ai-assisted-testing

英文版: 见技能 ai-assisted-testing-en 。

Safety Notice

This listing is imported from skills.sh public index metadata. Review upstream SKILL.md and repository scripts before running.

Copy this and send it to your AI assistant to learn

Install skill "ai-assisted-testing" with this command: npx skills add naodeng/awesome-qa-skills/naodeng-awesome-qa-skills-ai-assisted-testing

AI 辅助测试(中文版)

英文版: 见技能 ai-assisted-testing-en 。

提示词见本目录 prompts/ai-assisted-testing.md 。

何时使用

  • 用户提到「AI 辅助测试」「AI assisted testing」「智能测试」

  • 需要利用 AI 提升测试效率和质量

  • 触发示例:「用 AI 生成测试数据」「AI 分析缺陷根因」

输出格式选项

本技能默认输出为 Markdown。若需其他格式,请在需求末尾明确说明。

如何使用

  • 打开本目录 prompts/ 下对应提示词文件,复制虚线以下内容。

  • 附加你的需求与上下文(业务流程、环境、约束、验收标准)。

  • 若需非 Markdown 输出,在末尾追加 output-formats.md 中的请求句。

参考文件

  • prompts/ai-assisted-testing.md — AI 辅助测试提示词

  • output-formats.md — 格式说明

代码示例 | Code Examples

  • AI 测试工具集(计划中) - AI 辅助测试工具和脚本

常见误区 | Common Pitfalls

  • ❌ 完全依赖 AI → ✅ AI 辅助,人工决策

  • ❌ 不验证 AI 输出 → ✅ 验证和审查 AI 结果

  • ❌ 忽略数据质量 → ✅ 确保训练数据质量

  • ❌ 缺少反馈循环 → ✅ 持续优化 AI 模型

最佳实践 | Best Practices

  1. AI 辅助测试场景

测试数据生成:

  • 边界值生成

  • 异常数据生成

  • 大规模数据生成

  • 个性化数据生成

缺陷分析:

  • 根因分析

  • 相似缺陷识别

  • 缺陷预测

  • 影响分析

测试优化:

  • 用例优先级排序

  • 测试套件优化

  • 回归测试选择

  • 资源分配优化

智能推荐:

  • 测试用例推荐

  • 测试工具推荐

  • 测试策略推荐

  • 改进建议

  1. AI 工具选择

工具类型 用途 示例工具

代码生成 生成测试代码 GitHub Copilot, ChatGPT

数据生成 生成测试数据 Faker, GPT

缺陷分析 分析缺陷模式 ML 模型

测试优化 优化测试策略 AI 算法

  1. AI 辅助工作流

AI 辅助测试流程

  1. 需求分析

    • AI 提取测试点
    • 人工审查确认
  2. 用例设计

    • AI 生成用例草稿
    • 人工优化完善
  3. 数据准备

    • AI 生成测试数据
    • 人工验证数据
  4. 执行测试

    • 自动化执行
    • AI 分析结果
  5. 缺陷分析

    • AI 分析根因
    • 人工确认修复
  6. 持续改进

    • 收集反馈
    • 优化 AI 模型

故障排除 | Troubleshooting

问题1:AI 生成的内容不准确

解决方案:

  • 提供更详细的上下文

  • 使用示例引导 AI

  • 迭代优化提示词

  • 人工审查和修正

问题2:AI 工具成本高

解决方案:

  • 优先使用开源工具

  • 只在关键场景使用 AI

  • 批量处理降低成本

  • 评估 ROI

相关技能: test-case-writing、bug-reporting、test-strategy。

目标受众

  • 在真实项目中执行该测试域工作的 QA 与开发人员

  • 需要结构化、可复用测试交付物的测试负责人

  • 需要快速生成可落地测试产出的 AI 使用者

不适用场景

  • 无测试范围上下文的纯线上应急处置

  • 需要法律/合规最终裁定但缺少专家复核的决策

  • 缺少最小输入(范围、环境、期望行为)的请求

关键成功因素

  • 先明确范围、环境与验收标准,再生成测试内容

  • 生成结果必须结合真实系统约束做二次校验

  • 保持产物可追踪(需求 -> 测试点 -> 缺陷 -> 决策)

输出模板与解析脚本

  • 模板目录:output-templates/

  • template-word.md (Word 友好结构)

  • template-excel.tsv (Excel 可直接粘贴)

  • template-xmind.md (XMind 结构化大纲)

  • template-json.json

  • template-csv.csv

  • template-markdown.md

  • 解析脚本目录:scripts/

  • 解析通用:parse_output_formats.py

  • 解析按格式:parse_word.py 、parse_excel.py 、parse_xmind.py 、parse_json.py 、parse_csv.py 、parse_markdown.py

  • 转换通用:convert_output_formats.py

  • 转换按格式:convert_to_word.py 、convert_to_excel.py 、convert_to_xmind.py 、convert_to_json.py 、convert_to_csv.py 、convert_to_markdown.py

  • 批量转换:batch_convert_templates.py (批量输出到 artifacts/ )

示例:

python3 scripts/parse_json.py output-templates/template-json.json python3 scripts/parse_markdown.py output-templates/template-markdown.md python3 scripts/convert_to_json.py output-templates/template-markdown.md python3 scripts/convert_output_formats.py output-templates/template-json.json --to csv python3 scripts/batch_convert_templates.py --skip-same

Source Transparency

This detail page is rendered from real SKILL.md content. Trust labels are metadata-based hints, not a safety guarantee.

Related Skills

Related by shared tags or category signals.

General

test-case-writing

No summary provided by upstream source.

Repository SourceNeeds Review
General

test-reporting

No summary provided by upstream source.

Repository SourceNeeds Review
General

test-case-writing-en

No summary provided by upstream source.

Repository SourceNeeds Review
General

api-testing

No summary provided by upstream source.

Repository SourceNeeds Review