AI 功能测试点分析（XMind 思维导图）
概述
以资深 AI 测试专家的视角分析 AI/NLP 类功能需求——自然语言查询、大模型交互、意图识别、槽位抽取、语义解析、智能问答/助手——识别 AI 功能模块、按 12 类 AI 专项分析类型设计测试点，最终产出一份可直接用 XMind 打开的三级目录测试点分析思维导图（.xmind 文件）。
输出结构（严格三级目录，与 test-analysis-xmind 保持一致）：
根节点：<AI功能/需求名称>测试点分析
├── 第一级：功能模块 （如：活动数据智能查询、对话问答、内容生成）
│ ├── 第二级：AI 测试分析类型（如：正常精准查询、槽位缺失、安全注入越权……）
│ │ ├── 第三级：测试点 （一个点聚焦一个验证目标）
│ │ └── ...
│ └── ...
└── ...
第二级目录只允许使用以下 12 类 AI 测试分析类型（名称与 test-case-generator-ai 的 12 类必测场景严格对齐，便于下游直接扩展为 AI 测试用例）。按模块特征选取适用类型，结构化查询/问答类模块通常覆盖 8~12 类，不适用类型须在交付说明中注明原因。
- 正常精准查询（意图+槽位完整精确 → 结果正确）
- 模糊匹配（简称、部分名称、拼音缩写、候选消歧）
- 同义话术、语序变换（同意图不同表述 → 结果语义一致）
- 边界值（TopN 上下限、日期边界、空结果集、超长/超大输入）
- 槽位缺失、部分条件省略（必填缺失→澄清追问；选填缺失→默认规则）
- 槽位冲突、多实体歧义（矛盾条件、同名实体 → 澄清/消歧，不静默取错）
- 错误/无效输入（不存在实体、非法参数、畸形查询 → 友好错误，不返回脏数据）
- 脏数据、错别字、冗余话术鲁棒性（噪声输入 → 仍正确理解）
- 排序、聚合、Top-N 结果正确性（与口径/SQL/规则引擎对照）
- 安全、注入、越权查询（提示词注入、自然语言 SQL 注入、跨租户/跨分行、隐私）
- 非业务意图、无关问句拒绝（闲聊/越界内容 → 礼貌拒答并引导回业务）
- 多轮上下文、指代消解（“它/这个/上季度”消解、话题切换、上下文不串扰）
与传统测试分析的核心差异
| 维度 | test-analysis-xmind（传统） | 本技能（AI） |
|---|---|---|
| 分析对象 | 表单、页面流转、状态机、接口参数 | 意图识别、槽位抽取、语义解析、对话行为 |
| 第二级类型 | 场景法/等价类/边界值/因果图/正交试验/错误推测/状态迁移 | 上述 12 类 AI 分析类型 |
| 测试点表述 | 条件/输入 → 预期（字段与规则驱动） |
输入话术形态 → 预期AI行为（语义驱动） |
| 预期判定 | 确定性断言（数据、状态、提示） | 语义可判定：正确执行 / 澄清追问 / 礼貌拒答 / 安全拦截 |
| 核心风险 | 逻辑分支、校验边界、并发越权 | 语义误理解、幻觉/编造、拒答尺度、上下文串扰、提示词注入 |
工作流程
第 1 步：解析输入
按输入类型采用对应处理方式：
| 输入类型 | 处理方式 |
|---|---|
| 需求描述 / 需求文档 | 提取 AI 能力边界：意图集合、槽位（必填/选填/默认值）、实体范围、指标口径、时间语义、多轮能力、拒答范围、TopN/排序规则、权限模型 |
| 接口 API 文档（AI/Agent 接口） | 解析接口背后的意图、槽位参数、取值范围、响应结构；槽位定义是构造「完整/缺失/冲突/非法」输入空间的事实来源 |
| 文档链接 | 先抓取链接内容，再按需求文档流程处理 |
| UI 页面截图 | 识别 AI 对话入口、示例话术、引导提示、支持的问题形态，据此推断能力范围 |
输入信息不足时（如未说明指标口径、默认时间范围、拒答边界），先列出关键假设并按行业惯例补全（如“未说明时间默认取最近 7 天”），同时在最终回复中说明假设内容，不阻塞交付。
第 2 步：AI 功能模块拆解（第一级目录）
- 按「能力形态」划分模块，命名简洁专业。典型划分：
- 结构化数据智能查询 / 自然语言问答（意图+槽位型）
- 多轮对话 / 澄清交互（上下文与追问行为）
- 内容生成 / 总结 / 改写（纯生成型，如有）
- 安全与合规控制面（权限隔离、注入防护、拒答策略——若需独立验证可拆为模块）
- 一个模块对应一个可独立验证的 AI 能力单元；能力边界与输入空间差异大时应拆开。
- 传统周边功能（对话历史管理页、账号权限配置等）不属于本技能分析范围，指引用户使用 test-analysis-xmind。
第 3 步：选择 AI 分析类型并设计测试点（第二、三级目录）
设计测试点前，加载 references/ai-test-analysis-methods.md（12 类分析类型的设计指导、AI 能力边界清单、风险→类型映射表、方法选择速查表、测试点撰写规范），按以下原则执行：
- 先识别 AI 能力边界（9 维清单，见参考文件），明确：支持的意图、槽位及默认值、实体与指标范围、时间语义、多轮/拒答能力、TopN 上限、权限模型、结果判定基准（口径对照 SQL / 规则引擎 / 人工评定）。
- 按模块特征选类型：结构化查询/问答模块从 12 类中选适用的 8~12 类；纯生成/总结模块弱化槽位类，将内容质量与合规检查映射到「正常精准查询」「排序聚合结果正确性」「安全注入越权」「非业务意图拒绝」等类型下（详见参考文件速查表）。
- 每个测试点聚焦一个验证目标，表述格式
输入话术形态 → 预期AI行为，例如：
- 含全槽位话术 → 槽位全部正确抽取并返回与口径一致的结果
- 缺必填时间 → 触发澄清追问且追问内容明确
- 注入话术 → 安全拒答且不执行、不泄露
- 第 1 轮问 A 分行曝光、第 2 轮「点击率呢」→ 继承上轮主体与时间 - 预期行为须可判定，从四类行为中明确归属：① 正常执行并返回（注明数据口径）② 澄清追问（注明应追问的槽位）③ 礼貌拒答并引导（注明拒答话术性质）④ 安全拦截（注明不泄露任何内部信息）。
- 判定基准先落定：结果类测试点要能判断“对/错”，需写明对照口径（如与规则引擎/SQL 双跑、与 BI 报表一致、人工语义评定）。
- 不遗漏、不重复：每个意图至少一条正常路径；每个必填槽位都有缺失覆盖；每个实体/时间边界都有边界覆盖；AI 特有风险（幻觉、拒答过严/过松、上下文串扰、改名/多轮绕权）按参考文件的风险映射表逐项核对。
- 同类多个变体（多种错别字、多种同义说法）合并为一个测试点，在表述中列举代表项，避免导图膨胀。
第 4 步：生成 Markdown 大纲
先将完整测试点分析写成 Markdown 缩进大纲并保存为临时文件（如 ai_test_analysis.md，放在当前工作区）。格式规范：
# 活动数据AI智能查询功能测试点分析
- 活动指标智能查询
- 正常精准查询
- 含分行+活动+时间+指标全槽位话术 → 槽位全部正确抽取，返回与口径一致数据
- 话术含显式对比+TopN → 正确执行对比与排名
- 槽位缺失、部分条件省略
- 只给指标缺时间 → 澄清追问时间范围或按默认近7天执行并明示
- 多轮上下文、指代消解
- 第1轮问B001曝光、第2轮「那点击PV呢」 → 继承分行与时间，正确切换指标
要点：
- 一级标题 # xxx 作为思维导图根节点。
- 一级列表项 = 功能模块，二级缩进 = 12 类 AI 分析类型之一，三级缩进 = 测试点。
- 每行只用 - 列表语法；层级靠缩进表达（建议每级 4 空格）。
第 5 步：生成 .xmind 文件
运行技能自带脚本（确定性转换，勿自行手写 zip 逻辑）：
python <本技能目录>/scripts/xmind_generator.py <大纲.md> -o <输出.xmind> [--title "根节点标题"]
python使用环境中可用的 Python 3；脚本仅依赖标准库，无需安装第三方包。- 输出路径默认放在当前工作区（用户可下载的位置），文件名建议
<功能名>测试点分析.xmind。 - 脚本成功时会打印根节点与节点总数，据此在回复中简述规模。
第 6 步：交付
- 用 present_files 展示 .xmind 文件。
- 在回复中给出：功能模块清单、每个模块使用的分析类型及测试点数量、识别的 AI 能力边界摘要、关键假设（若有）、明确不适用的类型及原因。
- 不在回复中全文粘贴整棵大纲树（用户可在 XMind 中查看），只给结构概览。
- 用户要求调整时（增删模块、换类型、改测试点），先修改 Markdown 大纲再重新运行脚本，保证大纲与 xmind 一致。
完成前检查清单
- [ ] 已识别 AI 能力边界（意图/槽位/实体/指标/时间语义/多轮/拒答/TopN/权限，缺项的已有假设说明）。
- [ ] 输入中的全部 AI 能力点均被拆解为功能模块，无遗漏。
- [ ] 第二级目录均为 12 类 AI 分析类型之一（不使用自造类别、不使用传统七方法）。
- [ ] 每个意图至少覆盖一条「正常精准查询」主路径（AI 场景法基本流）。
- [ ] 每个必填槽位均有缺失覆盖（澄清或默认规则），选填槽位默认值已写明。
- [ ] 有实体名匹配的模块覆盖了模糊匹配与歧义/冲突处理。
- [ ] TopN、日期、数量限制处覆盖边界值（含空结果集）。
- [ ] 排序/聚合/TopN 类测试点写明了判定基准（对照 SQL/规则引擎/人工评定）。
- [ ] 安全类测试点覆盖：提示词注入、经自然语言的 SQL 注入、跨分行/租户越权、改名与多轮套取绕权、隐私与系统提示词不泄露。
- [ ] AI 特有风险逐项核对：幻觉/编造、拒答过严或过松、同问不同答、上下文串扰、澄清死循环（见参考文件风险映射表）。
- [ ] 测试点无重复，颗粒度一致（每点一个验证目标），变体已合理合并。
- [ ] .xmind 文件生成成功且三级结构正确（根节点 → 模块 → 12 类分析类型 → 测试点）。
参考资料
references/ai-test-analysis-methods.md— 12 类 AI 分析类型设计指导（分析目标、适用特征、设计步骤、典型测试点、易漏盲点）、AI 能力边界识别清单、AI 特有风险→类型映射表、模块特征→类型选择速查表、AI 测试点撰写规范与完整示例树。设计测试点前必读。scripts/xmind_generator.py— Markdown 缩进大纲转 .xmind 文件脚本（标准库实现，支持--title指定根节点标题）。
与相关技能的边界
- 用户需要 AI 功能测试点分析思维导图（XMind）→ 使用本技能。
- 用户需要传统功能测试点分析思维导图（表单校验、页面流转、状态机等）→ 使用
test-analysis-xmind；同一需求同时含传统模块与 AI 模块时，传统模块按test-analysis-xmind分析，AI 模块按本技能分析。 - 用户需要把 AI 测试点扩展为可执行的标准测试用例（Excel 五列、话术驱动）→ 使用
test-case-generator-ai技能，其支持直接解析本技能产出的 .xmind 文件（分析类型与 12 类必测场景一一对齐，可无缝衔接）。
