为什么说 Agent Skills 是 AI 测试的“乐高积木”?

简介: 本文用“乐高积木”比喻Agent Skills:每块Skill是标准化、功能独立、可自由组合的能力单元(如需求拆解、用例生成等),通过统一接口(SKILL.md description)、明确职责与模块化设计,解决AI测试中重复造Prompt、经验难沉淀的痛点,让测试工作流高效复用、快速拼装。

上个月,团队里一个测试新人问我:“哥,你总说 Agent Skills 是乐高积木,到底什么意思?”

我没解释,从桌上拿了一盒乐高递给他:“你拼个东西试试。”

他随手拿了几块,拼了个小车。我说:“你再拼个房子。”他又拿了几块,换了个拼法。

我说:“你看,同样的积木,能拼出完全不同的东西。每块积木都是标准化的,有凸点、有凹槽,能跟任何其他积木咬合。Agent Skills 就是这个逻辑。”

他愣了一下:“所以 Skill 就是一块一块的能力单元?”

对。每个 Skill 是一块标准积木,单独能用,组合起来能拼出复杂的测试工作流。

一、以前用 AI 做测试,为什么总在“重新造轮子”?

过去一年,很多团队都在尝试用 AI 做测试。但真正跑起来的没几个。

问题出在哪?每次都在从零写 Prompt。

今天要生成用例,写一段“你是资深测试工程师,请覆盖正常异常边界……”;明天要分析失败日志,又写一段“你是测试专家,请分析以下报错……”;后天要生成测试数据,再写一段。

每个项目、每个任务,都在重复造轮子。

更麻烦的是,这些 Prompt 散落在各个聊天窗口里。你调好了一个好用的 Prompt,换个人、换个项目,又得从头调。团队的经验没法沉淀,个人的调优没法复用。

这就是没有“积木”的后果——你有一堆散装的塑料,但拼不出一个稳定的东西。

二、Skill 为什么像乐高?三个特征一一对应

特征一:标准化接口

乐高积木最牛的地方是什么?任何一块积木都能跟任何一块咬合。 不管它是红色的还是蓝色的,是2×4还是1×2,凸点和凹槽的尺寸是统一的。

Skill 的标准接口就是 SKILL.md 的 description 字段。

Claude 会把所有 Skill 的 description 预加载进上下文,用来判断该不该触发这个 Skill。你写“帮助测试”,它永远不知道什么时候该用。你写“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。

description 是 Skill 的“凸点”,决定了它能不能被 Agent 准确识别和调用。

特征二:功能独立

乐高积木每一块都有明确形状和功能。2×4 的板子就是 2×4,不会今天当轮子明天当窗户。

Skill 也一样。一个 Skill 只做一件事。

“需求拆解”Skill 负责把 PRD 变成测试地图。“用例生成”Skill 负责把测试地图变成结构化用例。“场景补全”Skill 负责基于历史 Bug 补充隐藏场景。“质量评审”Skill 负责给用例集打分。

每个 Skill 职责单一,接口清晰。不会出现“这个 Skill 又生成用例又做评审”的混乱。

特征三:可组合

乐高真正的威力不在单块积木,在组合。几块积木能拼小车,几十块能拼城堡。

Skill 的威力也在组合。四个测试 Skill 串起来,就是一条完整的用例生成流水线。

📄 需求文档
    ↓
[Skill ① 需求拆解] → 测试地图
    ↓
[Skill ② 用例生成] → 用例初稿
    ↓
[Skill ③ 场景补全] → 用例增强
    ↓
[Skill ④ 质量评审] → 评审报告
    ↓
✅ 高质量用例集

每个 Skill 单独可用,组合起来就是一套自动化工作流。

三、一块“乐高积木”里面有什么?

拿“测试用例生成”这块积木举例。目录结构是这样的:

.claude/skills/test-case-generator/
├── SKILL.md          ← 说明书(必需)
├── references/        ← 图纸(可选)
│   └── test-case-template.md
└── scripts/           ← 动作件(可选)
    └── format_cases.py

SKILL.md 是说明书。 告诉 Agent 这块积木是干什么的、什么时候用、怎么用。

references/ 是图纸。 放长文档——用例模板、业务规则库、历史 Bug 模式。SKILL.md 里只引用文件名,Agent 只在需要时才去读。这样不会把上下文撑爆。

scripts/ 是动作件。 放可执行代码——格式化用例、调用接口、生成报告。Agent 不看代码内容,只看执行结果。

一个简单判断:需要执行才能得到结果 → 放 scripts/。只需要阅读参考 → 放 references/。

四、怎么拼出第一套“测试积木”?

第一步:写第一块积木(30分钟)

从最核心的“用例生成”开始。SKILL.md 的 description 要写清楚触发条件:

---
name: test-case-generator
description: 根据功能描述或需求文档生成覆盖正常流程、异常场景、边界条件和权限校验的结构化测试用例。当用户提到“生成测试用例”“编写测试”“测试覆盖”“测试场景”时自动触发。
when_to_use: 用户需要从需求文档或功能描述生成测试用例时使用。
---

正文写清楚四步:理解需求 → 识别场景 → 生成用例 → 自检。

关键原则:步骤要具体可执行。 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’”。

第二步:拼第二块积木(20分钟)

写“需求拆解”Skill。输入是 PRD,输出是功能清单、业务规则、数据约束、风险预判。

第三步:拼第三块和第四块(各20分钟)

“场景补全”Skill——基于历史 Bug 模式补充隐藏场景。“质量评审”Skill——从覆盖完整性、规范性、一致性、优先级四个维度打分。

第四步:把它们串起来

在 Claude Code 里,依次调用四个 Skill。需求文档进去,高质量用例集出来。

传统方式:啃 PRD(半天)→ 梳理测试点(半天)→ 写用例(1-2天)→ 人工评审(半天)——总计3-4天。

Skill 流水线:四个 Skill 依次触发——2小时出初稿,1小时审核定稿。

五、一个真实的“拼积木”案例

上个月,团队接了一个电商购物车模块的改版。需求文档十来页。测试新人接了这个任务。

他没有从头写用例,而是调用了四个 Skill:

Skill ① 需求拆解:PRD 进去,测试地图出来。功能清单、业务规则、数据约束、风险预判,一目了然。

Skill ② 用例生成:测试地图进去,40 多条结构化用例出来。覆盖正常流程、异常场景、边界值、权限校验。

Skill ③ 场景补全:基于历史 Bug 模式,补充了“并发加入同一商品”“跨设备购物车同步”“价格变更时加入购物车”三条隐藏场景。

Skill ④ 质量评审:给用例集打分,指出三条待改进项。

2 小时后,他交了一份完整用例集。 测试组长看完,沉默了一会儿,问了一句:“这是谁写的?”

他说:“不是我写的,是我拼的。”

六、避坑指南

坑一:积木拆得太碎。 一个工作流拆成 10 个 Skill,AI 不知道该用哪个。SkillsBench(2026年2月,Amazon、CMU、Stanford、Oxford 联合发布)发现:2-3 个模块的 Skill 表现最好。测试用例生成拆成 4 个是极限,拆成 5 个以上就开始反噬了。

坑二:description 写得太空。 “帮助测试”——这等于没写。要写清楚触发条件,让 Agent 知道什么时候该调用这块积木。

坑三:SKILL.md 超过 500 行。 每次加载都浪费 Token。把详细内容移到 references/ 目录,SKILL.md 只留核心流程。

坑四:建完不迭代。 业务在变、需求在变,Skill 也需要更新。每次使用后记录“哪里漏了场景”“哪里判断错了”,定期更新 SKILL.md。

坑五:忽略 Skill 的回归测试。 模型版本一变,Skill 行为可能漂移。阿里开源的 skill-up 就是干这个的——用声明式 YAML 写评测用例,跨引擎跑评测,发现退化及时修复。

最后

Agent Skills 之所以是 AI 测试的“乐高积木”,是因为它把测试经验变成了标准化、可复用、可组合的能力单元。

以前你写 Prompt,是一次性的。今天调好了,明天换个项目又得重来。

现在你写 Skill,是永久性的。今天花 30 分钟封装一个“用例生成”Skill,以后每一个项目都能复用。你今天拼好的四个 Skill,明天可以拆开重新组合,拼出新的工作流。

测试人的经验,不再散落在聊天窗口里,而是沉淀成一块一块的积木。

下次你面对一个新项目的时候,别从头写 Prompt 了。打开 Skill 目录,看看手头有哪些积木,拼起来。

你不需要每次重新造轮子。你只需要学会拼积木。

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。

相关文章
|
1月前
|
人工智能 安全 机器人
Agent到底该怎么测?这4个评测方法可以直接用
本文详解Agent评测四大核心维度:回答质量、工具调用准确性、执行轨迹合规性、环境状态真实性。突破传统LLM“说对不对”的局限,转向验证“做没做对”,为测试工程师提供可落地的四层评测体系与工程化实践路径。
Agent到底该怎么测?这4个评测方法可以直接用
|
2月前
|
SQL 人工智能 安全
Agent 自进化:从评测、记忆到 Skill 更新,工程闭环怎么搭
AI Agent自进化不是让模型“自学成才”,而是构建工程化闭环:评测发现问题→沉淀经验→更新Prompt/Skill→回归验证→灰度发布→反馈回流。核心在于Harness层(Prompt、Skill、Memory等)的持续优化,需借鉴CI/CD、自动化测试、Trace分析等软件工程实践,实现可验证、可回滚、可管控的真正持续改进。(239字)
Agent 自进化:从评测、记忆到 Skill 更新,工程闭环怎么搭
|
1月前
|
人工智能 缓存 测试技术
美团31万行AI重构复盘里,最值得测试团队抄的不是工具
本文基于美团31万行AI重构实践,指出AI Coding加速下测试需从执行回归转向风险定义:聚焦高风险边界识别、可验证证据构建与质量门禁建设,推动测试前移,成为AI研发规模化落地的关键保障。(239字)
|
存储 缓存 中间件
《金融对账系统雪崩隐患的深度复盘与架构重生》
本文复盘了金融级支付对账系统因分布式缓存设计缺陷引发的隐性危机:系统上线后,对账高峰时段出现节点“假死”、数据不一致问题,却无明显资源耗尽迹象,且问题间歇性发生。排查发现,高并发下任务调度框架返回异常商户ID,生成无效缓存Key,叠加缓存客户端“批量合并请求”与“无限重试”设计,导致线程池阻塞;节点恢复后又因任务状态未同步,引发数据重复处理或遗漏。通过全链路数据校验、缓存交互优化(分段查询+降级熔断)、分布式锁与全局状态同步,系统问题得以解决,最终提炼出分布式系统开发的四大核心原则,为后端架构设计提供参考。
655 33
|
29天前
|
人工智能 编解码 并行计算
Stable Diffusion文生图:本地 AI 绘画事实标准入门
Stable Diffusion 是本地AI绘画事实标准,4GB显存即可运行。本文从版本选择(SD1.5/XL)、首图生成到LoRA换风格,一站式打通新手卡点,涵盖部署、参数调优与故障排查。(239字)
|
1月前
|
人工智能 缓存 数据可视化
阿里云百炼是什么?一文看懂百炼AI模型平台介绍、百炼API使用及Token计费说明
阿里云百炼(Model Studio)是阿里云推出的一站式AI大模型服务平台,集成Qwen全系及DeepSeek、Kimi等主流模型,支持OpenAI兼容API与零代码智能体构建,覆盖RAG、多模态、工作流等场景,新用户赠7000万Tokens。(239字)
408 1
|
1月前
|
缓存 人工智能 安全
深度拆解OpenAI Agents API:任务跑得越久,测试为什么越不能只看最终答案?
本文提出面向长时Agent任务的五层验收法,聚焦执行轨迹可追溯、环境状态可审计、行为边界可约束。强调不只验结果,更验过程证据链——从输入快照、执行轨迹到干净环境重放,确保AI行为透明、安全、可复现。(239字)
深度拆解OpenAI Agents API:任务跑得越久,测试为什么越不能只看最终答案?
|
1月前
|
网络协议 安全 测试技术
普通测试团队如何验收高权限Agent:先把授权、网络、凭据和停止条件拆开
本文基于OpenAI第三方网络安全评测事件,剖析Agent越界使用外部凭据与服务的根因,提出涵盖授权清单、网络隔离、凭据蜜罐、行为断言、自动停止与事故回归的完整测试治理方案,助力团队构建可验证、可拦截、可追溯的高权限Agent安全评测体系。
普通测试团队如何验收高权限Agent:先把授权、网络、凭据和停止条件拆开
|
2月前
|
数据采集 存储 缓存
【建站实战】用 ESA + Cloudflare 把网站月费压到接近零费用
本文以geojsoncn.com为例,详解如何用阿里云ESA(中国边缘)+ Cloudflare Workers + R2构建百度友好型静态站:ESA保障国内可达与ICP备案,Workers无服务器计算,R2低成本存储。三者协同,月成本压至约10元,兼顾SEO硬指标与极致性价比。(239字)
|
1月前
|
人工智能 安全 测试技术
Playwright MCP项目怎么做,才不像又一个自动化Demo?
本项目基于Playwright MCP可访问性快照,构建本地商城Browser Agent,聚焦页面变化鲁棒性、隐藏指令防御与权限边界管控。通过结构化快照替代坐标依赖,结合行为断言(非截图)验证工具调用、域名访问与副作用,覆盖6类异常场景,支持安全回归测试。