人第一次接触Agent Skills，以为就是“高级一点的提示词”。不是。Anthropic官方定义很干脆：一个Skill就是一个文件夹，里面必须有SKILL.md，还可以放脚本和参考资料。它的本质是把“资深测试工程师怎么做一件事”的完整经验，封装成一个Agent能随时调用的能力包。
一个能落地的测试Skill，必须包含三样东西：触发机制、流程编排、执行能力。
触发机制靠description。写“帮助测试”，Agent永远不知道什么时候该用。写“当用户提到生成测试用例、编写测试、测试覆盖时触发”，它就知道。
流程编排靠正文。不要写“验证数据是否正确”，要写“调用GET /api/order/{id}，检查返回的status字段是否为‘已取消’”。
执行能力靠scripts/和references/。纯文本的Skill只能做“建议”，加上可执行脚本，它才能“执行”。
一个最典型的测试Skill组合，是四个串起来的流水线：需求拆解 → 用例生成 → 场景补全 → 质量评审。每个Skill只做一件事，组合起来就是一条从PRD到用例的自动化链路。
这一层真正拉开差距的，不是“会写SKILL.md”，是知道什么经验值得封装、封装到什么粒度、怎么验证它不会悄悄退化。
四、Skill清单第三层：MCP工程——解决“连得上”的问题
Skill解决“怎么做”，MCP解决“能用什么”。
MCP是连接层：让Agent能连上Jira、数据库、CI/CD、浏览器、缺陷管理系统。Skill是流程层：告诉Agent连上之后按什么顺序、什么标准操作。MCP给Agent手，Skill给Agent操作手册。没有Skill，Agent有手也不知道怎么干活。
测试工程师需要掌握的MCP能力，不是“自己写一个MCP Server”，而是理解连接的安全边界。查询数据库用只读账号，代码评审只给读PR的权限，生产环境的高风险操作保留人工确认。MCP把能力开出去的同时，也把误操作半径开出去了。
五、Skill清单第四层：AI系统验证——测“不确定的东西”
这是传统测试工程师最容易卡住的一层。
一个“公司年假怎么算”的提问，接口连着调两次，返回的话术不一样，但意思都对。你写assert resp == "入职满一年5天年假"，当场就红了。AI功能测的是概率性，不是确定性。
这一层需要补的不只是一两个工具，是一套新的验证思路：
语义断言替代字符串比对。 用embedding算余弦相似度，只要“意思对”就放行，容忍话术差异。
LLM-as-Judge做主观标准判断。 “语气是否专业”“有没有编造政策条款”，用另一个模型按验收标准打分。
RAG分层评测。 一个RAG系统回答错了，要能拆解是文档解析、Chunk切分、召回、Rerank还是模型幻觉的问题。
Agent调用链路验证。 工具调用是否越权、循环是否可控、失败是否有兜底。
AI评测集成CI。 评测不是一次性跑分，是持续回归。
六、Skill清单第五层：Harness工程——把评测做成体系
腾讯的JD里有一个词值得单独拎出来：Test Harness。
Harness不是某一个测试工具，是让Agent能持续干活、可评测、可回归的工程底座。它包含工具调用、任务规划、执行调度、沙箱、存储、循环。测试工程师需要理解的Harness能力，是怎么把AI测试从“跑一次demo”变成“可重复、可度量、可回归的流水线” 。
一个最直接的信号：阿里开源的skill-up，就是专门给Skill做评测和回归的工具。模型版本一变，Skill行为可能漂移。没有评测体系的Skill，不是资产，是负债。
七、这些Skill怎么组合？一个真实的落地顺序
不要一天把所有Skill都装上。
第一步，从Agent理解开始。 先搞清楚Planning、Tool Calling、Memory、Reflection是什么，再去看你手里的Agent到底在哪一层会出问题。
第二步，把最痛的一环封装成一个Skill。 如果你最痛的是用例写不完，就封装“用例生成”；如果最痛的是需求拆不清，就封装“需求拆解”。跑通一个，比写十个永远在修的强。
第三步，给Skill补评测。 用skill-up或者一套固定的回归用例，确保Skill不会因为模型更新而悄悄退化。
第四步，接MCP，但最小权限。 先接一个高频系统，只读优先。不要一上来就开生产写权限。
第五步，把AI验证能力补上。 语义断言、LLM-as-Judge、RAG分层评测，选一个你当前最需要的场景落地。
八、避坑指南
坑一：把Skill当成“高级Prompt”。 Skill是结构化操作手册，不是许愿。你写“帮我生成用例”，Agent只能给你一段文本。
坑二：Skill粒度拆得太细。 一个工作流拆成10个Skill，Agent不知道该用哪个。测试用例生成拆成四个是极限，拆成五个以上就开始反噬。
坑三：只封装，不评测。 没有回归用例的Skill，模型一变就可能退化。Skill不是建完就完了，它需要被测试。
坑四：MCP权限开太大。 查询数据库用只读账号，高风险操作保留人工确认。MCP开出去的不只是能力，是误操作半径。
坑五：以为“会用AI工具”等于“懂AI测试”。 会用ChatGPT生成用例，和能设计Agent测试体系、封装Skill、做RAG分层评测，是两种完全不同的能力层级。
最后
2026年测试工程师的Skill清单，不是“多学几个工具”的清单。
它的底层逻辑是：传统脚本技能正在从核心要求变成基础能力，新的要求是设计AI智能体、封装业务能力、构建测试系统。
Agent理解让你知道它在替你做什么。Skill封装让你把经验变成可复用的能力。MCP工程让你知道连接的安全边界。AI系统验证让你能测“不确定的东西”。Harness工程让你把评测做成体系。
这五层叠在一起，才是“测试工程师应该掌握的那些Skill”在2026年的完整答案。
本文部分内容参考了霍格沃兹测试开发学社整理的相关技术资料，主要涉及软件测试、自动化测试、测试开发及 AI 测试等内容，侧重测试实践、工具应用与工程经验整理。
