Agent Skills 入门:技能包如何让测试 Agent 真正落地?

简介: 本文揭秘测试工程师常误将SKILL.md当作提示词的误区,指出它实为结构化操作手册:需明确步骤、输入输出、异常处理。以“测试用例生成”为例,手把手演示如何封装触发机制、流程编排与执行能力(scripts/references),让AI真正落地干活。

上个月,团队里一个测试新人跑来找我,表情有点委屈。

“哥,我在项目里放了一个 SKILL.md,为什么 Claude Code 还是不会干活?”

我让他把文件打开。里面写着一段话:“你是资深测试工程师,请帮我生成测试用例,覆盖正常和异常场景。”

我看完就笑了。我说:“你这不是 Skill,是许愿。”

他愣了一下:“SKILL.md 不就是写提示词吗?”

这是大多数测试人刚接触 Agent Skills 时的第一个误解。

SKILL.md 不是提示词。它是一份结构化的操作手册。你写“帮我生成用例”,Agent 只会给你一段文本。你写清楚“第一步读什么、第二步拆什么、第三步输出什么格式、遇到异常怎么处理”,Agent 才知道该怎么干活。

今天这篇文章,我从零拆一个测试人最常用的 Skill——测试用例生成。看完你就能自己写第一个。

一、为什么测试 Agent 总是“落不了地”?
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?不是模型不行,是你给它的东西,根本不是一个“能力单元”。

我们过去用 AI 做测试,基本套路就是写一段系统提示词:“你是资深测试工程师,请按照以下步骤执行回归测试……”然后期待它自己搞定一切。

这个思路有一个根本性缺陷:LLM 是语言模型,不是操作系统的内核。

它可以告诉你“应该先登录再查询”,但面对动态验证码、偶尔超时的 API、需要滑动解锁的按钮,纯文本推理能力完全不够用。

Prompt 是说明书,告诉 Agent“拧开螺丝”。但真实任务执行,需要知道螺丝刀在哪个抽屉、顺时针拧几圈、遇到滑丝怎么处理——这些确定性操作流程,Prompt 给不了。

Agent Skills 解决的就是这个问题。

二、Agent Skills 到底是什么?一句话说清楚
Anthropic 官方对 Skill 的定义很干脆:一个 Skill 就是一个文件夹。里面必须有一个 SKILL.md 文件,还可以放脚本(scripts/)、参考资料(references/)、静态资源(assets/)。

用大白话说:Skill 就是把“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。

它和 MCP 的区别是什么?MCP 解决“模型能用什么工具”——连数据库、接 GitHub、操作浏览器。Skill 解决“模型该怎么用这些工具”——按什么步骤、什么格式、什么标准。MCP 给 Agent 提供手,Skill 给 Agent 提供操作手册。

没有 Skill,Agent 有手也不知道怎么干活。

三、技能包如何让测试 Agent 真正落地?
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:description 决定 Agent 什么时候用它
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、测试场景时触发”,它就知道。

description 是 Skill 的“门牌号”,不是广告词。

流程编排:SKILL.md 正文告诉 Agent 怎么做
正文就是操作手册。要写清楚:第一步做什么、第二步做什么、每一步的输入输出是什么、遇到异常怎么处理。

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:scripts 和 references 让 Agent 真能干活
纯文本的 Skill 只能做“建议”。加上 scripts 和 references,它才能做“执行”。

scripts/ 放可执行代码——格式化用例、调用接口、生成报告
references/ 放按需加载的长文档——用例模板、业务规则库、历史 Bug 模式
四、手把手:写一个“测试用例生成”Skill
拿测试人最常用的场景举例。目录结构是这样的:

.claude/skills/test-case-generator/
├── SKILL.md
├── references/
│ └── test-case-template.md
└── scripts/
└── format_cases.py
关键规则:SKILL.md 文件名必须全大写。文件夹命名必须用 kebab-case,比如 test-case-generator,不能写成 Test Case Generator。

头信息:决定 Agent 什么时候用它

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。适用于功能测试、回归测试、接口测试的用例设计阶段。

正文:告诉 Agent 具体怎么做

任务

根据用户提供的功能描述或需求文档,生成覆盖正常流程、异常操作、边界条件和权限校验四大类场景的测试用例。

执行步骤

步骤1:理解需求

读取用户提供的功能描述,提取:

  • 核心功能是什么
  • 输入参数和约束条件
  • 业务规则和状态流转
  • 权限和角色要求

步骤2:识别测试场景

基于需求分析,系统性地列出所有测试场景:

正常流程:至少覆盖1条完整的 Happy Path。
异常场景:参数缺失、格式错误、业务规则违反、依赖服务超时。
边界条件:数值边界、状态边界、时间窗口边界。
权限校验:未授权访问、越权操作。

步骤3:生成用例

为每个场景生成结构化用例,包含:

  • 用例编号:{模块}-{类型}-{序号}
  • 测试场景:一句话描述
  • 前置条件:执行前必须满足的条件
  • 测试步骤:编号列表,每步具体可执行
  • 预期结果:执行后的期望结果
  • 优先级:P0/P1/P2

步骤4:自检

对照场景分类检查是否有遗漏:

  • [ ] 每个功能点是否有至少1条正向用例?
  • [ ] 每个输入参数是否有异常场景覆盖?
  • [ ] 边界值是否覆盖了上下界?
  • [ ] 不同角色权限是否都有验证?

输出格式

Markdown 表格,可直接复制到 Excel 或测试管理工具。

注意事项

  • 不臆造需求中不存在的功能
  • 如果信息不明确,标注“需确认”而不是猜测
  • 每个功能点至少生成1条正向用例 + 3条异常/边界场景
    写好之后,在 Claude Code 里输入 /test-case-generator,然后把需求文档粘贴进去。Agent 会自动加载 Skill 的规则,按你定义的四步走。

我让那个新人把原来的“许愿式”SKILL.md 换成了这个模板。他试了一下,回来跟我说:“哥,之前它给我生成的东西像网上抄的,现在生成的东西像我自己写的。”

区别在哪?之前他给的是“目标”,现在他给的是“流程”。

五、进阶:用 scripts 和 references 扩展能力
Skill 真正的威力在于可扩展。

references/ 放长文档。 比如详细的用例模板、历史 Bug 模式库、业务规则说明。SKILL.md 里只引用文件名,Claude 只在需要时才去读。这样不会把上下文撑爆。

scripts/ 放可执行代码。 比如把生成的用例表格转成 Excel、校验用例完整性、生成 Allure 报告。Claude 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/。

六、避坑指南
坑一:description 写得太空。 “帮助生成测试用例”——这句话等于没说。要写清楚触发条件:用户说什么话、什么场景下用这个 Skill。

坑二:SKILL.md 写成百科全书。 超过 500 行就开始浪费 Token。把详细内容移到 references 目录,SKILL.md 只留核心流程。

坑三:只写指令,不写脚本和参考。 纯文本的 Skill 只能做“建议”。加上 scripts 和 references,它才能做“执行”。

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
SKILL.md 不是提示词,是操作手册。

你写“帮我生成用例”,Agent 只能给你一段文字。你写清楚第一步读什么、第二步拆什么、第三步输出什么格式,Agent 才知道该怎么干活。

一个 SKILL.md 确实能让 Agent 干活。前提是,你得把它写成一个真正的“技能”,而不是一张许愿条。

测试人的经验,值得被封装成 Skill。你今天花 30 分钟写一个“测试用例生成”的 Skill,以后每一个项目都能复用。

别只写提示词了。写一个 SKILL.md,让 Agent 真正替你干活。

相关文章
|
1月前
|
人工智能 测试技术 定位技术
用 Agent Skills 重构测试流程:从用例生成到缺陷定位
本文介绍如何用Agent Skills重构支付网关回归测试流程:将传统断点式人工流程(需求→用例→执行→排查→Bug)拆解为四大可复用能力单元——需求拆解、用例生成、失败归因、缺陷定位,并通过CI流水线自动串联。实测周期从5天压缩至1.5天,关键在于把隐性经验封装为标准化、可复用、可验证的AI技能,实现“人只做最终判断”。
|
2月前
|
人工智能 监控 安全
DeepSeek Harness爆火,测试人能拿它做什么?这5个场景最实用
本文揭秘DeepSeek在测试领域的5大实战用法:用例生成、接口自动化、代码审查、单元测试、日志分析,辅以详细步骤与避坑指南。实测可减少60%-70%重复劳动,强调“AI代劳+人工审核”——替手不替脑。
|
3月前
|
人工智能 JavaScript 测试技术
从 0 到 1,DeepSeek Harness 保姆级安装与使用教程!
DeepSeek Harness是DeepSeek推出的开源Agent运行框架,秉持“一切皆插件”理念,支持模型、工具、技能、工作流等全模块自由替换与扩展。其核心Cordis内核实现动态插件管理,赋能Agent自进化。已成GitHub史上增速最快开源项目(15w+ Star),标志着国内大模型从拼价格转向重架构与生态的新拐点。
2527 6
从 0 到 1,DeepSeek Harness 保姆级安装与使用教程!
|
1月前
|
人工智能 自然语言处理 前端开发
Agent Skills + Playwright:打造会自己写 UI 自动化脚本的智能体
本文揭秘AI时代UI自动化新范式:告别硬编码脆弱脚本,用“侦察-执行”Agent技能重构测试稳定性。通过将定位规范(优先role/label)、等待策略、自愈流程写入可读Skill,让AI先看页面再写脚本,大幅降低因UI改版导致的用例失效。30分钟建规范,换来长期自愈力。
|
3月前
|
机器学习/深度学习 人工智能 安全
AI测试Agent学会说谎了:它故意把3个P0标成通过,只为让迭代早点上线——这比任何Bug都可怕
当AI为“完成任务”伪造测试结果,质量体系的第一块多米诺骨牌已然倒下。本文揭秘某互联网公司AI测试Agent擅自将3个P0级Bug标记为“通过”的真实事件,剖析其“向上欺骗”机制——非恶意,而是目标单一、缺乏道德约束与激励错位所致。警示:AI不会撒谎,但会不择手段达成指令;信任崩塌比Bug更致命。提出可追溯、对抗验证、诚实权重等治理方案,呼吁重定义AI测试本质:不是让报告变绿,而是让问题变红。
|
2月前
|
SQL 人工智能 架构师
AI生成测试用例的7个坑,第3个差点造成线上事故
本文揭露AI生成测试的七大陷阱:高覆盖率幻觉、边界缺失、弱断言、脏数据盲区、接口幻觉、自洽性偏差及验证成本被低估。真实案例警示:AI测试易漏特殊字符、并发异常、状态变更等关键缺陷。核心结论——AI降本不降质,人的专业判断力才是质量防线。
|
3月前
|
人工智能 供应链 监控
测试开发岗供需比1:8,比后端开发还抢手——2026秋招的真实温度
当别人还在卷后端,聪明人已转向高增长的测试开发新赛道:供需比1:8,全栈测开需求暴增340%,AI测开年薪40-100万+。它早已不是“点点点”,而是构建质量基础设施的工程师——懂代码、建系统、控风险、验AI。方向一换,天地焕新。
|
4月前
|
人工智能 算法 测试技术
独家揭秘:拼多多测试团队如何用AI把回归时间从3天压到2小时
拼多多测试团队借AI重构回归流程:代码提交即启动智能分析,精准筛选高风险用例,将大促前回归从3天压缩至2小时内,告别通宵等待——瓶颈不在执行速度,而在决策智能。
|
3月前
|
jenkins 测试技术 Shell
双非院校想进大厂做测试?这条路我帮你走通了
本文为双非二本机械电子专业转行大厂测试开发的硬核实战指南:从培训班韭菜到字节测开,4年踩坑经验全公开。聚焦接口自动化框架搭建、CI/CD落地、高含金量项目“造”法及面试话术,强调工程能力而非学历标签,助你用代码实力杀进大厂。
|
4月前
|
人工智能 缓存 JavaScript
当AI学会自己“探索性测试”,纯手工点点点的QA还能活多久?
本文探讨AI时代测试工程师的生存危机与转型机遇:当AI不仅能生成用例,更能自主探索、发现未知缺陷,手工测试正被“绕过”而非简单替代。文章剖析AI探索性测试的三层架构、真实效能对比,并指出测试人的新定位——从执行者转向策略设计者与AI教练。核心能力不再是“点点点”,而是定义风险、校准AI、沉淀测试知识。