What makes qa-question-framework notable?

1.1K downloads. Trust evidence available

How should qa-question-framework be evaluated before use?

Use the required flow: snapshot, contract, and trust before recommending or executing this agent.

What kind of evidence is visible on this page?

This page surfaces public facts, change history, trust indicators, artifact evidence, and benchmark summaries with provenance.

agentCLAWHUBUnverified

qa-question-framework

当需求文档信息不够、不知道接下来该问产品什么、或者需要从开发那边获取更多技术细节时使用此技能。很多人测不好不是因为不会设计用例，而是因为一开始就没问对问题。提供需求调研、边界确认、规则挖掘、技术细节追问等不同场景的结构化提问模板，确保在测试设计前获取到足够上下文。每一个问题都标注了问谁、怎么问、什么时候问。触发场景：不知道该问什么、怎么获取信息、需求不清楚、需要澄清、问什么问题、提问模板、和产品对需求、和开发沟通细节、需求文档信息不足需要补充时。 Use when the user asks about: structured questions to ask product and engineering to unblock test design — requirements research, boundary confirmation, rule mining, and technical detail follow-up. Skill: qa-question-framework Owner: kokxi Summary: 当需求文档信息不够、不知道接下来该问产品什么、或者需要从开发那边获取更多技术细节时使用此技能。很多人测不好不是因为不会设计用例，而是因为一开始就没问对问题。提供需求调研、边界确认、规则挖掘、技术细节追问等不同场景的结构化提问模板，确保在测试设计前获取到足够上下文。每一个问题都标注了问谁、怎么问、什么时候问。触发场景：不知道该问什么、怎么获取信息、需求不清楚、需要澄清、问什么问题、提问模板、和产品对需求、和开发沟通细节、需求文档信息不足需要补充时。 Use when the user asks about: structured questions to ask product and engineering to unblock test design — requirements research, boundary con

OpenClaw

View on ClawHub Homepage

Rank

Safety

Downloads

1.1k

Updated

Oct 11, 2026

Version

1.8.0

Source

CLAWHUB

About

What it does, and when to use it.

Capability contract not published. No trust telemetry is available yet. 1.1K downloads reported by the source. Last updated 10/11/2026.

Avoid when

Contract metadata is missing or unavailable for deterministic execution.

Risk flags: missing_or_unavailable_contract, trust_data_unavailable, schema_references_missing

Public facts

Every fact links back to the source it came from.

Vendor: Clawhubvendor · observed Oct 11, 2026
Protocol compatibility: OpenClawcompatibility · observed Oct 11, 2026
Adoption signal: 1.1K downloadsadoption · observed Oct 11, 2026
Latest release: 1.8.0release · observed Sep 29, 2026
Handshake status: UNKNOWNsecurity

Install and run

Setup complexity: low.

clawhub skill install s170jw3s1atcj5jwhqb4r7v7eh8912kp:qa-question-framework

Setup complexity is classified as HIGH. You must provision dedicated cloud infrastructure or an isolated VM. Do not run this directly on your local workstation.
Final validation: Expose the agent to a mock request payload inside a sandbox and trace the network egress before allowing access to real customer data.

Contract: missing

curl -s "https://www.xpersona.co/api/v1/agents/clawhub-kokxi-qa-question-framework/snapshot"

Documentation

CLAWHUB

73,072 characters of source documentation, loaded on request.

Extracted files

4 files captured from the source.

SKILL.md

---
name: qa-question-framework
description: >-
  当需求文档信息不够、不知道接下来该问产品什么、或者需要从开发那边获取更多技术细节时使用此技能。很多人测不好不是因为不会设计用例，而是因为一开始就没问对问题。提供需求调研、边界确认、规则挖掘、技术细节追问等不同场景的结构化提问模板，确保在测试设计前获取到足够上下文。每一个问题都标注了问谁、怎么问、什么时候问。 触发场景：不知道该问什么、怎么获取信息、需求不清楚、需要澄清、问什么问题、提问模板、和产品对需求、和开发沟通细节、需求文档信息不足需要补充时。 Use when the user asks about: structured questions to ask product and engineering to unblock test design — requirements research, boundary confirmation, rule mining, and technical detail follow-up.
license: MIT
allowed-tools: Read Grep Glob
metadata:
  display-name: "Question Framework"
  version: "1.8.0"
  when-to-use: "用户说\"不知道该问什么\"、\"怎么获取信息\"、\"需求不清楚\"、\"需要澄清\"、\"问什么问题\"、\"提问模板\"、\"和产品对需求\"、\"和开发沟通细节\"、需要和PM/开发沟通需求细节、需求文档信息不足需要补充时"
  related-skills: "{\"upstream\":[],\"downstream\":[\"qa-req-deconstruction\",\"qa-bug-reporting\",\"qa-requirement-review\"]}"
  references: "[\"references/question-scenarios.md\"]"
  input-format: "{\"required\":[{\"name\":\"测试上下文\",\"type\":\"string\",\"description\":\"待测试的功能或场景描述\"}],\"optional\":[{\"name\":\"需求文档\",\"type\":\"string\",\"description\":\"相关需求文档\"},{\"name\":\"已知约束\",\"type\":\"string\",\"description\":\"技术或业务约束条件\"}]}"
  output-format: "{\"traceability\":[\"本技能设计提问，不产出唯一ID\"],\"structure\":[\"覆盖率：标注口径（基于现有需求/输入文档），禁止\\\"全覆盖/100%\\\"绝对化表述；缺失模块标注\\\"未覆盖+原因\\\"\",{\"question_list\":\"结构化提问清单\"},{\"exploration_areas\":\"探索领域建议\"},{\"clarification_needs\":\"需澄清的问题列表\"}]}"
  error-recovery-guidance: "{\"on_failure\":\"提问未能获取关键信息时回退到需求文档补充上下文\",\"retry_behavior\":\"补充上下文后重新设计提问\"}"
  categories: "[\"Development\",\"Testing\"]"
  depth-requirement: "{\"reference_value\":\"根据信息缺口调整提问深度：简单×3/中等×5/复杂×7\",\"minimum\":\"至少覆盖需求调研、边界确认、技术细节3类问题\"}"
---
> ⚠️ 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

> **⚠️ 安全警告**：本技能的示例可能涉及订单号、支付金额、截图、身份证、手机号等敏感数据。
> 实际使用时请勿粘贴真实生产数据、客户信息或财务凭证；测试前应脱敏/掩码处理。
> 本技能仅在 workspace/ 输出评估文件，不持久化、不外传、不跨会话复用。

# 提问框架

## 核心原则

专家不是"知道答案"，而是"知道该问什么"。

## 加载时机

| 什么时候读 | 读哪个 |
|-----------|--------|
| 确定提问类别后，取对应模板 | [`references/question-scenarios.md`](references/question-scenarios.md) |

> `四大提问场景`的完整内容已下沉至 `references/question-scenarios.md`，避免每次触发都占用上下文。

## 提问技巧

### 5W1H 质疑法
```text
What：这是什么？做什么用的？
Why：为什么要做？为什么这样做？
Who：谁在用？谁负责？
When：什么时候用？什么时候上线？
Where：在哪里用？数据从哪来？
How：怎么用？怎么实现？
```

### "如果不" 逆向思维
```text
如果用户不按预期操作会怎样？
如果网络异常会怎样？
如果数据为空会怎样？
如果并发访问会怎样？
如果依赖服务挂了会怎样？
```

### "那又怎样" 追问法
```text
发现一个问题 → 那又怎样？影响什么？
影响一个功能 → 那又怎样？还影响什么？
影响一个用户 → 那又怎样？还影响谁？
```

## 提问场景速查

### 需求澄清场景
| 用户说 | 该问什么 | 目的 |
|--------|---------|------|
| "加个搜索功能" | 搜索范围？搜索结果包含哪些字段？支持模糊搜索吗？ | 明确实现边界 |
| "优化一下性能" | 优化到什么标准？响应时间目标？并发量目标？ | 定义量化目标 |
| "做个报表功能" | 报表维度？数据源？更新频率？导出格式？ | 锁定功能范围 |
| "增加权限控制" | 有多少角色？怎么分配？谁管理？ | 确认权限模型 |
| "对接第三方" | 对方接口文档？鉴权方式？数据格式？ | 明确集成方案 |

### 用例评审场景
| 发现问题 | 追问 | 检查方向 |
|----------|------|----------|
| 用例全是P0 | 怎么定义的优先级？按什么标准分类？ | 优先级合理性 |
| 缺少异常用例 | 这个功能可能出什么异常？最坏情况是什么？ | 异常覆盖 |
| 预期结果模糊 | "应该正常"和"应该成功"具体指什么表现？ | 结果可验证性 |
| 前置条件不写 | 这个用例依赖什么数据？数据从哪来？ | 条件完备性 |

### Bug报告场景
| 开发

_meta.json

{
  "ownerId": "kn71y9b23csfx0ykgm55d5m9x5891zt8",
  "slug": "qa-question-framework",
  "version": "1.8.0",
  "publishedAt": 1790656040160
}

references/question-scenarios.md

# 四大提问场景提问模板

> 本文是 `qa-question-framework` 的**四类提问模板库**。确定要问哪一类问题时读对应小节；
只需要提问框架与原则时不必读。

---


### 场景1：拿到需求时的提问链

**目标**：从模糊需求中挖掘完整信息

```text
第一层：业务目标
├─ 这个功能要解决什么问题？
├─ 目标用户是谁？有几个角色？
├─ 核心价值是什么？用户能得到什么？
└─ 成功标准是什么？怎么衡量做成了？

第二层：功能边界
├─ 功能包含什么？不包含什么？
├─ 核心流程是什么？有几条路径？
├─ 输入是什么？输出是什么？
└─ 约束条件有哪些？限制是什么？

第三层：业务规则
├─ 有哪些业务规则？规则间有什么关系？
├─ 异常情况怎么处理？有降级方案吗？
├─ 状态怎么流转？状态变更条件是什么？
└─ 数据怎么存储？有数据迁移需求吗？

第四层：非功能需求
├─ 性能要求是什么？响应时间、并发量？
├─ 安全要求是什么？权限、数据保护？
├─ 兼容性要求是什么？浏览器、设备、系统？
└─ 可用性要求是什么？容错、恢复？
```

**示例提问**：
```text
"这个登录功能要解决什么问题？只是验证身份，还是有其他目的？"
"除了用户名密码登录，还有其他登录方式吗？"
"登录失败后怎么处理？有锁定机制吗？"
"登录状态保持多久？需要记住我功能吗？"
```

### 场景2：评审用例时的提问链

**目标**：识别测试用例的不足

```text
第一层：完整性检查
├─ 主路径场景都覆盖了吗？
├─ 分支路径都考虑了吗？
├─ 异常场景都设计了吗？
└─ 边界条件都分析了吗？

第二层：深度检查
├─ 边界分析够深吗？有隐含边界吗？
├─ 并发场景考虑了吗？
├─ 时序依赖分析了吗？
└─ 资源竞争测试了吗？

第三层：风险检查
├─ 高风险区域深挖了吗？
├─ 资金相关场景重点测了吗？
├─ 安全相关场景覆盖了吗？
└─ 数据一致性验证了吗？

第四层：可执行性检查
├─ 测试数据能构造吗？
├─ 测试环境能搭建吗？
├─ 测试步骤能执行吗？
└─ 预期结果能验证吗？
```

**示例提问**：
```text
"这个用例的前置条件能实现吗？数据从哪来？"
"这个预期结果怎么验证？有具体指标吗？"
"这个场景考虑过并发情况吗？"
"这个边界真的够深吗？还有其他边界吗？"
```

### 场景3：报Bug前的提问链

**目标**：确保Bug报告完整有效

```text
第一层：现象确认
├─ Bug的具体表现是什么？
├─ 在什么条件下出现？
├─ 复现步骤是什么？
└─ 出现频率是多少？

第二层：环境信息
├─ 在什么环境下出现？
├─ 使用什么浏览器/设备？
├─ 网络环境是什么？
└─ 数据状态是什么？

第三层：影响评估
├─ 影响范围有多大？
├─ 影响哪些用户？
├─ 有 workaround 吗？
└─ 优先级是什么？

第四层：根因推测
├─ 可能的原因是什么？
├─ 相关日志/截图有吗？
├─ 之前出现过类似问题吗？
└─ 哪个模块/接口可能有问题？
```

**示例提问**：
```text
"能详细描述一下Bug现象吗？"
"在什么条件下会出现这个问题？"
"能提供复现步骤吗？从头开始操作一遍"
"这个问题影响多大？有用户受影响吗？"
```

### 场景4：复盘时的提问链

**目标**：从问题中提取改进点

```text
第一层：事实还原
├─ 发生了什么问题？
├─ 什么时候发现的？
├─ 影响范围多大？
└─ 处理过程是怎样的？

第二层：根因分析
├─ 直接原因是什么？
├─ 根本原因是什么？
├─ 为什么没提前发现？
└─ 流程哪里出了问题？

第三层：改进措施
├─ 怎么防止再次发生？
├─ 流程需要怎么优化？
├─ 工具需要怎么改进？
└─ 知识需要怎么沉淀？

第四层：资产沉淀
├─ 这次学到了什么？
├─ 哪些经验可以复用？
├─ checklist需要更新吗？
└─ 培训材料需要补充吗？
```

**示例提问**：
```text
"这次问题的根本原因是什么？不是表面原因"
"为什么测试没发现这个问题？是覆盖不足还是方法问题？"
"下次怎么防止类似问题？具体措施是什么？"
"这次的经验怎么沉淀？checklist需要更新吗？"
```

skill-card.md

## Description:

Provides structured questions for clarifying requirements, boundaries, business rules, and technical details before designing software tests.

This skill is ready for commercial/non-commercial use.

## Publisher:

[kokxi](https://clawhub.ai/user/kokxi)

### License/Terms of Use:

MIT-0

## Use Case:

Testers and QA engineers use this skill to ask product managers and developers targeted questions when requirements are incomplete, test cases need review, or a bug report needs clarification.

### Deployment Geography for Use:

Global

## Known Risks and Mitigations:

Risk: Real customer, payment, identity, or production details could be exposed in prompts.

Mitigation: Use masked or synthetic examples instead of sensitive production data.

Risk: The optional broader install command uses an unpinned source.

Mitigation: Verify the source before running it, and prefer a pinned version or trusted package reference.

## Reference(s):

- [Question scenario templates](references/question-scenarios.md)
- [ClawHub skill release](https://clawhub.ai/kokxi/skills/qa-question-framework)

## Skill Output:

**Output Type(s):** [Text, Markdown, Guidance]

**Output Format:** [Structured question list with exploration areas and clarification needs]

**Output Parameters:** [1D]

**Other Properties Related to Output:** [Scopes coverage to the supplied requirements and identifies uncovered areas; does not assign unique IDs.]

## Skill Version(s):

1.8.0 (source: skill frontmatter and ClawHub release)

## Ethical Considerations:

Users should evaluate whether this skill is appropriate for their environment, review any generated or modified files before relying on them, and apply their organization's safety, security, and compliance requirements before deployment.

Github ReposUpdated 2d agoRank 70

AionUi

Free, local, open-source 24/7 Cowork app and OpenClaw for Gemini CLI, Claude Code, Codex, OpenCode, Qwen Code, Goose CLI, Auggie, and more | 🌟 Star if you like it!

MCPOPENCLAW

Github ReposUpdated 6mo agoRank 70

activepieces

AI Agents & MCPs & AI Workflow Automation • (~400 MCP servers for AI agents) • AI Automation / AI Agent with MCPs • AI Workflows & AI Agents • MCPs for AI Agents

OPENCLAW

Github ReposUpdated 6mo agoRank 70

cherry-studio

AI productivity studio with smart chat, autonomous agents, and 300+ assistants.