> ⚠️ 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
测试技术选型
核心原则
工具替换快，思维不过时——选型要基于业务需求，不是技术偏好。
加载时机
| 什么时候读 | 读哪个 |
|---|---|
| 做工具选型评估时 | references/selection-framework.md |
> 选型框架的完整内容已下沉至 references/selection-framework.md，避免每次触发都占用上下文。
常见选型场景
场景1：自动化框架选型
选项对比：
├─ Playwright
│ ├─ 优点：多浏览器、自动等待、调试友好
│ ├─ 缺点：社区相对较小
│ └─ 适用：现代Web应用、多浏览器测试
│
├─ Cypress
│ ├─ 优点：实时调试、自动重试、CI友好
│ ├─ 缺点：仅支持Chrome、iframe支持差
│ └─ 适用：单页应用、快速反馈
│
├─ Selenium
│ ├─ 优点：生态成熟、语言支持多、社区大
│ ├─ 缺点：配置复杂、调试困难
│ └─ 适用：传统Web应用、多语言团队
│
└─ 决策依据：
├─ 团队技术栈
├─ 应用架构
├─ 测试需求
└─ 维护成本
场景2：性能测试工具选型
选项对比：
├─ JMeter
│ ├─ 优点：功能全面、插件丰富、社区大
│ ├─ 缺点：界面复杂、资源消耗大
│ └─ 适用：复杂性能测试、协议测试
│
├─ Locust
│ ├─ 优点：代码化、分布式、轻量
│ ├─ 缺点：需要编程能力
│ └─ 适用：API性能测试、分布式测试
│
├─ k6
│ ├─ 优点：现代化、脚本化、CI友好
│ ├─ 缺点：社区相对较小
│ └─ 适用：现代应用、DevOps集成
│
└─ 决策依据：
├─ 测试类型
├─ 团队技能
├─ 集成需求
└─ 性能要求
场景3：测试管理平台选型
选项对比：
├─ 开源方案
│ ├─ TestLink：功能简单、免费
│ ├─ 飞书/钉钉：协作方便、集成度高
│ └─ 自研：完全定制、成本高
│
├─ 商业方案
│ ├─ 禅道：功能全面、中文友好
│ ├─ JIRA：生态丰富、扩展性强
│ └─ Zephyr：JIRA集成、测试专业
│
└─ 决策依据：
├─ 团队规模
├─ 功能需求
├─ 预算限制
└─ 集成需求
选型报告模板
# 技术选型报告
## 1. 背景和目标
- 选型背景：[为什么要做选型]
- 选型目标：[要解决什么问题]
- 约束条件：[时间/预算/资源]
## 2. 需求分析
- 业务需求：[需求列表]
- 技术需求：[需求列表]
- 优先级：[需求优先级]
## 3. 方案对比
- 候选方案：[方案列表]
- 评估维度：[维度列表]
- 对比结果：[对比表格]
## 4. 推荐方案
- 推荐方案：[方案名称]
- 推荐理由：[为什么推荐]
- 风险提示：[风险和应对]
## 5. 实施计划
- 实施步骤：[步骤列表]
- 时间计划：[时间节点]
- 资源需求：[人力/预算]
Examples
需要选择Web UI自动化框架（Selenium vs Playwright vs Cypress）
→ 需求分析：团队技术栈（Java/JS）、测试规模（100/1000/10000用例）、维护能力
→ 方案评估：社区活跃度、跨浏览器支持、稳定性、学习曲线
→ 决策矩阵：按权重打分，推荐Playwright（社区活跃+跨浏览器+速度快）
团队想引入性能测试工具（JMeter vs Locust vs k6）
→ 按技术栈（Python/Javascript）、协议支持、分布式能力、报告输出综合评估
输出示例
场景：Python 项目的接口自动化框架选型
1. 需求分析：Python 技术栈、需要 REST 接口自动化、需 CI 集成、团队 3 人、预算无（开源优先）
2. 候选方案：pytest+requests、Robot Framework、Karate、HttpRunner
3. 决策矩阵（加权评分）：
| 维度 | 权重 | pytest+requests | Robot Framework | Karate | HttpRunner |
|---|---|---|---|---|---|
| 技术栈匹配 | 25% | 5 | 4 | 3 | 5 |
| 自动化能力 | 20% | 5 | 4 | 4 | 4 |
| CI 集成 | 15% | 5 | 4 | 4 | 5 |
| 团队上手成本 | 20% | 4 | 3 | 3 | 5 |
| 维护成本 | 10% | 4 | 3 | 4 | 4 |
| 生态/社区 | 10% | 5 | 4 | 4 | 4 |
| 加权总分 | 4.75 | 3.70 | 3.60 | 4.55 |
4. 推荐结论：pytest+requests（总分 4.75 最高）——技术栈匹配 + CI 生态成熟；HttpRunner 作为备选（国内社区友好、用例 YAML 化、团队上手快）。
5. 实施计划：第1周搭建框架+公共封装 → 第2周接入 CI → 第3周首批 50 条用例 → 第4周推广。
场景：性能测试工具选型
→ 需求（JMeter 全协议 / Locust Python 原生 / k6 云原生）→ 决策矩阵（协议支持/分布式/报告/团队熟悉度）→ 推荐结论（中小团队选 Locust，大规模压测选 JMeter，云原生选 k6）
Guidelines
技术选型完成后检查：
- [ ] 需求分析是否完整？
- [ ] 候选方案是否全面？
- [ ] 评估维度是否合理？
- [ ] 对比结果是否客观？
- [ ] 推荐理由是否充分？
- [ ] 实施计划是否可行？
检查清单
- [ ] 候选工具是否≥3个？
- [ ] 核心维度是否对比？
- [ ] 维护成本是否评估？
- [ ] 团队适配是否考虑？
- [ ] 选型报告是否生成？
