AI 测试上下文工程

SKILLAI 工具
AI 工具 未标注权限 许可证不明确 已核验
安装这个技能

将前面所有分析步骤(需求解构、场景树、边界清单、风险评估等)打包成一个结构化的AI上下文包,确保AI在生成测试用例时拥有完整的业务上下文、功能上下文和技术上下文。当已经完成了需求分析、场景构建和深度设计,即将进入提示词生成阶段时,必须经过此步骤。上下文包的完整度直接决定了AI生成用例的质量——输入垃圾,输出也是垃圾。当上游分析缺失时,本技能会读取用户上传的需求文件或fetch用户提供的URL以补充上下文,并对原始描述做结构化解析后并入上下文包,但不会替代上游分析步骤——缺失项仍需标注并建议回退补充。 触发场景:上下文工程、构建上下文、上下文包、测试上下文、结构化上下文、上下文不够、已完成需求解构和场景构建需要打包上下文时。 Use when the user asks about: building a structured context package so an LLM has full business, functional, and technical context before generating test cases.

一句话选型结论

按资料字段整理

AI 测试上下文工程是AI 工具类的 Agent Skill,安装方式:ClawHub 市场,权限级别未标注,许可证不明确,有可直接复制的安装命令。技能本质是给模型读的说明书,效果取决于模型与客户端;装完先用一个小任务验证,再放进正式流程。

分类AI 工具 安装方式ClawHub 市场 权限级别未标注权限 许可证许可证不明确
累计安装 未标注 本周 未标注
GitHub 星标 未标注 仓库 未标注
下载量 未标注 技能市场下载数
权限级别 未标注权限 安装前请确认风险范围
许可证 许可证不明确 未说明

安装

ClawHub 市场
在支持 Skills 的客户端里执行,装完问一句「你有哪些技能」验证
skillhub install user_8e8e447f/qa-ai-context-engineering
  1. 1
    确认客户端支持

    确认你的客户端支持 Skills(Claude、Codex、Cursor 等),并升级到较新的版本。

  2. 2
    拿到技能文件

    执行上面的命令安装;也可以把仓库里的 SKILL.md 手动放进客户端的 skills 目录。

  3. 3
    刷新技能列表

    重新打开客户端,或刷新技能列表,让新放进来的技能被加载。

  4. 4
    验证是否生效

    问一句「你有哪些技能」,确认列表里出现它,再拿一个小任务试跑。

技能档案

AI 工具
字段来自技能仓库与公开索引,中文说明由本站标注
作者 / 维护方user_8e8e447f仓库 未标注 · 版本 未标注
宿主客户端未标注技能可被这些客户端加载
安装方式ClawHub 市场安装包 clawhub
权限级别未标注权限安装前请确认风险范围
许可证未说明许可证不明确,商用前请自行确认条款
仓库可用性available技能仓库当前是否可访问
最近核验未标注上游最后核验时间 · 数据更新 1791622121
正文体量9.1 KBSKILL.md 原文大小,越大说明说明书写得越细

典型使用场景

3 类
按分类整理的常见用法,具体以 SKILL.md 为准
组合多个 AI 能力

把写作、检索、总结串成一条流程。

搭工作流

把固定流程做成可重复调用的步骤。

做提示词与评测

整理提示词并对比输出效果。

选择建议

装之前先看这几条
按条目字段给出的判断,不替你决定用不用

值得选的地方

  • 已做过站内核验,页面字段与仓库对得上。
  • 有可直接复制的安装命令,不用自己翻文档找入口。

先想清楚的地方

  • 没有标注权限级别,实际能做什么要装好后确认。
  • 许可证不明确,商用或二次分发前先到仓库确认条款。
  • 技能只是说明书,实际效果取决于模型与客户端,装完先用小任务试一遍。

更适合

  • 需要在AI 工具场景里给模型补一套做法的人。
  • 愿意先读一遍 SKILL.md、确认它会让模型做什么的人。

不太适合

  • 对许可证要求很严、必须明确可商用的人。
  • 只想装完就自动变强、不打算看说明书的人。

同类对比

6 个同类
同分类里挑最接近的几条,字段以各自详情页为准
技能权限级别安装方式累计安装宿主客户端安装命令
AI 测试上下文工程当前 未标注权限 ClawHub 市场 未标注 未标注 有
执行计划 只读 GitHub 仓库 151.5 万 Codex、Claude、Cursor 有
Playwright MCP 测试 浏览器控制 ClawHub 市场 136.5 万 OpenClaw 有
完成前的验证 未标注权限 GitHub 仓库 131.9 万 Codex、Claude、Cursor 有
子 Agent 驱动开发 只读 GitHub 仓库 131.2 万 Codex、Claude、Cursor 有
前端设计 执行命令 GitHub 仓库 125.6 万 Codex、Claude、Cursor 有

SKILL.md 全文

9.1 KB
模型实际读到的说明书原文,来自技能仓库

> ⚠️ 本技能单独使用效果有限,建议配合完整技能集(12 步工作流)使用。安装:npx skills add Kokxi/qa-test-skills

AI 上下文工程

核心原则

你是一位资深测试架构师,擅长为 AI 构建高质量的测试上下文。

不是给更多信息,而是给对的信息结构。

> 本技能最大的失败模式是"不标来源"。下游 AI 无法区分"需求文档要求的"和"你编的",
> 于是把假设当事实写进用例——这类缺陷到最后都查不出是谁引入的。
> 每条信息都要标 [用户提供] / [推断] / [假设]。

1. 上下文金字塔(必须按此顺序构建)

第 1 层 业务目标与用户角色(必填,永不裁剪)

【业务背景】业务目标 / 目标用户 / 核心价值
【用户角色】角色A - 核心诉求;角色B - 核心诉求

> 业务目标丢了,AI 不知道测什么。这一层是包的骨架,不可裁剪。

第 2 层 功能描述与约束条件(必填)

【功能边界】功能名称 / 核心流程 / 输入 / 输出
【非功能需求】性能 / 安全 / 兼容性

> 业务规则直接引用 qa-req-deconstruction 的 RULE- 清单,不重写。

第 3 层 技术细节与历史缺陷(按需,超窗首个被裁)

【技术架构】技术栈 / 关键接口 / 数据流向 / 依赖服务
【历史缺陷模式】同类型功能曾出现过的 Bug + 规避方法

第 4 层 输出格式与质量要求(必填,永不裁剪)

【输出要求】9 列标准用例表(真源:qa-test-case-design/references/output-template-full.md)
           编号 TC_{模块缩写}_{功能缩写}_{三位序号}
           级别占比 P0≤20% / P1≤40% / P2≤30% / P3≤10%
           覆盖率必须标注口径

2. 上下文类型速查

场景类型 建哪几层 关键侧重
日常测试 1 + 2 + 4 功能边界 + 输出格式
紧急测试 1 + 4 业务目标 + 输出格式,依赖假设快速产出
完整测试 全部 4 层 全量信息 + 历史缺陷 + 技术细节
复测回归 1 + 3 + 4 历史缺陷模式 + 输出格式

3. 工作流程

  1. 识别输入类型:直接描述 → 提取关键信息;上传文件 → 读取解析;URL → 获取分析
  2. 核对上游齐备度:逐项列出已收到的上游产出,缺失项显式声明并给出回退建议
  3. 按金字塔构建:四层组织,逐条标来源
  4. 声明缺失:上游没有的不要静默假设,标出来并建议回退到对应技能

4. 加载时机

什么时候读 读哪个
写上下文包 assets/context-package.md(四层模板 + 来源标注表 + 填写要求 + 自检)
目标模型窗口不够、或要看完整包示例 references/window-adaptation.md(窗口适配 + 超窗降级 + 完整示例)

> 窗口数据是快照值,会过时。用之前核实当前值;不确定目标模型时按 8K-32K 规划——
> 按最小窗口设计的包在任何更大窗口里都不会被截断,反之不成立。

5. 产出

四层结构骨架 + 来源标注汇总(示例见 assets/context-package.md):

📦 AI上下文包(目标模型:X,窗口 YK,预估 ZK token)
├─ 上游齐备度:需求解构 ✓ / 场景树 ✓ / 边界清单 ✓ / 组合矩阵 ○ …
│                缺失:X → 建议先补 qa-xxx
├─ 第1层 业务目标与用户角色        [必填]
├─ 第2层 功能描述与约束条件        [必填]
├─ 第3层 技术细节与历史缺陷        [按需]
├─ 第4层 输出格式与质量要求        [必填]
└─ 来源标注汇总:[用户提供] n 条 / [推断] n 条 / [假设] n 条

本技能不产出 9 列用例表——只打包上下文,用例由下游 qa-ai-prompt-strategy 驱动生成。

6. 四个常见翻车点

  1. 信息过载:给太多细节导致 AI 迷失重心 → 用结构化格式组织,按金字塔分层
  2. 假设未标注:AI 不知道哪些是你编的 → 明确标 [假设],并要求下游暴露
  3. 缺少负面案例:AI 不知道什么是"不好的" → 给出反例
  4. 输出格式模糊:AI 不知道你要什么格式 → 明确指定 9 列并引用真源

7. 交付前自检

  • [ ] 四层齐备(第 3 层可按需,缺失需说明)
  • [ ] 每条信息都标了来源,无未标注内容
  • [ ] [假设] 项已列出,且要求下游显式暴露或回上游确认
  • [ ] 上游缺失项已显式声明 + 给出回退建议
  • [ ] 业务规则引用 RULE- ID,未另起一套编号
  • [ ] 第 4 层引用 qa-test-case-design 真源,未自行改动列
  • [ ] 标注了目标模型与窗口;包大小估算 < 窗口 80%
  • [ ] 已知历史缺陷模式已带入(有的话)

常见问题

5 问
答案由本站依据条目字段整理
AI 测试上下文工程怎么安装?

在支持 Skills 的客户端里执行:skillhub install user_8e8e447f/qa-ai-context-engineering。安装方式为ClawHub 市场。装完刷新技能列表或重开客户端。

AI 测试上下文工程支持哪些客户端?

资料没有标注宿主客户端,但只要客户端支持 Skills(Claude、Codex、Cursor 等),一般都能加载。

AI 测试上下文工程权限高吗,安全吗?

权限级别为未标注权限。安装前先看它会读取或写入哪些内容。

AI 测试上下文工程收费吗?

本站不代收费用,也没有标注具体价格。是否收费取决于技能本身和所用的模型或客户端,正式使用前按作者说明确认。

AI 测试上下文工程用什么许可证?

许可证标注为 未说明(许可证不明确)。商用或二次分发前请到仓库确认条款原文。

热门专题

按场景挑技能
全部专题 →

技能内容以作者仓库为准;分类、权限级别与许可证状态的中文说明为中文整理,最近核验 未标注。