{"id":"100abc04-2437-4a24-96d9-df8821c759ce","entityType":"agent","slug":"clawhub-kokxi-qa-ai-context-engineering","name":"qa-ai-context-engineering","canonicalUrl":"https://www.xpersona.co/agent/clawhub-kokxi-qa-ai-context-engineering","canonicalPath":"/agent/clawhub-kokxi-qa-ai-context-engineering","generatedAt":"2026-10-11T14:13:40.890Z","source":"CLAWHUB","claimStatus":"UNCLAIMED","verificationTier":"NONE","summary":{"evidence":{"source":"editorial-content","verified":true,"confidence":"high","updatedAt":"2026-10-11T09:36:05.152Z","emptyReason":null},"description":"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. Skill: qa-ai-context-engineering Owner: kokxi Summary: 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 structur","descriptionLabel":"Technical summary","evidenceSummary":"Capability contract not published. No trust telemetry is available yet. 1.1K downloads reported by the source. Last updated 10/11/2026.","installCommand":"clawhub skill install s170jw3s1atcj5jwhqb4r7v7eh8912kp:qa-ai-context-engineering","sourceUrl":"https://clawhub.ai/kokxi/qa-ai-context-engineering","homepage":"https://clawhub.ai/kokxi/skills/qa-ai-context-engineering","primaryLinks":[{"label":"View on ClawHub","url":"https://clawhub.ai/kokxi/qa-ai-context-engineering","kind":"source"},{"label":"Homepage","url":"https://clawhub.ai/kokxi/skills/qa-ai-context-engineering","kind":"homepage"}],"safetyScore":84,"overallRank":62,"popularityScore":61,"trustScore":null,"claimedByName":null,"isOwner":false,"seoDescription":"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"},"coverage":{"evidence":{"source":"public-profile","verified":false,"confidence":"medium","updatedAt":"2026-10-11T09:36:05.152Z","emptyReason":null},"protocols":[{"protocol":"OPENCLEW","label":"OpenClaw","status":"self-declared","notes":"Declared in the public agent profile."}],"capabilities":[],"verifiedCount":0,"selfDeclaredCount":1,"capabilityMatrix":{"rows":[{"key":"OPENCLEW","type":"protocol","support":"unknown","confidenceSource":"profile","notes":"Listed on profile"}],"flattenedTokens":"protocol:OPENCLEW|unknown|profile"}},"adoption":{"evidence":{"source":"CLAWHUB","verified":false,"confidence":"medium","updatedAt":"2026-10-11T09:36:05.152Z","emptyReason":null},"stars":null,"forks":null,"downloads":1098,"packageName":null,"latestVersion":"1.8.0","tractionLabel":"1.1K downloads"},"release":{"evidence":{"source":"CLAWHUB","verified":false,"confidence":"medium","updatedAt":"2026-10-11T09:36:05.138Z","emptyReason":null},"lastUpdatedAt":"2026-10-11T09:36:05.152Z","lastCrawledAt":"2026-10-11T09:36:05.138Z","lastIndexedAt":null,"nextCrawlAt":"2026-10-12T09:36:05.138Z","lastVerifiedAt":null,"highlights":[{"version":"1.8.0","createdAt":"2026-09-29T04:24:59.887Z","changelog":"**Major update: Structure, references, and output format revised for transparency and modularity.** - Switched output references from a removed template (output-template.md) to new resources: window-adaptation.md and context-package.md. - Updated context package structure: now mandates explicit source tagging for every item as [用户提供] / [推断] / [假设]. - Clarified output: skill only packages context and never outputs test cases; mandates never to silently assume missing upstream input. - Adjusted output format and traceability details; all input and missing areas must be clearly declared, including fallback guidance. - Deprecated and removed outdated documentation files; improved guidance for context window adaptation and information origin marking.","fileCount":5,"zipByteSize":10551},{"version":"1.7.7","createdAt":"2026-09-27T14:31:22.396Z","changelog":"1.7.7","fileCount":4,"zipByteSize":8944},{"version":"1.7.6","createdAt":"2026-09-01T12:34:52.926Z","changelog":"显示名改中文","fileCount":4,"zipByteSize":8987},{"version":"1.7.5","createdAt":"2026-08-30T15:10:01.391Z","changelog":"1.7.5: 版本号升级","fileCount":4,"zipByteSize":8860},{"version":"1.7.0","createdAt":"2026-08-16T14:31:30.811Z","changelog":"Version 1.7.0 - Removed the file: skill-card.md. - Updated SKILL.md; content structure and core documentation retained, no major functional or format changes detected. - No user-facing logic, input, or output behavior changes introduced in this version.","fileCount":4,"zipByteSize":7360},{"version":"1.6.3","createdAt":"2026-08-12T15:20:00.180Z","changelog":"- Added logic to fetch and parse user-provided requirements files or URLs to supplement missing upstream analysis, integrating structured data into the AI context package. - Clearly states that upstream analysis steps are not replaced: missing items are still flagged, with guidance to backtrack and complete. - Added slug and displayName fields for better metadata. - Removed the redundant skill-card.md file. - Minor improvements to description for clarity.","fileCount":4,"zipByteSize":7441},{"version":"1.6.0","createdAt":"2026-07-06T17:13:40.603Z","changelog":"**qa-ai-context-engineering v1.6.0** - Updated trigger conditions in `when_to_use` for more precise skill activation. - Added `references` field with explicit link to the output template documentation. - Included `categories`, `error_recovery_guidance`, and clarified error handling and retry logic. - Defined traceability for context packaging in `output_format`. - Removed obsolete `skill-card.md` file.","fileCount":4,"zipByteSize":7243},{"version":"1.5.0","createdAt":"2026-06-29T12:30:34.145Z","changelog":"Version 1.5.0 - Updated SKILL.md with a clearer definition of required and optional inputs/outputs, including stricter input/output format structure and completeness quantification. - Added version metadata and clarified the stage at which this skill should be used in the testing workflow. - Provided a reference to a separate output template file in the documentation. - Removed obsolete or redundant files (reference/output-template.md, skill-card.md). - Refined descriptions, shortened trigger conditions, and improved consistency in structure and presentation throughout documentation.","fileCount":4,"zipByteSize":7001}]},"execution":{"evidence":{"source":"CLAWHUB","verified":false,"confidence":"low","updatedAt":null,"emptyReason":"No published capability contract is available yet."},"installCommand":"clawhub skill install s170jw3s1atcj5jwhqb4r7v7eh8912kp:qa-ai-context-engineering","setupComplexity":"low","setupSteps":["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":{"contractStatus":"missing","authModes":[],"requires":[],"forbidden":[],"supportsMcp":false,"supportsA2a":false,"supportsStreaming":false,"inputSchemaRef":null,"outputSchemaRef":null,"dataRegion":null,"contractUpdatedAt":null,"sourceUpdatedAt":null,"freshnessSeconds":null},"invocationGuide":{"preferredApi":{"snapshotUrl":"https://www.xpersona.co/api/v1/agents/clawhub-kokxi-qa-ai-context-engineering/snapshot","contractUrl":"https://www.xpersona.co/api/v1/agents/clawhub-kokxi-qa-ai-context-engineering/contract","trustUrl":"https://www.xpersona.co/api/v1/agents/clawhub-kokxi-qa-ai-context-engineering/trust"},"curlExamples":["curl -s \"https://www.xpersona.co/api/v1/agents/clawhub-kokxi-qa-ai-context-engineering/snapshot\"","curl -s \"https://www.xpersona.co/api/v1/agents/clawhub-kokxi-qa-ai-context-engineering/contract\"","curl -s \"https://www.xpersona.co/api/v1/agents/clawhub-kokxi-qa-ai-context-engineering/trust\""],"jsonRequestTemplate":{"query":"summarize this repo","constraints":{"maxLatencyMs":2000,"protocolPreference":["OPENCLEW"]}},"jsonResponseTemplate":{"ok":true,"result":{"summary":"...","confidence":0.9},"meta":{"source":"CLAWHUB","generatedAt":"2026-10-11T14:13:40.888Z"}},"retryPolicy":{"maxAttempts":3,"backoffMs":[500,1500,3500],"retryableConditions":["HTTP_429","HTTP_503","NETWORK_TIMEOUT"]}},"endpoints":{"dossierUrl":"https://www.xpersona.co/api/v1/agents/clawhub-kokxi-qa-ai-context-engineering/dossier","snapshotUrl":"https://www.xpersona.co/api/v1/agents/clawhub-kokxi-qa-ai-context-engineering/snapshot","contractUrl":"https://www.xpersona.co/api/v1/agents/clawhub-kokxi-qa-ai-context-engineering/contract","trustUrl":"https://www.xpersona.co/api/v1/agents/clawhub-kokxi-qa-ai-context-engineering/trust"}},"reliability":{"evidence":{"source":"runtime-metrics","verified":false,"confidence":"low","updatedAt":null,"emptyReason":"No trust, reliability, or runtime telemetry is available."},"trust":{"status":"unavailable","handshakeStatus":"UNKNOWN","verificationFreshnessHours":null,"reputationScore":null,"p95LatencyMs":null,"successRate30d":null,"fallbackRate":null,"attempts30d":null,"trustUpdatedAt":null,"trustConfidence":"unknown","sourceUpdatedAt":null,"freshnessSeconds":null},"decisionGuardrails":{"doNotUseIf":["Contract metadata is missing or unavailable for deterministic execution."],"safeUseWhen":[],"riskFlags":["missing_or_unavailable_contract","trust_data_unavailable","schema_references_missing"],"operationalConfidence":"low"},"executionMetrics":{"observedLatencyMsP50":null,"observedLatencyMsP95":null,"estimatedCostUsd":null,"uptime30d":null,"rateLimitRpm":null,"rateLimitBurst":null,"lastVerifiedAt":null,"verificationSource":null},"runtimeMetrics":{"successRate":null,"avgLatencyMs":null,"avgCostUsd":null,"hallucinationRate":null,"retryRate":null,"disputeRate":null,"p50Latency":null,"p95Latency":null,"lastUpdated":null}},"benchmarks":{"evidence":{"source":"no-benchmark-data","verified":false,"confidence":"low","updatedAt":null,"emptyReason":"No benchmark suites or observed failure patterns are available."},"suites":[],"failurePatterns":[]},"artifacts":{"evidence":{"source":"CLAWHUB","verified":false,"confidence":"high","updatedAt":"2026-10-11T09:36:05.152Z","emptyReason":null},"readme":"Skill: qa-ai-context-engineering\n\nOwner: kokxi\n\nSummary: 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.\n\nTags: latest:1.8.0\n\nVersion history:\n\nv1.8.0 | 2026-09-29T04:24:59.887Z | auto\n\n**Major update: Structure, references, and output format revised for transparency and modularity.**\n\n- Switched output references from a removed template (output-template.md) to new resources: window-adaptation.md and context-package.md.\n- Updated context package structure: now mandates explicit source tagging for every item as [用户提供] / [推断] / [假设].\n- Clarified output: skill only packages context and never outputs test cases; mandates never to silently assume missing upstream input.\n- Adjusted output format and traceability details; all input and missing areas must be clearly declared, including fallback guidance.\n- Deprecated and removed outdated documentation files; improved guidance for context window adaptation and information origin marking.\n\nv1.7.7 | 2026-09-27T14:31:22.396Z | user\n\n1.7.7\n\nv1.7.6 | 2026-09-01T12:34:52.926Z | user\n\n显示名改中文\n\nv1.7.5 | 2026-08-30T15:10:01.391Z | user\n\n1.7.5: 版本号升级\n\nv1.7.0 | 2026-08-16T14:31:30.811Z | auto\n\nVersion 1.7.0\n\n- Removed the file: skill-card.md.\n- Updated SKILL.md; content structure and core documentation retained, no major functional or format changes detected.\n- No user-facing logic, input, or output behavior changes introduced in this version.\n\nv1.6.3 | 2026-08-12T15:20:00.180Z | auto\n\n- Added logic to fetch and parse user-provided requirements files or URLs to supplement missing upstream analysis, integrating structured data into the AI context package.\n- Clearly states that upstream analysis steps are not replaced: missing items are still flagged, with guidance to backtrack and complete.\n- Added slug and displayName fields for better metadata.\n- Removed the redundant skill-card.md file.\n- Minor improvements to description for clarity.\n\nv1.6.0 | 2026-07-06T17:13:40.603Z | auto\n\n**qa-ai-context-engineering v1.6.0**\n\n- Updated trigger conditions in `when_to_use` for more precise skill activation.\n- Added `references` field with explicit link to the output template documentation.\n- Included `categories`, `error_recovery_guidance`, and clarified error handling and retry logic.\n- Defined traceability for context packaging in `output_format`.\n- Removed obsolete `skill-card.md` file.\n\nv1.5.0 | 2026-06-29T12:30:34.145Z | auto\n\nVersion 1.5.0\n\n- Updated SKILL.md with a clearer definition of required and optional inputs/outputs, including stricter input/output format structure and completeness quantification.\n- Added version metadata and clarified the stage at which this skill should be used in the testing workflow.\n- Provided a reference to a separate output template file in the documentation.\n- Removed obsolete or redundant files (reference/output-template.md, skill-card.md).\n- Refined descriptions, shortened trigger conditions, and improved consistency in structure and presentation throughout documentation.\n\nv1.4.1 | 2026-06-25T16:53:02.390Z | auto\n\n- Simplified and clarified the skill's description for broader understanding.\n- Removed the redundant file skill-card.md.\n- No logic or functional workflow changes; core documentation and guidelines remain the same.\n- Improved SKILL.md readability and focus, making the skill's activation scenarios and outputs more concise.\n\nv1.4.0 | 2026-06-24T05:02:30.906Z | auto\n\nqa-ai-context-engineering v1.4.0\n\n- 增强技能描述，明确“结构化上下文包”用途及更多适用场景。\n- 完善激活条件，新增“上下文工程”、“结构化”等关键词。\n- 新增“上下文类型速查表”，支持不同测试场景的上下文策略选择。\n- 移除 skill-card.md，精简目录结构。\n- 优化文档结构，增强可读性和实用示例说明。\n\nv1.3.0 | 2026-06-20T14:04:26.925Z | auto\n\nqa-ai-context-engineering 1.3.0\n\n- 全面重写说明文档，系统化介绍核心原则、分层架构与工作流程\n- 明确金字塔式上下文结构，包括业务目标、功能边界、技术细节和输出要求\n- 新增输入与输出的标准格式说明，强调 JSON 结构化输出\n- 强化验收清单与常见风险提示，提高上下文工程质量\n- 详细说明与上下游技能的集成关系\n\nArchive index:\n\nArchive v1.8.0: 5 files, 10551 bytes\n\nFiles: assets/context-package.md (4185b), references/window-adaptation.md (4184b), skill-card.md (2104b), SKILL.md (9262b), _meta.json (144b)\n\nFile v1.8.0:SKILL.md\n\n---\nname: qa-ai-context-engineering\ndescription: >-\n  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。\n  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.\nlicense: MIT\nallowed-tools: Read Grep Glob WebFetch\nmetadata:\n  display-name: \"Ai Context Engineering\"\n  version: \"1.8.0\"\n  when-to-use: \"用户说\\\"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\"\n  related-skills: \"{\\\"upstream\\\":[\\\"qa-req-deconstruction\\\",\\\"qa-scenario-tree\\\",\\\"qa-boundary-deep-dive\\\",\\\"qa-combination-strategy\\\",\\\"qa-state-transition\\\"],\\\"downstream\\\":[\\\"qa-ai-prompt-strategy\\\"]}\"\n  references: \"[\\\"references/window-adaptation.md\\\",\\\"assets/context-package.md\\\"]\"\n  input-format: \"{\\\"required\\\":[{\\\"name\\\":\\\"需求解构表\\\",\\\"type\\\":\\\"object\\\",\\\"description\\\":\\\"来自qa-req-deconstruction的需求解构结果\\\"},{\\\"name\\\":\\\"场景树\\\",\\\"type\\\":\\\"object\\\",\\\"description\\\":\\\"来自qa-scenario-tree的场景树结构\\\"}],\\\"optional\\\":[{\\\"name\\\":\\\"边界清单\\\",\\\"type\\\":\\\"object\\\",\\\"description\\\":\\\"来自qa-boundary-deep-dive的边界分析结果\\\"},{\\\"name\\\":\\\"组合矩阵\\\",\\\"type\\\":\\\"object\\\",\\\"description\\\":\\\"来自qa-combination-strategy的组合覆盖矩阵\\\"},{\\\"name\\\":\\\"状态转换图\\\",\\\"type\\\":\\\"object\\\",\\\"description\\\":\\\"来自qa-state-transition的状态转换分析\\\"},{\\\"name\\\":\\\"风险评估\\\",\\\"type\\\":\\\"object\\\",\\\"description\\\":\\\"来自qa-risk-intuition的风险评估结果\\\"}]}\"\n  output-format: \"{\\\"traceability\\\":[\\\"本技能只打包上下文、不产出新 ID；沿用上游需求ID：REQ-{需求模块缩写}-{序号}、场景ID：SC-{场景模块缩写}-{序号}、边界ID：BD-{模块缩写}-{序号}、风险ID：RISK-{模块缩写}-{风险类型}-{三位序号}、规则ID：RULE-{CAL|VAL|PERM|FLOW}-{序号}\\\"],\\\"structure\\\":[{\\\"context_package\\\":\\\"AI上下文包：四层金字塔（第1层业务目标与用户角色 / 第2层功能描述与约束条件 / 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）\\\"},\\\"来源标注：每条信息必须标 [用户提供] / [推断] / [假设]；[假设] 项下游必须显式暴露或回上游确认\\\",\\\"第1层与第4层必填且永不裁剪；第3层按需，超窗时首个被裁\\\",\\\"第4层的 9 列输出格式引用 qa-test-case-design 的真源，本技能不自行定义或改动\\\",\\\"缺失的上游必须显式声明并给出回退建议，不得静默假设\\\",\\\"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\\\",\\\"覆盖率：标注口径（基于已有上游产出），禁止\\\\\\\"全覆盖/100%\\\\\\\"绝对化表述\\\"]}\"\n  error-recovery-guidance: \"{\\\"on_failure\\\":\\\"上下文包不完整时回退到上游分析步骤补充\\\",\\\"retry_behavior\\\":\\\"补充缺失的上游输入后重新打包上下文\\\"}\"\n  categories: \"[\\\"Development\\\",\\\"Testing\\\",\\\"AI\\\"]\"\n  depth-requirement: \"{\\\"reference_value\\\":\\\"按上游分析的丰富度决定包深度；四层全建为「完整测试」，可只建第1/2/4层为「日常/紧急测试」\\\",\\\"minimum\\\":\\\"至少包含需求解构表、场景树、边界清单 3 个核心上游输入；缺失项必须显式声明\\\"}\"\n---\n\n> ⚠️ 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\n\n# AI 上下文工程\n\n## 核心原则\n\n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。\n\n**不是给更多信息，而是给对的信息结构。**\n\n> **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\"，\n> 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。\n> **每条信息都要标 `[用户提供]` / `[推断]` / `[假设]`。**\n\n## 1. 上下文金字塔（必须按此顺序构建）\n\n### 第 1 层 业务目标与用户角色（必填，永不裁剪）\n```text\n【业务背景】业务目标 / 目标用户 / 核心价值\n【用户角色】角色A - 核心诉求；角色B - 核心诉求\n```\n> 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。**\n\n### 第 2 层 功能描述与约束条件（必填）\n```text\n【功能边界】功能名称 / 核心流程 / 输入 / 输出\n【非功能需求】性能 / 安全 / 兼容性\n```\n> 业务规则直接引用 `qa-req-deconstruction` 的 `RULE-` 清单，不重写。\n\n### 第 3 层 技术细节与历史缺陷（按需，超窗首个被裁）\n```text\n【技术架构】技术栈 / 关键接口 / 数据流向 / 依赖服务\n【历史缺陷模式】同类型功能曾出现过的 Bug + 规避方法\n```\n\n### 第 4 层 输出格式与质量要求（必填，永不裁剪）\n```text\n【输出要求】9 列标准用例表（真源：qa-test-case-design/references/output-template-full.md）\n           编号 TC_{模块缩写}_{功能缩写}_{三位序号}\n           级别占比 P0≤20% / P1≤40% / P2≤30% / P3≤10%\n           覆盖率必须标注口径\n```\n\n## 2. 上下文类型速查\n\n| 场景类型 | 建哪几层 | 关键侧重 |\n|---------|---------|---------|\n| **日常测试** | 1 + 2 + 4 | 功能边界 + 输出格式 |\n| **紧急测试** | 1 + 4 | 业务目标 + 输出格式，依赖假设快速产出 |\n| **完整测试** | 全部 4 层 | 全量信息 + 历史缺陷 + 技术细节 |\n| **复测回归** | 1 + 3 + 4 | 历史缺陷模式 + 输出格式 |\n\n## 3. 工作流程\n\n1. **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\n2. **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**\n3. **按金字塔构建**：四层组织，逐条标来源\n4. **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\n\n## 4. 加载时机\n\n| 什么时候读 | 读哪个 |\n|-----------|--------|\n| 写上下文包 | [`assets/context-package.md`](assets/context-package.md)（四层模板 + 来源标注表 + 填写要求 + 自检） |\n| 目标模型窗口不够、或要看完整包示例 | [`references/window-adaptation.md`](references/window-adaptation.md)（窗口适配 + 超窗降级 + 完整示例） |\n\n> 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——\n> 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。\n\n## 5. 产出\n\n四层结构骨架 + 来源标注汇总（示例见 `assets/context-package.md`）：\n\n```text\n📦 AI上下文包（目标模型：X，窗口 YK，预估 ZK token）\n├─ 上游齐备度：需求解构 ✓ / 场景树 ✓ / 边界清单 ✓ / 组合矩阵 ○ …\n│                缺失：X → 建议先补 qa-xxx\n├─ 第1层 业务目标与用户角色        [必填]\n├─ 第2层 功能描述与约束条件        [必填]\n├─ 第3层 技术细节与历史缺陷        [按需]\n├─ 第4层 输出格式与质量要求        [必填]\n└─ 来源标注汇总：[用户提供] n 条 / [推断] n 条 / [假设] n 条\n```\n\n**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。\n\n## 6. 四个常见翻车点\n\n1. **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\n2. **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\n3. **缺少负面案例**：AI 不知道什么是\"不好的\" → 给出反例\n4. **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\n\n## 7. 交付前自检\n\n- [ ] 四层齐备（第 3 层可按需，缺失需说明）\n- [ ] **每条信息都标了来源**，无未标注内容\n- [ ] `[假设]` 项已列出，且要求下游显式暴露或回上游确认\n- [ ] 上游缺失项已显式声明 + 给出回退建议\n- [ ] 业务规则引用 `RULE-` ID，未另起一套编号\n- [ ] 第 4 层引用 `qa-test-case-design` 真源，未自行改动列\n- [ ] 标注了目标模型与窗口；包大小估算 < 窗口 80%\n- [ ] 已知历史缺陷模式已带入（有的话）\n\nFile v1.8.0:_meta.json\n\n{\n  \"ownerId\": \"kn71y9b23csfx0ykgm55d5m9x5891zt8\",\n  \"slug\": \"qa-ai-context-engineering\",\n  \"version\": \"1.8.0\",\n  \"publishedAt\": 1790655899887\n}\n\nFile v1.8.0:references/window-adaptation.md\n\n# 上下文窗口适配与完整包示例\n\n> 本文是 `qa-ai-context-engineering` 的**适配参考**。目标模型上下文窗口不够、\n> 或需要看完整上下文包长什么样时读本文。\n> 上下文金字塔四层的定义见 `SKILL.md`，日常构建不必读本文。\n\n---\n\n## ⚠️ 窗口数据会过时\n\n下表是**编写时的快照**，各家模型的窗口规格与 API 限制会变。用之前先核实当前值，\n不要把这里的数字当作权威。**判断依据是\"包大小 vs 目标模型窗口的比例\"，不是具体数字。**\n\n| 模型 | 窗口（快照值） | 策略 |\n|------|--------------|------|\n| DeepSeek | 64K-128K | 完整金字塔直投，保留全部 4 层 |\n| 通义千问 | 32K-100K+ | 保留第 1/2/4 层，第 3 层按需截断 |\n| 文心一言 | 8K-32K | 压缩为\"业务目标 + 功能边界 + 输出格式\"三要素 |\n| 豆包 | 32K-128K | 完整直投，核心约束放包尾 |\n| Kimi | 128K-200K | 可带完整历史缺陷与全部技术细节，无需裁剪 |\n\n**不确定目标模型时按小窗口（8K-32K）规划**——按最小窗口设计的包，\n在任何更大的窗口里都不会被截断；反过来不会成立。\n\n## 超窗降级策略\n\n```text\n1. 超窗检测：估算包 token（中文约 1 字 ≈ 1-1.5 token），\n              超过目标窗口 80% 即触发裁剪\n2. 裁剪顺序：先裁第 3 层（技术细节/历史缺陷）\n            → 再压缩第 2 层（功能描述去重）\n            → 保留第 1 层（业务目标）与第 4 层（输出要求）\n3. 历史缺陷降级：完整列表 → TOP10 → TOP5 摘要\n                  （只留\"缺陷模式 + 规避方法\"，不带复现步骤）\n4. 分批注入：超窗时先注入\"第 1 层 + 第 4 层\"，\n            第 2/3 层在提示词中引用\"详见上下文包附件\"\n```\n\n> **第 1 层和第 4 层永远不裁**。业务目标丢了 AI 不知道测什么，\n> 输出要求丢了 AI 不知道交什么——这两层是包的骨架。\n\n---\n\n## 完整上下文包示例\n\n```text\n📦 AI上下文包（目标模型：DeepSeek，窗口 64K，预估 8.2K token）\n\n第1层 业务目标与用户角色\n├─ 业务目标：用户登录系统，验证身份并返回会话凭证\n├─ 用户角色：普通用户（账号密码）、管理员（额外权限）、游客（限制访问）\n└─ 核心指标：登录成功率、平均响应时间\n\n第2层 功能描述与约束条件\n├─ 功能边界：用户名+密码登录、验证码、密码找回、会话管理\n├─ 业务规则：密码错误 3 次锁定 15 分钟；验证码 5 分钟有效\n└─ 约束：支持 5000 并发登录；密码强度至少 8 位含数字字母\n\n第3层 技术细节与历史缺陷（按需）\n├─ 技术栈：Spring Boot + MySQL + Redis 会话\n├─ 历史缺陷 TOP5：\n│   1. 密码错误锁定未区分用户（越权锁定）→ 按账号+IP 双维度\n│   2. 验证码并发可用多次 → 一次性校验 + 过期删除\n│   3. Token 未设过期时间 → 加 30 分钟滑动过期\n│   4. 登录接口无频控 → 加 5 次/分钟 IP 限流\n│   5. 会话固定攻击 → 登录成功后重新生成 SessionID\n\n第4层 输出格式与质量要求\n├─ 输出：9 列标准用例表（格式以 qa-test-case-design 的真源为准）\n├─ 编号：TC_{模块缩写}_{功能缩写}_{三位序号}\n├─ 深度：登录接口为中等复杂度，用例数 ≥ 10 条\n└─ 质量：每条可执行可验证，覆盖率标注口径\n```\n\n## 信息来源标注（必做）\n\n包内每条信息都要标来源，让下游知道哪些可以质疑：\n\n| 标记 | 含义 | 下游怎么处理 |\n|------|------|------------|\n| `[用户提供]` | 来自需求文档或用户明确说明 | 可直接采信 |\n| `[推断]` | 由已知信息合理推出 | 可采信，但应在产出中标注推断 |\n| `[假设]` | 无依据，编造性补全 | **必须在产出中显式暴露**，或回上游确认 |\n\n> **不标来源是上下文工程最大的失败**。下游 AI 无法区分\"需求文档要求的\"和\"你编的\"，\n> 于是把假设当成事实写进用例——这类缺陷到最后都查不出来是谁引入的。\n\nFile v1.8.0:assets/context-package.md\n\n# AI 上下文包模板\n\n> 复制下面整块板填写。四层金字塔的定义见 `SKILL.md`，\n> 超窗降级策略见 [`../references/window-adaptation.md`](../references/window-adaptation.md)。\n\n## AI 上下文包\n\n**目标模型**：[模型名] ｜ **窗口**：[K] ｜ **预估包大小**：[K] token\n**上游输入齐备度**：[需求解构 ✓ / 场景树 ✓ / 边界清单 ✓ / 组合矩阵 ○ / 状态转换 ○ / 风险评估 ○]\n**缺失项与建议**：[缺 X → 建议先补 qa-xxx，或本次按[假设]处理]\n\n---\n\n### 第 1 层 业务目标与用户角色（必填，永不裁剪）\n\n```text\n【业务背景】\n- 业务目标：[这个功能要解决什么问题]\n- 目标用户：[谁在用]\n- 核心价值：[用户能得到什么]\n\n【用户角色】\n| 角色 | 核心诉求 | 权限边界 |\n|------|---------|---------|\n| [角色A] | [诉求] | [能做什么/不能做什么] |\n| [角色B] | [诉求] | [ ] |\n```\n\n### 第 2 层 功能描述与约束条件（必填）\n\n```text\n【功能边界】\n- 功能名称：\n- 核心流程：[主路径，来源标签]\n- 输入：[用户输入什么]\n- 输出：[系统返回什么]\n\n【业务规则】          ← 来自 qa-req-deconstruction 的 RULE- 清单\n| 规则 ID | 触发条件 | 必须满足 | 来源 |\n|---------|---------|---------|------|\n| RULE-XXX-001 | [若X] | [则Y必须满足Z] | [用户提供] |\n\n【非功能需求】\n- 性能要求：[来源标签]\n- 安全要求：[来源标签]\n- 兼容性要求：[来源标签]\n```\n\n### 第 3 层 技术细节与历史缺陷（按需，超窗首个被裁）\n\n```text\n【技术架构】\n- 技术栈：\n- 关键接口：\n- 数据流向：\n- 依赖服务：\n\n【历史缺陷模式】      ← 来自 qa-bug-root-cause-analysis / qa-risk-intuition\n| 缺陷模式 | 根因 | 规避方法 | 来源 |\n|---------|------|---------|------|\n| [如 验证码并发可用多次] | [一次性校验缺失] | [一次性校验+过期删除] | [用户提供] |\n```\n\n### 第 4 层 输出格式与质量要求（必填，永不裁剪）\n\n```text\n【输出要求】\n- 格式：9 列标准用例表\n  （格式唯一真源：qa-test-case-design/references/output-template-full.md）\n- 列：用例编号|测试类型|功能模块|测试标题|用例级别|预置条件|测试步骤|预期结果|风险等级\n- 编号：TC_{模块缩写}_{功能缩写}_{三位序号}，不使用场景后缀\n- 用例级别占比：P0≤20% / P1≤40% / P2≤30% / P3≤10%\n- 深度要求：[本功能用例数下限，注明依据]\n- 质量要求：每条可执行可验证；覆盖率必须标注口径\n- 禁止：绝对化覆盖率表述（\"全覆盖\"/\"100%\"）\n```\n\n### 来源标注汇总（必做）\n\n| 标记 | 条数 | 说明 |\n|------|------|------|\n| `[用户提供]` | [n] | 来自需求文档或用户明确说明 |\n| `[推断]` | [n] | 由已知信息合理推出 |\n| `[假设]` | [n] | 无依据补全，**下游必须显式暴露或回上游确认** |\n\n## 填写要求\n\n| 项 | 要求 | 常见错误 |\n|----|------|---------|\n| 信息来源 | 每条信息标 `[用户提供]`/`[推断]`/`[假设]` | 不标——下游无法区分需求与编造 |\n| 第 1/4 层 | 必填且不裁剪 | 超窗时被一起裁掉 |\n| 上游齐备度 | 显式列出已收到哪些上游产出 | 缺了不声明，直接假设 |\n| 缺失项 | 缺失的上游 + 建议回退的技能 | 静默假设 |\n| 业务规则 | 引用 `RULE-` ID，不重写 | 另起一套规则编号 |\n| 输出格式 | 引用 `qa-test-case-design` 真源 | 自行复述或改动列 |\n| 窗口预留 | 标注目标模型与窗口；不确定按 8K-32K 规划 | 不标注，撞上窗口被静默截断 |\n\n## 交付前自检\n\n- [ ] 四层齐备（第 3 层可按需，但缺失需说明）\n- [ ] **每条信息都标了来源**，无未标注内容\n- [ ] `[假设]` 项已列出，且明确要求下游暴露或回上游确认\n- [ ] 上游缺失项已显式声明 + 给出回退建议\n- [ ] 业务规则引用 `RULE-` ID\n- [ ] 第 4 层引用 `qa-test-case-design` 的格式真源，未自行改动列\n- [ ] 标注了目标模型与窗口；包大小估算 < 窗口 80%\n- [ ] 已知的历史缺陷模式已带入（有的话）\n\nFile v1.8.0:skill-card.md\n\n## Description:\n\nPackages QA requirements, scenarios, boundaries, and risks into a structured, source-labeled AI context package for downstream test-case generation.\n\nThis skill is ready for commercial/non-commercial use.\n\n## Publisher:\n\n[kokxi](https://clawhub.ai/user/kokxi)\n\n### License/Terms of Use:\n\nMIT-0\n\n## Use Case:\n\nQA practitioners and developers use this skill to consolidate upstream testing analysis into a four-layer context package before prompting an AI to generate test cases. It flags missing inputs and distinguishes supplied facts, inferences, and assumptions.\n\n### Deployment Geography for Use:\n\nGlobal\n\n## Known Risks and Mitigations:\n\nRisk: Unverified assumptions or missing upstream inputs could distort later test cases.\n\nMitigation: Label each item as supplied, inferred, or assumed; disclose missing inputs and confirm assumptions before downstream use.\n\nRisk: An optional command to install the broader skill set runs third-party code.\n\nMitigation: Treat installation as optional and verify the package source and version before running it.\n\nRisk: Uploaded requirements or fetched URLs may expose unrelated information.\n\nMitigation: Provide only files or URLs relevant to the QA context package.\n\n## Reference(s):\n\n- [Context package template](artifact/assets/context-package.md)\n- [Context window adaptation](artifact/references/window-adaptation.md)\n- [ClawHub release page](https://clawhub.ai/kokxi/skills/qa-ai-context-engineering)\n\n## Skill Output:\n\n**Output Type(s):** [Text, Markdown]\n\n**Output Format:** [Structured four-layer AI context package with source labels]\n\n**Output Parameters:** [1D]\n\n**Other Properties Related to Output:** [Reports missing upstream inputs and fallback guidance; does not generate test cases.]\n\n## Skill Version(s):\n\n1.8.0 (source: skill frontmatter and ClawHub release)\n\n## Ethical Considerations:\n\nUsers 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.\n\nArchive v1.7.7: 4 files, 8944 bytes\n\nFiles: references/output-template.md (6833b), skill-card.md (2029b), SKILL.md (10212b), _meta.json (144b)\n\nFile v1.7.7:SKILL.md\n\n---\nname: qa-ai-context-engineering\nslug: qa-ai-context-engineering\ndisplayName: Ai Context Engineering\nversion: 1.7.7\ndescription: >-\n  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。\n\nwhen_to_use: 用户说\"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\nallowed-tools: Read Grep Glob WebFetch\nrelated_skills:\n  upstream:\n    - qa-req-deconstruction\n    - qa-scenario-tree\n    - qa-boundary-deep-dive\n    - qa-combination-strategy\n    - qa-state-transition\n  downstream:\n    - qa-ai-prompt-strategy\nreferences:\n  - references/output-template.md\ninput_format:\n  required:\n    - name: 需求解构表\n      type: object\n      description: 来自qa-req-deconstruction的需求解构结果\n    - name: 场景树\n      type: object\n      description: 来自qa-scenario-tree的场景树结构\n  optional:\n    - name: 边界清单\n      type: object\n      description: 来自qa-boundary-deep-dive的边界分析结果\n    - name: 组合矩阵\n      type: object\n      description: 来自qa-combination-strategy的组合覆盖矩阵\n    - name: 状态转换图\n      type: object\n      description: 来自qa-state-transition的状态转换分析\n    - name: 风险评估\n      type: object\n      description: 来自qa-risk-intuition的风险评估结果\noutput_format:\n  traceability:\n    - 本技能打包上下文，不直接产出唯一ID；沿用上游需求ID（TC_{需求模块缩写}_{功能缩写}_{序号}）和场景ID（TC_{场景模块缩写}_{功能缩写}_{序号}）\n  structure:\n    - 测试用例表格：固定 9 列（用例编号|测试类型|功能模块|测试标题|用例级别|预置条件|测试步骤|预期结果|风险等级）\n    - 用例级别：P0≤20%（核心流程）/ P1≤40%（主要功能）/ P2≤30%（次要功能）/ P3≤10%（边缘场景）\n    - 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\"\n    - context_package: 包含所有分析结果的AI上下文包\n    - scenario_summary: 场景汇总\n    - boundary_list: 边界条件清单\n    - risk_indicators: 风险指示器\ndepth_requirement_quantification:\n  reference_value: \"根据分析结果复杂度调整上下文深度：简单x1/中等x2/复杂x3\"\n  minimum: \"至少包含需求解构表、场景树、边界清单3个核心输入\"\ncategories: ['Development','Testing','AI']\nerror_recovery_guidance:\n  on_failure: \"上下文包不完整时回退到上游分析步骤补充\"\n  retry_behavior: \"补充缺失的上游输入后重新打包上下文\"\n---\n> ⚠️ 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。\n> 请勿在需求文件中粘贴真实生产数据、客户信息或财务凭证；处理前应脱敏/掩码。\n> 本技能仅在 workspace/ 输出上下文包文件，不持久化、不外传、不跨会话复用。\n\n# AI 上下文工程\n\n## 核心原则\n\n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。\n不是给更多信息，而是给对的信息结构。\n本技能将需求解构、场景树、边界清单等分析结果打包为结构化上下文包，传递给qa-ai-prompt-strategy。\n\n> 输出模板格式和字段说明参见 [`references/output-template.md`](references/output-template.md)。\n\n## 上下文金字塔（必须按此顺序构建）\n\n### 第1层：业务目标与用户角色（必须）\n```text\n【业务背景】\n- 业务目标：这个功能要解决什么问题？\n- 目标用户：谁在用？有几个角色？\n- 核心价值：用户能得到什么？\n\n【用户角色】\n- 角色A：[名称] - [核心诉求]\n- 角色B：[名称] - [核心诉求]\n```\n\n### 第2层：功能描述与约束条件（必须）\n```text\n【功能边界】\n- 功能名称：\n- 核心流程：[主路径描述]\n- 输入：[用户输入什么]\n- 输出：[系统返回什么]\n- 约束条件：[业务规则、限制条件]\n\n【非功能需求】\n- 性能要求：\n- 安全要求：\n- 兼容性要求：\n```\n\n### 第3层：技术细节与历史缺陷（按需）\n```text\n【技术架构】\n- 技术栈：\n- 关键接口：\n- 数据流向：\n- 依赖服务：\n\n【历史缺陷模式】\n- 同类型功能曾出现过的Bug：\n- 高风险区域：\n```\n\n### 第4层：输出格式与质量要求（必须）\n```text\n【输出要求】\n- 格式：表格/列表/思维导图\n- 字段：用例编号、标题、前置条件、步骤、预期结果、优先级、风险等级\n- 深度要求：覆盖正常/异常/边界/并发/安全\n```\n\n## 工作流程\n\n当用户请求生成测试用例时：\n\n1. **识别输入类型**：\n   - 直接描述 -> 提取关键信息\n   - 上传文件 -> 读取并解析\n   - URL链接 -> 获取并分析\n\n2. **构建上下文包**：\n   - 检查用户提供了哪些信息\n   - 识别缺失的关键信息\n   - 用问题补全或做出合理假设\n\n3. **输出结构化上下文**：\n   - 按金字塔格式组织\n   - 标注信息来源（用户提供/推断/假设）\n\n## 上下文类型速查表\n\n| 场景类型 | 金字塔层数 | 关键侧重 | 典型耗时 |\n|---------|-----------|---------|---------|\n| **日常测试** | 第1层+第2层+第4层 | 功能边界+输出格式 | 快速构建 |\n| **紧急测试** | 第1层+第4层 | 业务目标+输出格式，依赖假设快速产出 | 最简构建 |\n| **完整测试** | 4层全建 | 全量信息+历史缺陷+技术细节 | 全面构建 |\n| **复测回归** | 第1层+第3层+第4层 | 历史缺陷模式+输出格式 | 针对性构建 |\n\n## 输出示例\n\n**用户说\"帮我测试用户登录\"**\n-> 上下文金字塔从第1层开始构建：\n  - 第1层：业务目标（验证用户身份）+ 用户角色（普通用户/管理员）\n  - 第2层：功能边界（用户名+密码登录）+ 约束（密码错误3次锁定）\n  - 第3层按需补充，第4层指定输出格式\n\n**用户上传PRD但信息零散**\n-> 按金字塔结构组织零散需求，标注信息来源[用户提供]/[推断]/[假设]\n\n## 上下文窗口适配策略\n\n不同模型上下文窗口差异大，上下文包需按窗口裁剪：\n\n| 模型 | 上下文窗口 | 上下文包策略 |\n|------|-----------|-------------|\n| **DeepSeek** | 64K-128K | 完整金字塔直投，保留全部 4 层 |\n| **通义千问** | 32K-100K+ | 中等窗口：保留第1/2/4层必填，第3层（技术细节/历史缺陷）按需截断 |\n| **文心一言** | 8K-32K | 小窗口：压缩为\"业务目标+功能边界+输出格式\"三要素，历史缺陷合并为 TOP5 摘要 |\n| **豆包** | 32K-128K | 完整直投，但长文本注意截断风险，核心约束放包尾 |\n| **Kimi** | 128K-200K | 大窗口：可带完整历史缺陷与全部技术细节，无需裁剪 |\n\n**窗口超限降级策略**：\n\n```text\n1. 超窗检测：估算上下文包 token（中文约 1 字 ≈ 1-1.5 token），超过模型窗口 80% 触发裁剪\n2. 裁剪顺序：先裁第3层（技术细节/历史缺陷）→ 再压缩第2层（功能描述去重）→ 保留第1层和第4层\n3. 历史缺陷降级：完整列表 → TOP10 → TOP5 摘要（只留\"缺陷模式+规避方法\"）\n4. 分批注入：超窗时按\"第1层+第4层\"先注入，第2/3层在提示词中引用\"详见上下文包附件\"\n```\n\n## 完整上下文包结构示例\n\n```text\n📦 AI上下文包（目标模型：DeepSeek，窗口 64K，预估 8.2K token）\n\n第1层 业务目标与用户角色\n├─ 业务目标：用户登录系统，验证身份并返回会话凭证\n├─ 用户角色：普通用户（账号密码）、管理员（额外权限）、游客（限制访问）\n└─ 核心指标：登录成功率、平均响应时间\n\n第2层 功能描述与约束条件\n├─ 功能边界：用户名+密码登录、验证码、密码找回、会话管理\n├─ 业务规则：密码错误3次锁定15分钟；验证码5分钟有效\n└─ 约束：支持 5000 并发登录；密码强度至少8位含数字字母\n\n第3层 技术细节与历史缺陷（按需）\n├─ 技术栈：Spring Boot + MySQL + Redis 会话\n├─ 历史缺陷 TOP5：\n│   1. 密码错误锁定未区分用户（越权锁定）→ 按账号+IP双维度\n│   2. 验证码并发可用多次 → 一次性校验+过期删除\n│   3. Token 未设过期时间 → 加 30 分钟滑动过期\n│   4. 登录接口无频控 → 加 5次/分钟 IP 限流\n│   5. 会话固定攻击 → 登录成功后重新生成 SessionID\n\n第4层 输出格式与质量要求\n├─ 输出：Markdown 表格，9 列（用例编号|测试类型|功能模块|测试标题|用例级别|预置条件|测试步骤|预期结果|风险等级）\n├─ 编号：TC_{模块缩写}_{功能缩写}_{序号}（如 TC_API_LOGIN_001）\n├─ 深度：登录接口为中等复杂度，用例数 ≥ 10 条\n└─ 质量：每条可执行可验证，覆盖率标注口径\n```\n\n## 检查清单\n\n检查上下文是否包含：\n- [ ] 业务目标和用户角色\n- [ ] 功能边界和约束条件\n- [ ] 测试关注点和风险区域\n- [ ] 输出格式和质量要求\n- [ ] 已知的历史缺陷模式（如有）\n\n## 常见翻车点\n\n1. **信息过载**：给太多细节导致AI迷失重心 -> 用结构化格式组织\n2. **假设未标注**：AI不知道哪些是你假设的 -> 明确标注[假设]\n3. **缺少负面案例**：AI不知道什么是\"不好的\" -> 给出反例\n4. **输出格式模糊**：AI不知道你要什么格式 -> 明确指定\n\nFile v1.7.7:_meta.json\n\n{\n  \"ownerId\": \"kn71y9b23csfx0ykgm55d5m9x5891zt8\",\n  \"slug\": \"qa-ai-context-engineering\",\n  \"version\": \"1.7.7\",\n  \"publishedAt\": 1790519482396\n}\n\nFile v1.7.7:references/output-template.md\n\n# 测试用例输出模板\n\n## 用例数量要求（参考值）\n\n**关键指标**：根据项目复杂度调整\n\n| 复杂度 | 倍数 | 示例（显性5条） |\n|--------|------|----------------|\n| 简单项目 | ×3 | 用例15条 |\n| 中等项目 | ×5 | 用例25条 |\n| 复杂项目 | ×7 | 用例35条 |\n\n**复杂度判断标准**：\n- 简单：单模块、低风险、无并发\n- 中等：多模块、中风险、少量并发\n- 复杂：跨模块、高风险、高并发\n\n## 覆盖维度要求\n\n**必须覆盖以下6个维度**：\n\n| 维度 | 占比 | 说明 |\n|------|------|------|\n| 功能测试 | 40% | 核心业务流程、正常操作 |\n| 异常测试 | 20% | 输入异常、状态异常、网络异常 |\n| 边界测试 | 15% | 值域边界、格式边界、状态边界 |\n| 并发测试 | 10% | 多人同时操作、数据竞争 |\n| 安全测试 | 10% | 注入、越权、敏感信息 |\n| 性能测试 | 5% | 响应时间、资源消耗 |\n\n## 标准格式\n\n### Markdown表格格式\n\n| 用例编号 | 需求ID | 风险ID | 测试类型 | 功能模块 | 测试标题 | 用例级别 | 预置条件 | 测试步骤 | 预期结果 | 风险等级 |\n|---------|--------|--------|---------|---------|---------|---------|---------|---------|---------|---------|\n| TC_XXX_001 | REQ-XXX-001 | RISK-XXX-001 | 功能测试 | 模块名 | 标题描述 | P0/P1/P2/P3 | 条件描述 | 步骤1;步骤2;步骤3 | 结果描述 | 高/中/低 |\n\n### 字段说明\n\n| 字段 | 说明 | 格式 | 示例 |\n|------|------|------|------|\n| 用例编号 | 唯一标识 | TC_{模块}_{功能}_{序号} | TC_CART_ADD_001 |\n| 需求ID | 关联的需求编号 | REQ-{模块}-{序号} | REQ-CART-001 |\n| 风险ID | 关联的风险编号 | RISK-{模块}-{类型}-{序号} | RISK-CART-STOCK-001 |\n| 测试类型 | 功能/接口/安全/性能/兼容性/并发/异常 | - | 功能测试 |\n| 功能模块 | 所属业务模块 | - | 购物车 |\n| 测试标题 | 简明描述测试目的 | - | 验证添加正常商品成功 |\n| 用例级别 | P0关键/P1重要/P2一般/P3可选 | - | P0 |\n| 预置条件 | 执行前需满足的条件 | - | 用户已登录 |\n| 测试步骤 | 详细操作步骤，用分号分隔 | - | 步骤1;步骤2;步骤3 |\n| 预期结果 | 每步对应的预期结果 | - | 结果1;结果2;结果3 |\n| 风险等级 | 高/中/低 | - | 高 |\n\n## ID编号规则\n\n### 用例编号\n```\n格式：TC_{模块缩写}_{功能缩写}_{序号}\n示例：\n- TC_CART_ADD_001      购物车模块-添加商品-第1条\n- TC_CART_DEL_002      购物车模块-删除商品-第2条\n- TC_CART_PAY_003      购物车模块-结算-第3条\n```\n\n### 需求ID\n```\n格式：REQ-{模块缩写}-{序号}\n示例：\n- REQ-CART-001    购物车模块-需求1\n- REQ-CART-002    购物车模块-需求2\n```\n\n### 风险ID\n```\n格式：RISK-{模块缩写}-{风险类型}-{序号}\n风险类型：\n- STOCK   库存相关\n- CALC    计算相关\n- CONC    并发相关\n- TIME    超时相关\n- DATA    数据相关\n- SEC     安全相关\n- PERF    性能相关\n\n示例：\n- RISK-CART-STOCK-001    购物车-库存风险-第1个\n- RISK-CART-CALC-001     购物车-计算风险-第1个\n- RISK-CART-CONC-001     购物车-并发风险-第1个\n```\n\n### 场景ID（来自qa-scenario-tree）\n```\n格式：SC-{模块缩写}-{序号}\n示例：\n- SC-CART-001    购物车场景1\n- SC-CART-002    购物车场景2\n```\n\n### 边界ID（来自qa-boundary-deep-dive）\n```\n格式：BD-{模块缩写}-{序号}\n示例：\n- BD-CART-001    购物车边界1\n- BD-CART-002    购物车边界2\n```\n\n### 评审ID（来自qa-expert-review）\n```\n格式：REV-{模块缩写}-{序号}\n示例：\n- REV-CART-001    购物车评审1\n```\n\n## 用例编号规则\n\n### 格式\n```\nTC_{模块缩写}_{功能缩写}_{序号}\n```\n\n### 示例\n```\nTC_USER_LOGIN_001     用户模块-登录-第1条\nTC_ORDER_PAY_002      订单模块-支付-第2条\nTC_PRODUCT_LIST_003   商品模块-列表-第3条\n```\n\n### 模块缩写规则\n| 模块 | 缩写 |\n|------|------|\n| 用户管理 | USER |\n| 订单管理 | ORDER |\n| 商品管理 | PRODUCT |\n| 支付管理 | PAY |\n| 库存管理 | STOCK |\n| 营销管理 | MARKET |\n| 系统管理 | SYS |\n\n## 用例级别定义\n\n| 级别 | 说明 | 占比建议 | 示例场景 |\n|------|------|---------|---------|\n| P0 | 关键：核心业务流程 | ≤20% | 登录、支付、下单 |\n| P1 | 重要：主要功能 | ≤40% | 搜索、筛选、导出 |\n| P2 | 一般：次要功能 | ≤30% | 设置、帮助、关于 |\n| P3 | 可选：边缘场景 | ≤10% | 美化、优化、建议 |\n\n## 测试类型分类\n\n| 类型 | 说明 | 适用场景 |\n|------|------|---------|\n| 功能测试 | 验证功能是否符合需求 | 所有功能 |\n| 接口测试 | 验证API接口 | 后端接口 |\n| 安全测试 | 验证安全防护 | 敏感功能 |\n| 性能测试 | 验证性能指标 | 高并发场景 |\n| 兼容性测试 | 验证兼容性 | 多端适配 |\n| 路由测试 | 验证页面跳转 | 前端路由 |\n| 联动测试 | 验证跨页面联动 | 多页面业务 |\n\n## 输出示例\n\n### 示例1：功能测试用例\n\n```markdown\n| TC_USER_LOGIN_001 | REQ-USER-001 | RISK-LOGIN-001 | 功能测试 | 用户管理 | 验证正确用户名密码登录成功 | P0 | 1.用户已注册 2.账号状态正常 | 1.打开登录页面 2.输入正确用户名 3.输入正确密码 4.点击登录按钮 | 1.跳转到首页 2.显示用户信息 3.登录状态有效 | 高 |\n```\n\n### 示例2：接口测试用例\n\n```markdown\n| TC_API_LOGIN_001 | REQ-USER-002 | RISK-API-001 | 接口测试 | 用户管理 | 验证登录接口返回正确Token | P0 | 1.接口服务正常 2.用户已注册 | 1.调用登录接口 2.传入正确参数 3.检查返回结果 | 1.返回200状态码 2.返回有效Token 3.Token过期时间正确 | 高 |\n```\n\n### 示例3：安全测试用例\n\n```markdown\n| TC_SEC_LOGIN_001 | REQ-USER-003 | RISK-SEC-001 | 安全测试 | 用户管理 | 验证SQL注入防护 | P0 | 1.登录页面可访问 | 1.输入用户名: admin' OR '1'='1 2.输入密码: any 3.点击登录 | 1.登录失败 2.无SQL执行 3.记录安全日志 | 高 |\n```\n\n### 示例4：路由测试用例\n\n```markdown\n| TC_ROUTE_ORDER_001 | REQ-ORDER-001 | RISK-ROUTE-001 | 路由测试 | 订单管理 | 验证订单详情页路由参数传递 | P0 | 1.用户已登录 2.存在订单 | 1.访问订单列表 2.点击订单详情 3.检查URL参数 | 1.跳转到详情页 2.URL包含订单ID 3.数据正确加载 | 高 |\n```\n\n## 覆盖率要求\n\n| 维度 | 覆盖率要求 |\n|------|-----------|\n| 功能覆盖率 | 100%需求点 |\n| P0用例 | 100%覆盖 |\n| 异常场景 | ≥30%用例 |\n| 边界场景 | ≥10%用例 |\n\n## 质量标准\n\n- [ ] 用例标题清晰无歧义\n- [ ] 预置条件完整可执行\n- [ ] 测试步骤详细可重复\n- [ ] 预期结果客观可验证\n- [ ] 用例级别合理\n- [ ] 风险等级准确\n\nFile v1.7.7:skill-card.md\n\n## Description:\n\nOrganizes requirements, scenarios, boundaries, and risks into a structured context package for AI-assisted test-case generation.\n\nThis skill is ready for commercial/non-commercial use.\n\n## Publisher:\n\n[kokxi](https://clawhub.ai/user/kokxi)\n\n### License/Terms of Use:\n\nMIT-0\n\n## Use Case:\n\nQA engineers and testers use this skill after requirements and scenario analysis to prepare a structured business, functional, and technical context package for test-case generation. It identifies missing inputs and distinguishes supplied facts from assumptions.\n\n### Deployment Geography for Use:\n\nGlobal\n\n## Known Risks and Mitigations:\n\nRisk: Uploaded requirements may contain customer data, production secrets, or financial records.\n\nMitigation: Redact or mask sensitive content before providing requirement files.\n\nRisk: User-provided URLs may expose material that was not intended for analysis.\n\nMitigation: Provide only URLs that the agent is intended to fetch and analyze.\n\nRisk: Missing upstream analysis can produce incomplete or misleading test context.\n\nMitigation: Label missing inputs and assumptions, and return to the upstream analysis steps to fill gaps.\n\n## Reference(s):\n\n- [Test-case output template](artifact/references/output-template.md)\n- [ClawHub skill listing](https://clawhub.ai/kokxi/skills/qa-ai-context-engineering)\n\n## Skill Output:\n\n**Output Type(s):** [Text, Guidance]\n\n**Output Format:** [Structured Markdown context package]\n\n**Output Parameters:** [1D]\n\n**Other Properties Related to Output:** [Organizes business goals, functional constraints, optional technical history, and test-output requirements; labels assumptions and missing inputs.]\n\n## Skill Version(s):\n\n1.7.7 (source: ClawHub release and skill frontmatter)\n\n## Ethical Considerations:\n\nUsers 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.\n\nArchive v1.7.6: 4 files, 8987 bytes\n\nFiles: references/output-template.md (6833b), skill-card.md (2047b), SKILL.md (10411b), _meta.json (144b)\n\nFile v1.7.6:SKILL.md\n\n---\r\nname: qa-ai-context-engineering\r\nslug: qa-ai-context-engineering\r\ndisplayName: AI 测试上下文工程\r\nversion: 1.7.5\r\ndescription: >-\r\n  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。\r\n  本技能属于 QA Test Skills 技能集（49 个技能之一），完整工作流体验需安装全套：npx skills add Kokxi/qa-test-skills\r\n\r\nwhen_to_use: 用户说\"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\r\nallowed-tools: Read Grep Glob WebFetch\r\nrelated_skills:\r\n  upstream:\r\n    - qa-req-deconstruction\r\n    - qa-scenario-tree\r\n    - qa-boundary-deep-dive\r\n    - qa-combination-strategy\r\n    - qa-state-transition\r\n  downstream:\r\n    - qa-ai-prompt-strategy\r\nreferences:\r\n  - references/output-template.md\r\ninput_format:\r\n  required:\r\n    - name: 需求解构表\r\n      type: object\r\n      description: 来自qa-req-deconstruction的需求解构结果\r\n    - name: 场景树\r\n      type: object\r\n      description: 来自qa-scenario-tree的场景树结构\r\n  optional:\r\n    - name: 边界清单\r\n      type: object\r\n      description: 来自qa-boundary-deep-dive的边界分析结果\r\n    - name: 组合矩阵\r\n      type: object\r\n      description: 来自qa-combination-strategy的组合覆盖矩阵\r\n    - name: 状态转换图\r\n      type: object\r\n      description: 来自qa-state-transition的状态转换分析\r\n    - name: 风险评估\r\n      type: object\r\n      description: 来自qa-risk-intuition的风险评估结果\r\noutput_format:\r\n  traceability:\r\n    - 本技能打包上下文，不直接产出唯一ID；沿用上游需求ID（TC_{需求模块缩写}_{功能缩写}_{序号}）和场景ID（TC_{场景模块缩写}_{功能缩写}_{序号}）\r\n  structure:\r\n    - 测试用例表格：固定 9 列（用例编号|测试类型|功能模块|测试标题|用例级别|预置条件|测试步骤|预期结果|风险等级）\r\n    - 用例级别：P0≤20%（核心流程）/ P1≤40%（主要功能）/ P2≤30%（次要功能）/ P3≤10%（边缘场景）\r\n    - 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\"\r\n    - context_package: 包含所有分析结果的AI上下文包\r\n    - scenario_summary: 场景汇总\r\n    - boundary_list: 边界条件清单\r\n    - risk_indicators: 风险指示器\r\ndepth_requirement_quantification:\r\n  reference_value: \"根据分析结果复杂度调整上下文深度：简单x1/中等x2/复杂x3\"\r\n  minimum: \"至少包含需求解构表、场景树、边界清单3个核心输入\"\r\ncategories: ['Development','Testing','AI']\r\nerror_recovery_guidance:\r\n  on_failure: \"上下文包不完整时回退到上游分析步骤补充\"\r\n  retry_behavior: \"补充缺失的上游输入后重新打包上下文\"\r\n---\r\n> ⚠️ 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\r\n\r\n# AI 上下文工程\r\n\r\n## 核心原则\r\n\r\n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。\r\n不是给更多信息，而是给对的信息结构。\r\n本技能将需求解构、场景树、边界清单等分析结果打包为结构化上下文包，传递给qa-ai-prompt-strategy。\r\n\r\n> 输出模板格式和字段说明参见 [`references/output-template.md`](references/output-template.md)。\r\n\r\n## 上下文金字塔（必须按此顺序构建）\r\n\r\n### 第1层：业务目标与用户角色（必须）\r\n```text\r\n【业务背景】\r\n- 业务目标：这个功能要解决什么问题？\r\n- 目标用户：谁在用？有几个角色？\r\n- 核心价值：用户能得到什么？\r\n\r\n【用户角色】\r\n- 角色A：[名称] - [核心诉求]\r\n- 角色B：[名称] - [核心诉求]\r\n```\r\n\r\n### 第2层：功能描述与约束条件（必须）\r\n```text\r\n【功能边界】\r\n- 功能名称：\r\n- 核心流程：[主路径描述]\r\n- 输入：[用户输入什么]\r\n- 输出：[系统返回什么]\r\n- 约束条件：[业务规则、限制条件]\r\n\r\n【非功能需求】\r\n- 性能要求：\r\n- 安全要求：\r\n- 兼容性要求：\r\n```\r\n\r\n### 第3层：技术细节与历史缺陷（按需）\r\n```text\r\n【技术架构】\r\n- 技术栈：\r\n- 关键接口：\r\n- 数据流向：\r\n- 依赖服务：\r\n\r\n【历史缺陷模式】\r\n- 同类型功能曾出现过的Bug：\r\n- 高风险区域：\r\n```\r\n\r\n### 第4层：输出格式与质量要求（必须）\r\n```text\r\n【输出要求】\r\n- 格式：表格/列表/思维导图\r\n- 字段：用例编号、标题、前置条件、步骤、预期结果、优先级、风险等级\r\n- 深度要求：覆盖正常/异常/边界/并发/安全\r\n```\r\n\r\n## 工作流程\r\n\r\n当用户请求生成测试用例时：\r\n\r\n1. **识别输入类型**：\r\n   - 直接描述 -> 提取关键信息\r\n   - 上传文件 -> 读取并解析\r\n   - URL链接 -> 获取并分析\r\n\r\n2. **构建上下文包**：\r\n   - 检查用户提供了哪些信息\r\n   - 识别缺失的关键信息\r\n   - 用问题补全或做出合理假设\r\n\r\n3. **输出结构化上下文**：\r\n   - 按金字塔格式组织\r\n   - 标注信息来源（用户提供/推断/假设）\r\n\r\n## 上下文类型速查表\r\n\r\n| 场景类型 | 金字塔层数 | 关键侧重 | 典型耗时 |\r\n|---------|-----------|---------|---------|\r\n| **日常测试** | 第1层+第2层+第4层 | 功能边界+输出格式 | 快速构建 |\r\n| **紧急测试** | 第1层+第4层 | 业务目标+输出格式，依赖假设快速产出 | 最简构建 |\r\n| **完整测试** | 4层全建 | 全量信息+历史缺陷+技术细节 | 全面构建 |\r\n| **复测回归** | 第1层+第3层+第4层 | 历史缺陷模式+输出格式 | 针对性构建 |\r\n\r\n## 输出示例\r\n\r\n**用户说\"帮我测试用户登录\"**\r\n-> 上下文金字塔从第1层开始构建：\r\n  - 第1层：业务目标（验证用户身份）+ 用户角色（普通用户/管理员）\r\n  - 第2层：功能边界（用户名+密码登录）+ 约束（密码错误3次锁定）\r\n  - 第3层按需补充，第4层指定输出格式\r\n\r\n**用户上传PRD但信息零散**\r\n-> 按金字塔结构组织零散需求，标注信息来源[用户提供]/[推断]/[假设]\r\n\r\n## 上下文窗口适配策略\r\n\r\n不同模型上下文窗口差异大，上下文包需按窗口裁剪：\r\n\r\n| 模型 | 上下文窗口 | 上下文包策略 |\r\n|------|-----------|-------------|\r\n| **DeepSeek** | 64K-128K | 完整金字塔直投，保留全部 4 层 |\r\n| **通义千问** | 32K-100K+ | 中等窗口：保留第1/2/4层必填，第3层（技术细节/历史缺陷）按需截断 |\r\n| **文心一言** | 8K-32K | 小窗口：压缩为\"业务目标+功能边界+输出格式\"三要素，历史缺陷合并为 TOP5 摘要 |\r\n| **豆包** | 32K-128K | 完整直投，但长文本注意截断风险，核心约束放包尾 |\r\n| **Kimi** | 128K-200K | 大窗口：可带完整历史缺陷与全部技术细节，无需裁剪 |\r\n\r\n**窗口超限降级策略**：\r\n\r\n```text\r\n1. 超窗检测：估算上下文包 token（中文约 1 字 ≈ 1-1.5 token），超过模型窗口 80% 触发裁剪\r\n2. 裁剪顺序：先裁第3层（技术细节/历史缺陷）→ 再压缩第2层（功能描述去重）→ 保留第1层和第4层\r\n3. 历史缺陷降级：完整列表 → TOP10 → TOP5 摘要（只留\"缺陷模式+规避方法\"）\r\n4. 分批注入：超窗时按\"第1层+第4层\"先注入，第2/3层在提示词中引用\"详见上下文包附件\"\r\n```\r\n\r\n## 完整上下文包结构示例\r\n\r\n```text\r\n📦 AI上下文包（目标模型：DeepSeek，窗口 64K，预估 8.2K token）\r\n\r\n第1层 业务目标与用户角色\r\n├─ 业务目标：用户登录系统，验证身份并返回会话凭证\r\n├─ 用户角色：普通用户（账号密码）、管理员（额外权限）、游客（限制访问）\r\n└─ 核心指标：登录成功率、平均响应时间\r\n\r\n第2层 功能描述与约束条件\r\n├─ 功能边界：用户名+密码登录、验证码、密码找回、会话管理\r\n├─ 业务规则：密码错误3次锁定15分钟；验证码5分钟有效\r\n└─ 约束：支持 5000 并发登录；密码强度至少8位含数字字母\r\n\r\n第3层 技术细节与历史缺陷（按需）\r\n├─ 技术栈：Spring Boot + MySQL + Redis 会话\r\n├─ 历史缺陷 TOP5：\r\n│   1. 密码错误锁定未区分用户（越权锁定）→ 按账号+IP双维度\r\n│   2. 验证码并发可用多次 → 一次性校验+过期删除\r\n│   3. Token 未设过期时间 → 加 30 分钟滑动过期\r\n│   4. 登录接口无频控 → 加 5次/分钟 IP 限流\r\n│   5. 会话固定攻击 → 登录成功后重新生成 SessionID\r\n\r\n第4层 输出格式与质量要求\r\n├─ 输出：Markdown 表格，9 列（用例编号|测试类型|功能模块|测试标题|用例级别|预置条件|测试步骤|预期结果|风险等级）\r\n├─ 编号：TC_{模块缩写}_{功能缩写}_{序号}（如 TC_API_LOGIN_001）\r\n├─ 深度：登录接口为中等复杂度，用例数 ≥ 10 条\r\n└─ 质量：每条可执行可验证，覆盖率标注口径\r\n```\r\n\r\n## 检查清单\r\n\r\n检查上下文是否包含：\r\n- [ ] 业务目标和用户角色\r\n- [ ] 功能边界和约束条件\r\n- [ ] 测试关注点和风险区域\r\n- [ ] 输出格式和质量要求\r\n- [ ] 已知的历史缺陷模式（如有）\r\n\r\n## 常见翻车点\r\n\r\n1. **信息过载**：给太多细节导致AI迷失重心 -> 用结构化格式组织\r\n2. **假设未标注**：AI不知道哪些是你假设的 -> 明确标注[假设]\r\n3. **缺少负面案例**：AI不知道什么是\"不好的\" -> 给出反例\r\n4. **输出格式模糊**：AI不知道你要什么格式 -> 明确指定\n\nFile v1.7.6:_meta.json\n\n{\n  \"ownerId\": \"kn71y9b23csfx0ykgm55d5m9x5891zt8\",\n  \"slug\": \"qa-ai-context-engineering\",\n  \"version\": \"1.7.6\",\n  \"publishedAt\": 1788266092926\n}\n\nFile v1.7.6:references/output-template.md\n\n# 测试用例输出模板\n\n## 用例数量要求（参考值）\n\n**关键指标**：根据项目复杂度调整\n\n| 复杂度 | 倍数 | 示例（显性5条） |\n|--------|------|----------------|\n| 简单项目 | ×3 | 用例15条 |\n| 中等项目 | ×5 | 用例25条 |\n| 复杂项目 | ×7 | 用例35条 |\n\n**复杂度判断标准**：\n- 简单：单模块、低风险、无并发\n- 中等：多模块、中风险、少量并发\n- 复杂：跨模块、高风险、高并发\n\n## 覆盖维度要求\n\n**必须覆盖以下6个维度**：\n\n| 维度 | 占比 | 说明 |\n|------|------|------|\n| 功能测试 | 40% | 核心业务流程、正常操作 |\n| 异常测试 | 20% | 输入异常、状态异常、网络异常 |\n| 边界测试 | 15% | 值域边界、格式边界、状态边界 |\n| 并发测试 | 10% | 多人同时操作、数据竞争 |\n| 安全测试 | 10% | 注入、越权、敏感信息 |\n| 性能测试 | 5% | 响应时间、资源消耗 |\n\n## 标准格式\n\n### Markdown表格格式\n\n| 用例编号 | 需求ID | 风险ID | 测试类型 | 功能模块 | 测试标题 | 用例级别 | 预置条件 | 测试步骤 | 预期结果 | 风险等级 |\n|---------|--------|--------|---------|---------|---------|---------|---------|---------|---------|---------|\n| TC_XXX_001 | REQ-XXX-001 | RISK-XXX-001 | 功能测试 | 模块名 | 标题描述 | P0/P1/P2/P3 | 条件描述 | 步骤1;步骤2;步骤3 | 结果描述 | 高/中/低 |\n\n### 字段说明\n\n| 字段 | 说明 | 格式 | 示例 |\n|------|------|------|------|\n| 用例编号 | 唯一标识 | TC_{模块}_{功能}_{序号} | TC_CART_ADD_001 |\n| 需求ID | 关联的需求编号 | REQ-{模块}-{序号} | REQ-CART-001 |\n| 风险ID | 关联的风险编号 | RISK-{模块}-{类型}-{序号} | RISK-CART-STOCK-001 |\n| 测试类型 | 功能/接口/安全/性能/兼容性/并发/异常 | - | 功能测试 |\n| 功能模块 | 所属业务模块 | - | 购物车 |\n| 测试标题 | 简明描述测试目的 | - | 验证添加正常商品成功 |\n| 用例级别 | P0关键/P1重要/P2一般/P3可选 | - | P0 |\n| 预置条件 | 执行前需满足的条件 | - | 用户已登录 |\n| 测试步骤 | 详细操作步骤，用分号分隔 | - | 步骤1;步骤2;步骤3 |\n| 预期结果 | 每步对应的预期结果 | - | 结果1;结果2;结果3 |\n| 风险等级 | 高/中/低 | - | 高 |\n\n## ID编号规则\n\n### 用例编号\n```\n格式：TC_{模块缩写}_{功能缩写}_{序号}\n示例：\n- TC_CART_ADD_001      购物车模块-添加商品-第1条\n- TC_CART_DEL_002      购物车模块-删除商品-第2条\n- TC_CART_PAY_003      购物车模块-结算-第3条\n```\n\n### 需求ID\n```\n格式：REQ-{模块缩写}-{序号}\n示例：\n- REQ-CART-001    购物车模块-需求1\n- REQ-CART-002    购物车模块-需求2\n```\n\n### 风险ID\n```\n格式：RISK-{模块缩写}-{风险类型}-{序号}\n风险类型：\n- STOCK   库存相关\n- CALC    计算相关\n- CONC    并发相关\n- TIME    超时相关\n- DATA    数据相关\n- SEC     安全相关\n- PERF    性能相关\n\n示例：\n- RISK-CART-STOCK-001    购物车-库存风险-第1个\n- RISK-CART-CALC-001     购物车-计算风险-第1个\n- RISK-CART-CONC-001     购物车-并发风险-第1个\n```\n\n### 场景ID（来自qa-scenario-tree）\n```\n格式：SC-{模块缩写}-{序号}\n示例：\n- SC-CART-001    购物车场景1\n- SC-CART-002    购物车场景2\n```\n\n### 边界ID（来自qa-boundary-deep-dive）\n```\n格式：BD-{模块缩写}-{序号}\n示例：\n- BD-CART-001    购物车边界1\n- BD-CART-002    购物车边界2\n```\n\n### 评审ID（来自qa-expert-review）\n```\n格式：REV-{模块缩写}-{序号}\n示例：\n- REV-CART-001    购物车评审1\n```\n\n## 用例编号规则\n\n### 格式\n```\nTC_{模块缩写}_{功能缩写}_{序号}\n```\n\n### 示例\n```\nTC_USER_LOGIN_001     用户模块-登录-第1条\nTC_ORDER_PAY_002      订单模块-支付-第2条\nTC_PRODUCT_LIST_003   商品模块-列表-第3条\n```\n\n### 模块缩写规则\n| 模块 | 缩写 |\n|------|------|\n| 用户管理 | USER |\n| 订单管理 | ORDER |\n| 商品管理 | PRODUCT |\n| 支付管理 | PAY |\n| 库存管理 | STOCK |\n| 营销管理 | MARKET |\n| 系统管理 | SYS |\n\n## 用例级别定义\n\n| 级别 | 说明 | 占比建议 | 示例场景 |\n|------|------|---------|---------|\n| P0 | 关键：核心业务流程 | ≤20% | 登录、支付、下单 |\n| P1 | 重要：主要功能 | ≤40% | 搜索、筛选、导出 |\n| P2 | 一般：次要功能 | ≤30% | 设置、帮助、关于 |\n| P3 | 可选：边缘场景 | ≤10% | 美化、优化、建议 |\n\n## 测试类型分类\n\n| 类型 | 说明 | 适用场景 |\n|------|------|---------|\n| 功能测试 | 验证功能是否符合需求 | 所有功能 |\n| 接口测试 | 验证API接口 | 后端接口 |\n| 安全测试 | 验证安全防护 | 敏感功能 |\n| 性能测试 | 验证性能指标 | 高并发场景 |\n| 兼容性测试 | 验证兼容性 | 多端适配 |\n| 路由测试 | 验证页面跳转 | 前端路由 |\n| 联动测试 | 验证跨页面联动 | 多页面业务 |\n\n## 输出示例\n\n### 示例1：功能测试用例\n\n```markdown\n| TC_USER_LOGIN_001 | REQ-USER-001 | RISK-LOGIN-001 | 功能测试 | 用户管理 | 验证正确用户名密码登录成功 | P0 | 1.用户已注册 2.账号状态正常 | 1.打开登录页面 2.输入正确用户名 3.输入正确密码 4.点击登录按钮 | 1.跳转到首页 2.显示用户信息 3.登录状态有效 | 高 |\n```\n\n### 示例2：接口测试用例\n\n```markdown\n| TC_API_LOGIN_001 | REQ-USER-002 | RISK-API-001 | 接口测试 | 用户管理 | 验证登录接口返回正确Token | P0 | 1.接口服务正常 2.用户已注册 | 1.调用登录接口 2.传入正确参数 3.检查返回结果 | 1.返回200状态码 2.返回有效Token 3.Token过期时间正确 | 高 |\n```\n\n### 示例3：安全测试用例\n\n```markdown\n| TC_SEC_LOGIN_001 | REQ-USER-003 | RISK-SEC-001 | 安全测试 | 用户管理 | 验证SQL注入防护 | P0 | 1.登录页面可访问 | 1.输入用户名: admin' OR '1'='1 2.输入密码: any 3.点击登录 | 1.登录失败 2.无SQL执行 3.记录安全日志 | 高 |\n```\n\n### 示例4：路由测试用例\n\n```markdown\n| TC_ROUTE_ORDER_001 | REQ-ORDER-001 | RISK-ROUTE-001 | 路由测试 | 订单管理 | 验证订单详情页路由参数传递 | P0 | 1.用户已登录 2.存在订单 | 1.访问订单列表 2.点击订单详情 3.检查URL参数 | 1.跳转到详情页 2.URL包含订单ID 3.数据正确加载 | 高 |\n```\n\n## 覆盖率要求\n\n| 维度 | 覆盖率要求 |\n|------|-----------|\n| 功能覆盖率 | 100%需求点 |\n| P0用例 | 100%覆盖 |\n| 异常场景 | ≥30%用例 |\n| 边界场景 | ≥10%用例 |\n\n## 质量标准\n\n- [ ] 用例标题清晰无歧义\n- [ ] 预置条件完整可执行\n- [ ] 测试步骤详细可重复\n- [ ] 预期结果客观可验证\n- [ ] 用例级别合理\n- [ ] 风险等级准确\n\nFile v1.7.6:skill-card.md\n\n## Description:\n\nBuilds a structured AI context package from QA requirement analysis, scenario trees, boundary lists, risk assessments, and source requirements so an agent can generate higher-quality test cases.\n\nThis skill is ready for commercial/non-commercial use.\n\n## Publisher:\n\n[kokxi](https://clawhub.ai/user/kokxi)\n\n### License/Terms of Use:\n\nMIT-0\n\n## Use Case:\n\nQA engineers and developers use this skill to package business goals, functional boundaries, technical context, risk indicators, and output requirements before prompting an agent to generate test cases. It is most useful after upstream requirement decomposition and scenario analysis have been completed.\n\n### Deployment Geography for Use:\n\nGlobal\n\n## Known Risks and Mitigations:\n\nRisk: The skill recommends installing an unpinned external skill collection.\n\nMitigation: Review and pin the external skill collection before running the recommended installation command.\n\nRisk: The skill may fetch user-provided URLs without documented scope limits.\n\nMitigation: Prefer uploaded documents or trusted HTTPS URLs, and avoid confidential internal URLs unless the agent environment enforces network protections.\n\n## Reference(s):\n\n- [Testing output template](references/output-template.md)\n- [ClawHub skill page](https://clawhub.ai/kokxi/skills/qa-ai-context-engineering)\n\n## Skill Output:\n\n**Output Type(s):** [text, markdown, guidance]\n\n**Output Format:** [Markdown with structured context sections and test-case output templates]\n\n**Output Parameters:** [1D]\n\n**Other Properties Related to Output:** [May include business context, functional boundaries, technical details, scenario summaries, boundary lists, risk indicators, and coverage notes.]\n\n## Skill Version(s):\n\n1.7.6 (source: server release evidence)\n\n## Ethical Considerations:\n\nUsers 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.\n\nArchive v1.7.5: 4 files, 8860 bytes\n\nFiles: references/output-template.md (6833b), skill-card.md (2249b), SKILL.md (9888b), _meta.json (144b)\n\nFile v1.7.5:SKILL.md\n\n---\nname: qa-ai-context-engineering\nslug: qa-ai-context-engineering\ndisplayName: Ai Context Engineering\nversion: 1.7.5\ndescription: >-\n  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。\n\nwhen_to_use: 用户说\"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\nallowed-tools: Read Grep Glob WebFetch\nrelated_skills:\n  upstream:\n    - qa-req-deconstruction\n    - qa-scenario-tree\n    - qa-boundary-deep-dive\n    - qa-combination-strategy\n    - qa-state-transition\n  downstream:\n    - qa-ai-prompt-strategy\nreferences:\n  - references/output-template.md\ninput_format:\n  required:\n    - name: 需求解构表\n      type: object\n      description: 来自qa-req-deconstruction的需求解构结果\n    - name: 场景树\n      type: object\n      description: 来自qa-scenario-tree的场景树结构\n  optional:\n    - name: 边界清单\n      type: object\n      description: 来自qa-boundary-deep-dive的边界分析结果\n    - name: 组合矩阵\n      type: object\n      description: 来自qa-combination-strategy的组合覆盖矩阵\n    - name: 状态转换图\n      type: object\n      description: 来自qa-state-transition的状态转换分析\n    - name: 风险评估\n      type: object\n      description: 来自qa-risk-intuition的风险评估结果\noutput_format:\n  traceability:\n    - 本技能打包上下文，不直接产出唯一ID；沿用上游需求ID（TC_{需求模块缩写}_{功能缩写}_{序号}）和场景ID（TC_{场景模块缩写}_{功能缩写}_{序号}）\n  structure:\n    - 测试用例表格：固定 9 列（用例编号|测试类型|功能模块|测试标题|用例级别|预置条件|测试步骤|预期结果|风险等级）\n    - 用例级别：P0≤20%（核心流程）/ P1≤40%（主要功能）/ P2≤30%（次要功能）/ P3≤10%（边缘场景）\n    - 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\"\n    - context_package: 包含所有分析结果的AI上下文包\n    - scenario_summary: 场景汇总\n    - boundary_list: 边界条件清单\n    - risk_indicators: 风险指示器\ndepth_requirement_quantification:\n  reference_value: \"根据分析结果复杂度调整上下文深度：简单x1/中等x2/复杂x3\"\n  minimum: \"至少包含需求解构表、场景树、边界清单3个核心输入\"\ncategories: ['Development','Testing','AI']\nerror_recovery_guidance:\n  on_failure: \"上下文包不完整时回退到上游分析步骤补充\"\n  retry_behavior: \"补充缺失的上游输入后重新打包上下文\"\n---\n# AI 上下文工程\n\n## 核心原则\n\n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。\n不是给更多信息，而是给对的信息结构。\n本技能将需求解构、场景树、边界清单等分析结果打包为结构化上下文包，传递给qa-ai-prompt-strategy。\n\n> 输出模板格式和字段说明参见 [`references/output-template.md`](references/output-template.md)。\n\n## 上下文金字塔（必须按此顺序构建）\n\n### 第1层：业务目标与用户角色（必须）\n```text\n【业务背景】\n- 业务目标：这个功能要解决什么问题？\n- 目标用户：谁在用？有几个角色？\n- 核心价值：用户能得到什么？\n\n【用户角色】\n- 角色A：[名称] - [核心诉求]\n- 角色B：[名称] - [核心诉求]\n```\n\n### 第2层：功能描述与约束条件（必须）\n```text\n【功能边界】\n- 功能名称：\n- 核心流程：[主路径描述]\n- 输入：[用户输入什么]\n- 输出：[系统返回什么]\n- 约束条件：[业务规则、限制条件]\n\n【非功能需求】\n- 性能要求：\n- 安全要求：\n- 兼容性要求：\n```\n\n### 第3层：技术细节与历史缺陷（按需）\n```text\n【技术架构】\n- 技术栈：\n- 关键接口：\n- 数据流向：\n- 依赖服务：\n\n【历史缺陷模式】\n- 同类型功能曾出现过的Bug：\n- 高风险区域：\n```\n\n### 第4层：输出格式与质量要求（必须）\n```text\n【输出要求】\n- 格式：表格/列表/思维导图\n- 字段：用例编号、标题、前置条件、步骤、预期结果、优先级、风险等级\n- 深度要求：覆盖正常/异常/边界/并发/安全\n```\n\n## 工作流程\n\n当用户请求生成测试用例时：\n\n1. **识别输入类型**：\n   - 直接描述 -> 提取关键信息\n   - 上传文件 -> 读取并解析\n   - URL链接 -> 获取并分析\n\n2. **构建上下文包**：\n   - 检查用户提供了哪些信息\n   - 识别缺失的关键信息\n   - 用问题补全或做出合理假设\n\n3. **输出结构化上下文**：\n   - 按金字塔格式组织\n   - 标注信息来源（用户提供/推断/假设）\n\n## 上下文类型速查表\n\n| 场景类型 | 金字塔层数 | 关键侧重 | 典型耗时 |\n|---------|-----------|---------|---------|\n| **日常测试** | 第1层+第2层+第4层 | 功能边界+输出格式 | 快速构建 |\n| **紧急测试** | 第1层+第4层 | 业务目标+输出格式，依赖假设快速产出 | 最简构建 |\n| **完整测试** | 4层全建 | 全量信息+历史缺陷+技术细节 | 全面构建 |\n| **复测回归** | 第1层+第3层+第4层 | 历史缺陷模式+输出格式 | 针对性构建 |\n\n## 输出示例\n\n**用户说\"帮我测试用户登录\"**\n-> 上下文金字塔从第1层开始构建：\n  - 第1层：业务目标（验证用户身份）+ 用户角色（普通用户/管理员）\n  - 第2层：功能边界（用户名+密码登录）+ 约束（密码错误3次锁定）\n  - 第3层按需补充，第4层指定输出格式\n\n**用户上传PRD但信息零散**\n-> 按金字塔结构组织零散需求，标注信息来源[用户提供]/[推断]/[假设]\n\n## 上下文窗口适配策略\n\n不同模型上下文窗口差异大，上下文包需按窗口裁剪：\n\n| 模型 | 上下文窗口 | 上下文包策略 |\n|------|-----------|-------------|\n| **DeepSeek** | 64K-128K | 完整金字塔直投，保留全部 4 层 |\n| **通义千问** | 32K-100K+ | 中等窗口：保留第1/2/4层必填，第3层（技术细节/历史缺陷）按需截断 |\n| **文心一言** | 8K-32K | 小窗口：压缩为\"业务目标+功能边界+输出格式\"三要素，历史缺陷合并为 TOP5 摘要 |\n| **豆包** | 32K-128K | 完整直投，但长文本注意截断风险，核心约束放包尾 |\n| **Kimi** | 128K-200K | 大窗口：可带完整历史缺陷与全部技术细节，无需裁剪 |\n\n**窗口超限降级策略**：\n\n```text\n1. 超窗检测：估算上下文包 token（中文约 1 字 ≈ 1-1.5 token），超过模型窗口 80% 触发裁剪\n2. 裁剪顺序：先裁第3层（技术细节/历史缺陷）→ 再压缩第2层（功能描述去重）→ 保留第1层和第4层\n3. 历史缺陷降级：完整列表 → TOP10 → TOP5 摘要（只留\"缺陷模式+规避方法\"）\n4. 分批注入：超窗时按\"第1层+第4层\"先注入，第2/3层在提示词中引用\"详见上下文包附件\"\n```\n\n## 完整上下文包结构示例\n\n```text\n📦 AI上下文包（目标模型：DeepSeek，窗口 64K，预估 8.2K token）\n\n第1层 业务目标与用户角色\n├─ 业务目标：用户登录系统，验证身份并返回会话凭证\n├─ 用户角色：普通用户（账号密码）、管理员（额外权限）、游客（限制访问）\n└─ 核心指标：登录成功率、平均响应时间\n\n第2层 功能描述与约束条件\n├─ 功能边界：用户名+密码登录、验证码、密码找回、会话管理\n├─ 业务规则：密码错误3次锁定15分钟；验证码5分钟有效\n└─ 约束：支持 5000 并发登录；密码强度至少8位含数字字母\n\n第3层 技术细节与历史缺陷（按需）\n├─ 技术栈：Spring Boot + MySQL + Redis 会话\n├─ 历史缺陷 TOP5：\n│   1. 密码错误锁定未区分用户（越权锁定）→ 按账号+IP双维度\n│   2. 验证码并发可用多次 → 一次性校验+过期删除\n│   3. Token 未设过期时间 → 加 30 分钟滑动过期\n│   4. 登录接口无频控 → 加 5次/分钟 IP 限流\n│   5. 会话固定攻击 → 登录成功后重新生成 SessionID\n\n第4层 输出格式与质量要求\n├─ 输出：Markdown 表格，9 列（用例编号|测试类型|功能模块|测试标题|用例级别|预置条件|测试步骤|预期结果|风险等级）\n├─ 编号：TC_{模块缩写}_{功能缩写}_{序号}（如 TC_API_LOGIN_001）\n├─ 深度：登录接口为中等复杂度，用例数 ≥ 10 条\n└─ 质量：每条可执行可验证，覆盖率标注口径\n```\n\n## 检查清单\n\n检查上下文是否包含：\n- [ ] 业务目标和用户角色\n- [ ] 功能边界和约束条件\n- [ ] 测试关注点和风险区域\n- [ ] 输出格式和质量要求\n- [ ] 已知的历史缺陷模式（如有）\n\n## 常见翻车点\n\n1. **信息过载**：给太多细节导致AI迷失重心 -> 用结构化格式组织\n2. **假设未标注**：AI不知道哪些是你假设的 -> 明确标注[假设]\n3. **缺少负面案例**：AI不知道什么是\"不好的\" -> 给出反例\n4. **输出格式模糊**：AI不知道你要什么格式 -> 明确指定\n\nFile v1.7.5:_meta.json\n\n{\n  \"ownerId\": \"kn71y9b23csfx0ykgm55d5m9x5891zt8\",\n  \"slug\": \"qa-ai-context-engineering\",\n  \"version\": \"1.7.5\",\n  \"publishedAt\": 1788102601391\n}\n\nFile v1.7.5:references/output-template.md\n\n# 测试用例输出模板\n\n## 用例数量要求（参考值）\n\n**关键指标**：根据项目复杂度调整\n\n| 复杂度 | 倍数 | 示例（显性5条） |\n|--------|------|----------------|\n| 简单项目 | ×3 | 用例15条 |\n| 中等项目 | ×5 | 用例25条 |\n| 复杂项目 | ×7 | 用例35条 |\n\n**复杂度判断标准**：\n- 简单：单模块、低风险、无并发\n- 中等：多模块、中风险、少量并发\n- 复杂：跨模块、高风险、高并发\n\n## 覆盖维度要求\n\n**必须覆盖以下6个维度**：\n\n| 维度 | 占比 | 说明 |\n|------|------|------|\n| 功能测试 | 40% | 核心业务流程、正常操作 |\n| 异常测试 | 20% | 输入异常、状态异常、网络异常 |\n| 边界测试 | 15% | 值域边界、格式边界、状态边界 |\n| 并发测试 | 10% | 多人同时操作、数据竞争 |\n| 安全测试 | 10% | 注入、越权、敏感信息 |\n| 性能测试 | 5% | 响应时间、资源消耗 |\n\n## 标准格式\n\n### Markdown表格格式\n\n| 用例编号 | 需求ID | 风险ID | 测试类型 | 功能模块 | 测试标题 | 用例级别 | 预置条件 | 测试步骤 | 预期结果 | 风险等级 |\n|---------|--------|--------|---------|---------|---------|---------|---------|---------|---------|---------|\n| TC_XXX_001 | REQ-XXX-001 | RISK-XXX-001 | 功能测试 | 模块名 | 标题描述 | P0/P1/P2/P3 | 条件描述 | 步骤1;步骤2;步骤3 | 结果描述 | 高/中/低 |\n\n### 字段说明\n\n| 字段 | 说明 | 格式 | 示例 |\n|------|------|------|------|\n| 用例编号 | 唯一标识 | TC_{模块}_{功能}_{序号} | TC_CART_ADD_001 |\n| 需求ID | 关联的需求编号 | REQ-{模块}-{序号} | REQ-CART-001 |\n| 风险ID | 关联的风险编号 | RISK-{模块}-{类型}-{序号} | RISK-CART-STOCK-001 |\n| 测试类型 | 功能/接口/安全/性能/兼容性/并发/异常 | - | 功能测试 |\n| 功能模块 | 所属业务模块 | - | 购物车 |\n| 测试标题 | 简明描述测试目的 | - | 验证添加正常商品成功 |\n| 用例级别 | P0关键/P1重要/P2一般/P3可选 | - | P0 |\n| 预置条件 | 执行前需满足的条件 | - | 用户已登录 |\n| 测试步骤 | 详细操作步骤，用分号分隔 | - | 步骤1;步骤2;步骤3 |\n| 预期结果 | 每步对应的预期结果 | - | 结果1;结果2;结果3 |\n| 风险等级 | 高/中/低 | - | 高 |\n\n## ID编号规则\n\n### 用例编号\n```\n格式：TC_{模块缩写}_{功能缩写}_{序号}\n示例：\n- TC_CART_ADD_001      购物车模块-添加商品-第1条\n- TC_CART_DEL_002      购物车模块-删除商品-第2条\n- TC_CART_PAY_003      购物车模块-结算-第3条\n```\n\n### 需求ID\n```\n格式：REQ-{模块缩写}-{序号}\n示例：\n- REQ-CART-001    购物车模块-需求1\n- REQ-CART-002    购物车模块-需求2\n```\n\n### 风险ID\n```\n格式：RISK-{模块缩写}-{风险类型}-{序号}\n风险类型：\n- STOCK   库存相关\n- CALC    计算相关\n- CONC    并发相关\n- TIME    超时相关\n- DATA    数据相关\n- SEC     安全相关\n- PERF    性能相关\n\n示例：\n- RISK-CART-STOCK-001    购物车-库存风险-第1个\n- RISK-CART-CALC-001     购物车-计算风险-第1个\n- RISK-CART-CONC-001     购物车-并发风险-第1个\n```\n\n### 场景ID（来自qa-scenario-tree）\n```\n格式：SC-{模块缩写}-{序号}\n示例：\n- SC-CART-001    购物车场景1\n- SC-CART-002    购物车场景2\n```\n\n### 边界ID（来自qa-boundary-deep-dive）\n```\n格式：BD-{模块缩写}-{序号}\n示例：\n- BD-CART-001    购物车边界1\n- BD-CART-002    购物车边界2\n```\n\n### 评审ID（来自qa-expert-review）\n```\n格式：REV-{模块缩写}-{序号}\n示例：\n- REV-CART-001    购物车评审1\n```\n\n## 用例编号规则\n\n### 格式\n```\nTC_{模块缩写}_{功能缩写}_{序号}\n```\n\n### 示例\n```\nTC_USER_LOGIN_001     用户模块-登录-第1条\nTC_ORDER_PAY_002      订单模块-支付-第2条\nTC_PRODUCT_LIST_003   商品模块-列表-第3条\n```\n\n### 模块缩写规则\n| 模块 | 缩写 |\n|------|------|\n| 用户管理 | USER |\n| 订单管理 | ORDER |\n| 商品管理 | PRODUCT |\n| 支付管理 | PAY |\n| 库存管理 | STOCK |\n| 营销管理 | MARKET |\n| 系统管理 | SYS |\n\n## 用例级别定义\n\n| 级别 | 说明 | 占比建议 | 示例场景 |\n|------|------|---------|---------|\n| P0 | 关键：核心业务流程 | ≤20% | 登录、支付、下单 |\n| P1 | 重要：主要功能 | ≤40% | 搜索、筛选、导出 |\n| P2 | 一般：次要功能 | ≤30% | 设置、帮助、关于 |\n| P3 | 可选：边缘场景 | ≤10% | 美化、优化、建议 |\n\n## 测试类型分类\n\n| 类型 | 说明 | 适用场景 |\n|------|------|---------|\n| 功能测试 | 验证功能是否符合需求 | 所有功能 |\n| 接口测试 | 验证API接口 | 后端接口 |\n| 安全测试 | 验证安全防护 | 敏感功能 |\n| 性能测试 | 验证性能指标 | 高并发场景 |\n| 兼容性测试 | 验证兼容性 | 多端适配 |\n| 路由测试 | 验证页面跳转 | 前端路由 |\n| 联动测试 | 验证跨页面联动 | 多页面业务 |\n\n## 输出示例\n\n### 示例1：功能测试用例\n\n```markdown\n| TC_USER_LOGIN_001 | REQ-USER-001 | RISK-LOGIN-001 | 功能测试 | 用户管理 | 验证正确用户名密码登录成功 | P0 | 1.用户已注册 2.账号状态正常 | 1.打开登录页面 2.输入正确用户名 3.输入正确密码 4.点击登录按钮 | 1.跳转到首页 2.显示用户信息 3.登录状态有效 | 高 |\n```\n\n### 示例2：接口测试用例\n\n```markdown\n| TC_API_LOGIN_001 | REQ-USER-002 | RISK-API-001 | 接口测试 | 用户管理 | 验证登录接口返回正确Token | P0 | 1.接口服务正常 2.用户已注册 | 1.调用登录接口 2.传入正确参数 3.检查返回结果 | 1.返回200状态码 2.返回有效Token 3.Token过期时间正确 | 高 |\n```\n\n### 示例3：安全测试用例\n\n```markdown\n| TC_SEC_LOGIN_001 | REQ-USER-003 | RISK-SEC-001 | 安全测试 | 用户管理 | 验证SQL注入防护 | P0 | 1.登录页面可访问 | 1.输入用户名: admin' OR '1'='1 2.输入密码: any 3.点击登录 | 1.登录失败 2.无SQL执行 3.记录安全日志 | 高 |\n```\n\n### 示例4：路由测试用例\n\n```markdown\n| TC_ROUTE_ORDER_001 | REQ-ORDER-001 | RISK-ROUTE-001 | 路由测试 | 订单管理 | 验证订单详情页路由参数传递 | P0 | 1.用户已登录 2.存在订单 | 1.访问订单列表 2.点击订单详情 3.检查URL参数 | 1.跳转到详情页 2.URL包含订单ID 3.数据正确加载 | 高 |\n```\n\n## 覆盖率要求\n\n| 维度 | 覆盖率要求 |\n|------|-----------|\n| 功能覆盖率 | 100%需求点 |\n| P0用例 | 100%覆盖 |\n| 异常场景 | ≥30%用例 |\n| 边界场景 | ≥10%用例 |\n\n## 质量标准\n\n- [ ] 用例标题清晰无歧义\n- [ ] 预置条件完整可执行\n- [ ] 测试步骤详细可重复\n- [ ] 预期结果客观可验证\n- [ ] 用例级别合理\n- [ ] 风险等级准确\n\nFile v1.7.5:skill-card.md\n\n## Description:\n\nPackages requirements decomposition, scenario trees, boundary lists, risk notes, and related QA analysis into a structured AI context package for generating higher-quality test cases.\n\nThis skill is ready for commercial/non-commercial use.\n\n## Publisher:\n\n[kokxi](https://clawhub.ai/user/kokxi)\n\n### License/Terms of Use:\n\nMIT-0\n\n## Use Case:\n\nQA engineers, test architects, and development teams use this skill after requirements and scenario analysis to assemble a structured context package for downstream AI test-case generation. It can also parse user-provided requirement files or user-pasted URLs when upstream analysis is incomplete, while marking missing inputs for follow-up.\n\n### Deployment Geography for Use:\n\nGlobal\n\n## Known Risks and Mitigations:\n\nRisk: The skill may read user-supplied requirement files or fetch URLs pasted by the user, which can expose confidential documents or internal resources if provided unintentionally.\n\nMitigation: Provide only documents and URLs intended for the QA context-building task, and avoid confidential files or internal/private URLs unless their use is deliberate.\n\nRisk: Incomplete upstream requirement, scenario, boundary, or risk analysis can lead to gaps in the generated context package and lower-quality downstream test cases.\n\nMitigation: Review missing-input annotations and return to the relevant upstream analysis steps before relying on the context for final test-case generation.\n\n## Reference(s):\n\n- [Output Template](references/output-template.md)\n\n## Skill Output:\n\n**Output Type(s):** [text, markdown, guidance]\n\n**Output Format:** [Structured Markdown context package]\n\n**Output Parameters:** [1D]\n\n**Other Properties Related to Output:** [Includes business context, functional boundaries, optional technical and historical-defect notes, output-quality requirements, missing-input annotations, and traceability guidance.]\n\n## Skill Version(s):\n\n1.7.5 (source: frontmatter and release evidence)\n\n## Ethical Considerations:\n\nUsers 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.\n\nArchive v1.7.0: 4 files, 7360 bytes\n\nFiles: references/output-template.md (6833b), skill-card.md (2011b), SKILL.md (6527b), _meta.json (144b)\n\nFile v1.7.0:SKILL.md\n\n---\nname: qa-ai-context-engineering\nslug: qa-ai-context-engineering\ndisplayName: Ai Context Engineering\nversion: 1.7.0\ndescription: >-\n  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。\n\nwhen_to_use: 用户说\"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\nallowed-tools: Read Grep Glob WebFetch\nrelated_skills:\n  upstream:\n    - qa-req-deconstruction\n    - qa-scenario-tree\n    - qa-boundary-deep-dive\n    - qa-combination-strategy\n    - qa-state-transition\n  downstream:\n    - qa-ai-prompt-strategy\nreferences:\n  - references/output-template.md\ninput_format:\n  required:\n    - name: 需求解构表\n      type: object\n      description: 来自qa-req-deconstruction的需求解构结果\n    - name: 场景树\n      type: object\n      description: 来自qa-scenario-tree的场景树结构\n  optional:\n    - name: 边界清单\n      type: object\n      description: 来自qa-boundary-deep-dive的边界分析结果\n    - name: 组合矩阵\n      type: object\n      description: 来自qa-combination-strategy的组合覆盖矩阵\n    - name: 状态转换图\n      type: object\n      description: 来自qa-state-transition的状态转换分析\n    - name: 风险评估\n      type: object\n      description: 来自qa-risk-intuition的风险评估结果\noutput_format:\n  traceability:\n    - 本技能打包上下文，不直接产出唯一ID；沿用上游需求ID（REQ-XXXX）和场景ID（SC-XXXX）\n  structure:\n    - context_package: 包含所有分析结果的AI上下文包\n    - scenario_summary: 场景汇总\n    - boundary_list: 边界条件清单\n    - risk_indicators: 风险指示器\ndepth_requirement_quantification:\n  reference_value: \"根据分析结果复杂度调整上下文深度：简单x1/中等x2/复杂x3\"\n  minimum: \"至少包含需求解构表、场景树、边界清单3个核心输入\"\ncategories: ['Development','Testing','AI']\nerror_recovery_guidance:\n  on_failure: \"上下文包不完整时回退到上游分析步骤补充\"\n  retry_behavior: \"补充缺失的上游输入后重新打包上下文\"\n---\n# AI 上下文工程\n\n## 核心原则\n\n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。\n不是给更多信息，而是给对的信息结构。\n本技能将需求解构、场景树、边界清单等分析结果打包为结构化上下文包，传递给qa-ai-prompt-strategy。\n\n> 输出模板格式和字段说明参见 [`references/output-template.md`](references/output-template.md)。\n\n## 上下文金字塔（必须按此顺序构建）\n\n### 第1层：业务目标与用户角色（必须）\n```text\n【业务背景】\n- 业务目标：这个功能要解决什么问题？\n- 目标用户：谁在用？有几个角色？\n- 核心价值：用户能得到什么？\n\n【用户角色】\n- 角色A：[名称] - [核心诉求]\n- 角色B：[名称] - [核心诉求]\n```\n\n### 第2层：功能描述与约束条件（必须）\n```text\n【功能边界】\n- 功能名称：\n- 核心流程：[主路径描述]\n- 输入：[用户输入什么]\n- 输出：[系统返回什么]\n- 约束条件：[业务规则、限制条件]\n\n【非功能需求】\n- 性能要求：\n- 安全要求：\n- 兼容性要求：\n```\n\n### 第3层：技术细节与历史缺陷（按需）\n```text\n【技术架构】\n- 技术栈：\n- 关键接口：\n- 数据流向：\n- 依赖服务：\n\n【历史缺陷模式】\n- 同类型功能曾出现过的Bug：\n- 高风险区域：\n```\n\n### 第4层：输出格式与质量要求（必须）\n```text\n【输出要求】\n- 格式：表格/列表/思维导图\n- 字段：用例编号、标题、前置条件、步骤、预期结果、优先级、风险等级\n- 深度要求：覆盖正常/异常/边界/并发/安全\n```\n\n## 工作流程\n\n当用户请求生成测试用例时：\n\n1. **识别输入类型**：\n   - 直接描述 -> 提取关键信息\n   - 上传文件 -> 读取并解析\n   - URL链接 -> 获取并分析\n\n2. **构建上下文包**：\n   - 检查用户提供了哪些信息\n   - 识别缺失的关键信息\n   - 用问题补全或做出合理假设\n\n3. **输出结构化上下文**：\n   - 按金字塔格式组织\n   - 标注信息来源（用户提供/推断/假设）\n\n## 上下文类型速查表\n\n| 场景类型 | 金字塔层数 | 关键侧重 | 典型耗时 |\n|---------|-----------|---------|---------|\n| **日常测试** | 第1层+第2层+第4层 | 功能边界+输出格式 | 快速构建 |\n| **紧急测试** | 第1层+第4层 | 业务目标+输出格式，依赖假设快速产出 | 最简构建 |\n| **完整测试** | 4层全建 | 全量信息+历史缺陷+技术细节 | 全面构建 |\n| **复测回归** | 第1层+第3层+第4层 | 历史缺陷模式+输出格式 | 针对性构建 |\n\n## 输出示例\n\n**用户说\"帮我测试用户登录\"**\n-> 上下文金字塔从第1层开始构建：\n  - 第1层：业务目标（验证用户身份）+ 用户角色（普通用户/管理员）\n  - 第2层：功能边界（用户名+密码登录）+ 约束（密码错误3次锁定）\n  - 第3层按需补充，第4层指定输出格式\n\n**用户上传PRD但信息零散**\n-> 按金字塔结构组织零散需求，标注信息来源[用户提供]/[推断]/[假设]\n\n## 检查清单\n\n检查上下文是否包含：\n- [ ] 业务目标和用户角色\n- [ ] 功能边界和约束条件\n- [ ] 测试关注点和风险区域\n- [ ] 输出格式和质量要求\n- [ ] 已知的历史缺陷模式（如有）\n\n## 常见翻车点\n\n1. **信息过载**：给太多细节导致AI迷失重心 -> 用结构化格式组织\n2. **假设未标注**：AI不知道哪些是你假设的 -> 明确标注[假设]\n3. **缺少负面案例**：AI不知道什么是\"不好的\" -> 给出反例\n4. **输出格式模糊**：AI不知道你要什么格式 -> 明确指定\n\nFile v1.7.0:_meta.json\n\n{\n  \"ownerId\": \"kn71y9b23csfx0ykgm55d5m9x5891zt8\",\n  \"slug\": \"qa-ai-context-engineering\",\n  \"version\": \"1.7.0\",\n  \"publishedAt\": 1786890690811\n}\n\nFile v1.7.0:references/output-template.md\n\n# 测试用例输出模板\n\n## 用例数量要求（参考值）\n\n**关键指标**：根据项目复杂度调整\n\n| 复杂度 | 倍数 | 示例（显性5条） |\n|--------|------|----------------|\n| 简单项目 | ×3 | 用例15条 |\n| 中等项目 | ×5 | 用例25条 |\n| 复杂项目 | ×7 | 用例35条 |\n\n**复杂度判断标准**：\n- 简单：单模块、低风险、无并发\n- 中等：多模块、中风险、少量并发\n- 复杂：跨模块、高风险、高并发\n\n## 覆盖维度要求\n\n**必须覆盖以下6个维度**：\n\n| 维度 | 占比 | 说明 |\n|------|------|------|\n| 功能测试 | 40% | 核心业务流程、正常操作 |\n| 异常测试 | 20% | 输入异常、状态异常、网络异常 |\n| 边界测试 | 15% | 值域边界、格式边界、状态边界 |\n| 并发测试 | 10% | 多人同时操作、数据竞争 |\n| 安全测试 | 10% | 注入、越权、敏感信息 |\n| 性能测试 | 5% | 响应时间、资源消耗 |\n\n## 标准格式\n\n### Markdown表格格式\n\n| 用例编号 | 需求ID | 风险ID | 测试类型 | 功能模块 | 测试标题 | 用例级别 | 预置条件 | 测试步骤 | 预期结果 | 风险等级 |\n|---------|--------|--------|---------|---------|---------|---------|---------|---------|---------|---------|\n| TC_XXX_001 | REQ-XXX-001 | RISK-XXX-001 | 功能测试 | 模块名 | 标题描述 | P0/P1/P2/P3 | 条件描述 | 步骤1;步骤2;步骤3 | 结果描述 | 高/中/低 |\n\n### 字段说明\n\n| 字段 | 说明 | 格式 | 示例 |\n|------|------|------|------|\n| 用例编号 | 唯一标识 | TC_{模块}_{功能}_{序号} | TC_CART_ADD_001 |\n| 需求ID | 关联的需求编号 | REQ-{模块}-{序号} | REQ-CART-001 |\n| 风险ID | 关联的风险编号 | RISK-{模块}-{类型}-{序号} | RISK-CART-STOCK-001 |\n| 测试类型 | 功能/接口/安全/性能/兼容性/并发/异常 | - | 功能测试 |\n| 功能模块 | 所属业务模块 | - | 购物车 |\n| 测试标题 | 简明描述测试目的 | - | 验证添加正常商品成功 |\n| 用例级别 | P0关键/P1重要/P2一般/P3可选 | - | P0 |\n| 预置条件 | 执行前需满足的条件 | - | 用户已登录 |\n| 测试步骤 | 详细操作步骤，用分号分隔 | - | 步骤1;步骤2;步骤3 |\n| 预期结果 | 每步对应的预期结果 | - | 结果1;结果2;结果3 |\n| 风险等级 | 高/中/低 | - | 高 |\n\n## ID编号规则\n\n### 用例编号\n```\n格式：TC_{模块缩写}_{功能缩写}_{序号}\n示例：\n- TC_CART_ADD_001      购物车模块-添加商品-第1条\n- TC_CART_DEL_002      购物车模块-删除商品-第2条\n- TC_CART_PAY_003      购物车模块-结算-第3条\n```\n\n### 需求ID\n```\n格式：REQ-{模块缩写}-{序号}\n示例：\n- REQ-CART-001    购物车模块-需求1\n- REQ-CART-002    购物车模块-需求2\n```\n\n### 风险ID\n```\n格式：RISK-{模块缩写}-{风险类型}-{序号}\n风险类型：\n- STOCK   库存相关\n- CALC    计算相关\n- CONC    并发相关\n- TIME    超时相关\n- DATA    数据相关\n- SEC     安全相关\n- PERF    性能相关\n\n示例：\n- RISK-CART-STOCK-001    购物车-库存风险-第1个\n- RISK-CART-CALC-001     购物车-计算风险-第1个\n- RISK-CART-CONC-001     购物车-并发风险-第1个\n```\n\n### 场景ID（来自qa-scenario-tree）\n```\n格式：SC-{模块缩写}-{序号}\n示例：\n- SC-CART-001    购物车场景1\n- SC-CART-002    购物车场景2\n```\n\n### 边界ID（来自qa-boundary-deep-dive）\n```\n格式：BD-{模块缩写}-{序号}\n示例：\n- BD-CART-001    购物车边界1\n- BD-CART-002    购物车边界2\n```\n\n### 评审ID（来自qa-expert-review）\n```\n格式：REV-{模块缩写}-{序号}\n示例：\n- REV-CART-001    购物车评审1\n```\n\n## 用例编号规则\n\n### 格式\n```\nTC_{模块缩写}_{功能缩写}_{序号}\n```\n\n### 示例\n```\nTC_USER_LOGIN_001     用户模块-登录-第1条\nTC_ORDER_PAY_002      订单模块-支付-第2条\nTC_PRODUCT_LIST_003   商品模块-列表-第3条\n```\n\n### 模块缩写规则\n| 模块 | 缩写 |\n|------|------|\n| 用户管理 | USER |\n| 订单管理 | ORDER |\n| 商品管理 | PRODUCT |\n| 支付管理 | PAY |\n| 库存管理 | STOCK |\n| 营销管理 | MARKET |\n| 系统管理 | SYS |\n\n## 用例级别定义\n\n| 级别 | 说明 | 占比建议 | 示例场景 |\n|------|------|---------|---------|\n| P0 | 关键：核心业务流程 | ≤20% | 登录、支付、下单 |\n| P1 | 重要：主要功能 | ≤40% | 搜索、筛选、导出 |\n| P2 | 一般：次要功能 | ≤30% | 设置、帮助、关于 |\n| P3 | 可选：边缘场景 | ≤10% | 美化、优化、建议 |\n\n## 测试类型分类\n\n| 类型 | 说明 | 适用场景 |\n|------|------|---------|\n| 功能测试 | 验证功能是否符合需求 | 所有功能 |\n| 接口测试 | 验证API接口 | 后端接口 |\n| 安全测试 | 验证安全防护 | 敏感功能 |\n| 性能测试 | 验证性能指标 | 高并发场景 |\n| 兼容性测试 | 验证兼容性 | 多端适配 |\n| 路由测试 | 验证页面跳转 | 前端路由 |\n| 联动测试 | 验证跨页面联动 | 多页面业务 |\n\n## 输出示例\n\n### 示例1：功能测试用例\n\n```markdown\n| TC_USER_LOGIN_001 | REQ-USER-001 | RISK-LOGIN-001 | 功能测试 | 用户管理 | 验证正确用户名密码登录成功 | P0 | 1.用户已注册 2.账号状态正常 | 1.打开登录页面 2.输入正确用户名 3.输入正确密码 4.点击登录按钮 | 1.跳转到首页 2.显示用户信息 3.登录状态有效 | 高 |\n```\n\n### 示例2：接口测试用例\n\n```markdown\n| TC_API_LOGIN_001 | REQ-USER-002 | RISK-API-001 | 接口测试 | 用户管理 | 验证登录接口返回正确Token | P0 | 1.接口服务正常 2.用户已注册 | 1.调用登录接口 2.传入正确参数 3.检查返回结果 | 1.返回200状态码 2.返回有效Token 3.Token过期时间正确 | 高 |\n```\n\n### 示例3：安全测试用例\n\n```markdown\n| TC_SEC_LOGIN_001 | REQ-USER-003 | RISK-SEC-001 | 安全测试 | 用户管理 | 验证SQL注入防护 | P0 | 1.登录页面可访问 | 1.输入用户名: admin' OR '1'='1 2.输入密码: any 3.点击登录 | 1.登录失败 2.无SQL执行 3.记录安全日志 | 高 |\n```\n\n### 示例4：路由测试用例\n\n```markdown\n| TC_ROUTE_ORDER_001 | REQ-ORDER-001 | RISK-ROUTE-001 | 路由测试 | 订单管理 | 验证订单详情页路由参数传递 | P0 | 1.用户已登录 2.存在订单 | 1.访问订单列表 2.点击订单详情 3.检查URL参数 | 1.跳转到详情页 2.URL包含订单ID 3.数据正确加载 | 高 |\n```\n\n## 覆盖率要求\n\n| 维度 | 覆盖率要求 |\n|------|-----------|\n| 功能覆盖率 | 100%需求点 |\n| P0用例 | 100%覆盖 |\n| 异常场景 | ≥30%用例 |\n| 边界场景 | ≥10%用例 |\n\n## 质量标准\n\n- [ ] 用例标题清晰无歧义\n- [ ] 预置条件完整可执行\n- [ ] 测试步骤详细可重复\n- [ ] 预期结果客观可验证\n- [ ] 用例级别合理\n- [ ] 风险等级准确\n\nFile v1.7.0:skill-card.md\n\n## Description:\n\nPackages prior QA analysis such as requirements, scenario trees, boundaries, and risks into a structured AI context package for generating higher-quality test cases.\n\nThis skill is ready for commercial/non-commercial use.\n\n## Publisher:\n\n[kokxi](https://clawhub.ai/user/kokxi)\n\n### License/Terms of Use:\n\nMIT-0\n\n## Use Case:\n\nQA engineers and developers use this skill after requirements decomposition and scenario design to assemble business, functional, and technical context for downstream AI test-case generation. When upstream analysis is incomplete, it can read provided requirement files or fetch user-supplied URLs to structure supplemental context while marking missing inputs.\n\n### Deployment Geography for Use:\n\nGlobal\n\n## Known Risks and Mitigations:\n\nRisk: Requirement documents, private URLs, and internal system details may contain confidential information.\n\nMitigation: Review inputs before use and avoid providing sensitive material unless the execution environment is approved for that data.\n\nRisk: Fetched URLs can introduce incomplete, stale, or untrusted context into the generated test package.\n\nMitigation: Use trusted source URLs and validate any extracted assumptions before passing the context to downstream test generation.\n\n## Reference(s):\n\n- [Test Case Output Template](references/output-template.md)\n\n## Skill Output:\n\n**Output Type(s):** [text, markdown, guidance]\n\n**Output Format:** [Structured Markdown context package]\n\n**Output Parameters:** [1D]\n\n**Other Properties Related to Output:** [Includes scenario summaries, boundary lists, risk indicators, and traceability to upstream requirement and scenario IDs.]\n\n## Skill Version(s):\n\n1.7.0 (source: frontmatter and server release metadata)\n\n## Ethical Considerations:\n\nUsers 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.\n\nArchive v1.6.3: 4 files, 7441 bytes\n\nFiles: references/output-template.md (6833b), skill-card.md (2294b), SKILL.md (6527b), _meta.json (144b)\n\nFile v1.6.3:SKILL.md\n\n---\nname: qa-ai-context-engineering\nslug: qa-ai-context-engineering\ndisplayName: Ai Context Engineering\nversion: 1.6.3\ndescription: >-\n  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。\n\nwhen_to_use: 用户说\"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\nallowed-tools: Read Grep Glob WebFetch\nrelated_skills:\n  upstream:\n    - qa-req-deconstruction\n    - qa-scenario-tree\n    - qa-boundary-deep-dive\n    - qa-combination-strategy\n    - qa-state-transition\n  downstream:\n    - qa-ai-prompt-strategy\nreferences:\n  - references/output-template.md\ninput_format:\n  required:\n    - name: 需求解构表\n      type: object\n      description: 来自qa-req-deconstruction的需求解构结果\n    - name: 场景树\n      type: object\n      description: 来自qa-scenario-tree的场景树结构\n  optional:\n    - name: 边界清单\n      type: object\n      description: 来自qa-boundary-deep-dive的边界分析结果\n    - name: 组合矩阵\n      type: object\n      description: 来自qa-combination-strategy的组合覆盖矩阵\n    - name: 状态转换图\n      type: object\n      description: 来自qa-state-transition的状态转换分析\n    - name: 风险评估\n      type: object\n      description: 来自qa-risk-intuition的风险评估结果\noutput_format:\n  traceability:\n    - 本技能打包上下文，不直接产出唯一ID；沿用上游需求ID（REQ-XXXX）和场景ID（SC-XXXX）\n  structure:\n    - context_package: 包含所有分析结果的AI上下文包\n    - scenario_summary: 场景汇总\n    - boundary_list: 边界条件清单\n    - risk_indicators: 风险指示器\ndepth_requirement_quantification:\n  reference_value: \"根据分析结果复杂度调整上下文深度：简单x1/中等x2/复杂x3\"\n  minimum: \"至少包含需求解构表、场景树、边界清单3个核心输入\"\ncategories: ['Development','Testing','AI']\nerror_recovery_guidance:\n  on_failure: \"上下文包不完整时回退到上游分析步骤补充\"\n  retry_behavior: \"补充缺失的上游输入后重新打包上下文\"\n---\n# AI 上下文工程\n\n## 核心原则\n\n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。\n不是给更多信息，而是给对的信息结构。\n本技能将需求解构、场景树、边界清单等分析结果打包为结构化上下文包，传递给qa-ai-prompt-strategy。\n\n> 输出模板格式和字段说明参见 [`references/output-template.md`](references/output-template.md)。\n\n## 上下文金字塔（必须按此顺序构建）\n\n### 第1层：业务目标与用户角色（必须）\n```text\n【业务背景】\n- 业务目标：这个功能要解决什么问题？\n- 目标用户：谁在用？有几个角色？\n- 核心价值：用户能得到什么？\n\n【用户角色】\n- 角色A：[名称] - [核心诉求]\n- 角色B：[名称] - [核心诉求]\n```\n\n### 第2层：功能描述与约束条件（必须）\n```text\n【功能边界】\n- 功能名称：\n- 核心流程：[主路径描述]\n- 输入：[用户输入什么]\n- 输出：[系统返回什么]\n- 约束条件：[业务规则、限制条件]\n\n【非功能需求】\n- 性能要求：\n- 安全要求：\n- 兼容性要求：\n```\n\n### 第3层：技术细节与历史缺陷（按需）\n```text\n【技术架构】\n- 技术栈：\n- 关键接口：\n- 数据流向：\n- 依赖服务：\n\n【历史缺陷模式】\n- 同类型功能曾出现过的Bug：\n- 高风险区域：\n```\n\n### 第4层：输出格式与质量要求（必须）\n```text\n【输出要求】\n- 格式：表格/列表/思维导图\n- 字段：用例编号、标题、前置条件、步骤、预期结果、优先级、风险等级\n- 深度要求：覆盖正常/异常/边界/并发/安全\n```\n\n## 工作流程\n\n当用户请求生成测试用例时：\n\n1. **识别输入类型**：\n   - 直接描述 -> 提取关键信息\n   - 上传文件 -> 读取并解析\n   - URL链接 -> 获取并分析\n\n2. **构建上下文包**：\n   - 检查用户提供了哪些信息\n   - 识别缺失的关键信息\n   - 用问题补全或做出合理假设\n\n3. **输出结构化上下文**：\n   - 按金字塔格式组织\n   - 标注信息来源（用户提供/推断/假设）\n\n## 上下文类型速查表\n\n| 场景类型 | 金字塔层数 | 关键侧重 | 典型耗时 |\n|---------|-----------|---------|---------|\n| **日常测试** | 第1层+第2层+第4层 | 功能边界+输出格式 | 快速构建 |\n| **紧急测试** | 第1层+第4层 | 业务目标+输出格式，依赖假设快速产出 | 最简构建 |\n| **完整测试** | 4层全建 | 全量信息+历史缺陷+技术细节 | 全面构建 |\n| **复测回归** | 第1层+第3层+第4层 | 历史缺陷模式+输出格式 | 针对性构建 |\n\n## 输出示例\n\n**用户说\"帮我测试用户登录\"**\n-> 上下文金字塔从第1层开始构建：\n  - 第1层：业务目标（验证用户身份）+ 用户角色（普通用户/管理员）\n  - 第2层：功能边界（用户名+密码登录）+ 约束（密码错误3次锁定）\n  - 第3层按需补充，第4层指定输出格式\n\n**用户上传PRD但信息零散**\n-> 按金字塔结构组织零散需求，标注信息来源[用户提供]/[推断]/[假设]\n\n## 检查清单\n\n检查上下文是否包含：\n- [ ] 业务目标和用户角色\n- [ ] 功能边界和约束条件\n- [ ] 测试关注点和风险区域\n- [ ] 输出格式和质量要求\n- [ ] 已知的历史缺陷模式（如有）\n\n## 常见翻车点\n\n1. **信息过载**：给太多细节导致AI迷失重心 -> 用结构化格式组织\n2. **假设未标注**：AI不知道哪些是你假设的 -> 明确标注[假设]\n3. **缺少负面案例**：AI不知道什么是\"不好的\" -> 给出反例\n4. **输出格式模糊**：AI不知道你要什么格式 -> 明确指定\n\nFile v1.6.3:_meta.json\n\n{\n  \"ownerId\": \"kn71y9b23csfx0ykgm55d5m9x5891zt8\",\n  \"slug\": \"qa-ai-context-engineering\",\n  \"version\": \"1.6.3\",\n  \"publishedAt\": 1786548000180\n}\n\nFile v1.6.3:references/output-template.md\n\n# 测试用例输出模板\n\n## 用例数量要求（参考值）\n\n**关键指标**：根据项目复杂度调整\n\n| 复杂度 | 倍数 | 示例（显性5条） |\n|--------|------|----------------|\n| 简单项目 | ×3 | 用例15条 |\n| 中等项目 | ×5 | 用例25条 |\n| 复杂项目 | ×7 | 用例35条 |\n\n**复杂度判断标准**：\n- 简单：单模块、低风险、无并发\n- 中等：多模块、中风险、少量并发\n- 复杂：跨模块、高风险、高并发\n\n## 覆盖维度要求\n\n**必须覆盖以下6个维度**：\n\n| 维度 | 占比 | 说明 |\n|------|------|------|\n| 功能测试 | 40% | 核心业务流程、正常操作 |\n| 异常测试 | 20% | 输入异常、状态异常、网络异常 |\n| 边界测试 | 15% | 值域边界、格式边界、状态边界 |\n| 并发测试 | 10% | 多人同时操作、数据竞争 |\n| 安全测试 | 10% | 注入、越权、敏感信息 |\n| 性能测试 | 5% | 响应时间、资源消耗 |\n\n## 标准格式\n\n### Markdown表格格式\n\n| 用例编号 | 需求ID | 风险ID | 测试类型 | 功能模块 | 测试标题 | 用例级别 | 预置条件 | 测试步骤 | 预期结果 | 风险等级 |\n|---------|--------|--------|---------|---------|---------|---------|---------|---------|---------|---------|\n| TC_XXX_001 | REQ-XXX-001 | RISK-XXX-001 | 功能测试 | 模块名 | 标题描述 | P0/P1/P2/P3 | 条件描述 | 步骤1;步骤2;步骤3 | 结果描述 | 高/中/低 |\n\n### 字段说明\n\n| 字段 | 说明 | 格式 | 示例 |\n|------|------|------|------|\n| 用例编号 | 唯一标识 | TC_{模块}_{功能}_{序号} | TC_CART_ADD_001 |\n| 需求ID | 关联的需求编号 | REQ-{模块}-{序号} | REQ-CART-001 |\n| 风险ID | 关联的风险编号 | RISK-{模块}-{类型}-{序号} | RISK-CART-STOCK-001 |\n| 测试类型 | 功能/接口/安全/性能/兼容性/并发/异常 | - | 功能测试 |\n| 功能模块 | 所属业务模块 | - | 购物车 |\n| 测试标题 | 简明描述测试目的 | - | 验证添加正常商品成功 |\n| 用例级别 | P0关键/P1重要/P2一般/P3可选 | - | P0 |\n| 预置条件 | 执行前需满足的条件 | - | 用户已登录 |\n| 测试步骤 | 详细操作步骤，用分号分隔 | - | 步骤1;步骤2;步骤3 |\n| 预期结果 | 每步对应的预期结果 | - | 结果1;结果2;结果3 |\n| 风险等级 | 高/中/低 | - | 高 |\n\n## ID编号规则\n\n### 用例编号\n```\n格式：TC_{模块缩写}_{功能缩写}_{序号}\n示例：\n- TC_CART_ADD_001      购物车模块-添加商品-第1条\n- TC_CART_DEL_002      购物车模块-删除商品-第2条\n- TC_CART_PAY_003      购物车模块-结算-第3条\n```\n\n### 需求ID\n```\n格式：REQ-{模块缩写}-{序号}\n示例：\n- REQ-CART-001    购物车模块-需求1\n- REQ-CART-002    购物车模块-需求2\n```\n\n### 风险ID\n```\n格式：RISK-{模块缩写}-{风险类型}-{序号}\n风险类型：\n- STOCK   库存相关\n- CALC    计算相关\n- CONC    并发相关\n- TIME    超时相关\n- DATA    数据相关\n- SEC     安全相关\n- PERF    性能相关\n\n示例：\n- RISK-CART-STOCK-001    购物车-库存风险-第1个\n- RISK-CART-CALC-001     购物车-计算风险-第1个\n- RISK-CART-CONC-001     购物车-并发风险-第1个\n```\n\n### 场景ID（来自qa-scenario-tree）\n```\n格式：SC-{模块缩写}-{序号}\n示例：\n- SC-CART-001    购物车场景1\n- SC-CART-002    购物车场景2\n```\n\n### 边界ID（来自qa-boundary-deep-dive）\n```\n格式：BD-{模块缩写}-{序号}\n示例：\n- BD-CART-001    购物车边界1\n- BD-CART-002    购物车边界2\n```\n\n### 评审ID（来自qa-expert-review）\n```\n格式：REV-{模块缩写}-{序号}\n示例：\n- REV-CART-001    购物车评审1\n```\n\n## 用例编号规则\n\n### 格式\n```\nTC_{模块缩写}_{功能缩写}_{序号}\n```\n\n### 示例\n```\nTC_USER_LOGIN_001     用户模块-登录-第1条\nTC_ORDER_PAY_002      订单模块-支付-第2条\nTC_PRODUCT_LIST_003   商品模块-列表-第3条\n```\n\n### 模块缩写规则\n| 模块 | 缩写 |\n|------|------|\n| 用户管理 | USER |\n| 订单管理 | ORDER |\n| 商品管理 | PRODUCT |\n| 支付管理 | PAY |\n| 库存管理 | STOCK |\n| 营销管理 | MARKET |\n| 系统管理 | SYS |\n\n## 用例级别定义\n\n| 级别 | 说明 | 占比建议 | 示例场景 |\n|------|------|---------|---------|\n| P0 | 关键：核心业务流程 | ≤20% | 登录、支付、下单 |\n| P1 | 重要：主要功能 | ≤40% | 搜索、筛选、导出 |\n| P2 | 一般：次要功能 | ≤30% | 设置、帮助、关于 |\n| P3 | 可选：边缘场景 | ≤10% | 美化、优化、建议 |\n\n## 测试类型分类\n\n| 类型 | 说明 | 适用场景 |\n|------|------|---------|\n| 功能测试 | 验证功能是否符合需求 | 所有功能 |\n| 接口测试 | 验证API接口 | 后端接口 |\n| 安全测试 | 验证安全防护 | 敏感功能 |\n| 性能测试 | 验证性能指标 | 高并发场景 |\n| 兼容性测试 | 验证兼容性 | 多端适配 |\n| 路由测试 | 验证页面跳转 | 前端路由 |\n| 联动测试 | 验证跨页面联动 | 多页面业务 |\n\n## 输出示例\n\n### 示例1：功能测试用例\n\n```markdown\n| TC_USER_LOGIN_001 | REQ-USER-001 | RISK-LOGIN-001 | 功能测试 | 用户管理 | 验证正确用户名密码登录成功 | P0 | 1.用户已注册 2.账号状态正常 | 1.打开登录页面 2.输入正确用户名 3.输入正确密码 4.点击登录按钮 | 1.跳转到首页 2.显示用户信息 3.登录状态有效 | 高 |\n```\n\n### 示例2：接口测试用例\n\n```markdown\n| TC_API_LOGIN_001 | REQ-USER-002 | RISK-API-001 | 接口测试 | 用户管理 | 验证登录接口返回正确Token | P0 | 1.接口服务正常 2.用户已注册 | 1.调用登录接口 2.传入正确参数 3.检查返回结果 | 1.返回200状态码 2.返回有效Token 3.Token过期时间正确 | 高 |\n```\n\n### 示例3：安全测试用例\n\n```markdown\n| TC_SEC_LOGIN_001 | REQ-USER-003 | RISK-SEC-001 | 安全测试 | 用户管理 | 验证SQL注入防护 | P0 | 1.登录页面可访问 | 1.输入用户名: admin' OR '1'='1 2.输入密码: any 3.点击登录 | 1.登录失败 2.无SQL执行 3.记录安全日志 | 高 |\n```\n\n### 示例4：路由测试用例\n\n```markdown\n| TC_ROUTE_ORDER_001 | REQ-ORDER-001 | RISK-ROUTE-001 | 路由测试 | 订单管理 | 验证订单详情页路由参数传递 | P0 | 1.用户已登录 2.存在订单 | 1.访问订单列表 2.点击订单详情 3.检查URL参数 | 1.跳转到详情页 2.URL包含订单ID 3.数据正确加载 | 高 |\n```\n\n## 覆盖率要求\n\n| 维度 | 覆盖率要求 |\n|------|-----------|\n| 功能覆盖率 | 100%需求点 |\n| P0用例 | 100%覆盖 |\n| 异常场景 | ≥30%用例 |\n| 边界场景 | ≥10%用例 |\n\n## 质量标准\n\n- [ ] 用例标题清晰无歧义\n- [ ] 预置条件完整可执行\n- [ ] 测试步骤详细可重复\n- [ ] 预期结果客观可验证\n- [ ] 用例级别合理\n- [ ] 风险等级准确\n\nFile v1.6.3:skill-card.md\n\n## Description:\n\nThis skill packages upstream QA analysis, requirement artifacts, and user-provided URL content into a structured AI context package for test-case generation.\n\nThis skill is ready for commercial/non-commercial use.\n\n## Publisher:\n\n[kokxi](https://clawhub.ai/user/kokxi)\n\n### License/Terms of Use:\n\nMIT-0\n\n## Use Case:\n\nQA engineers and developers use this skill after requirement decomposition and scenario analysis to assemble business, functional, technical, boundary, and risk context before prompting an AI to generate test cases. When upstream inputs are missing, it can read provided requirement files or fetch provided URLs while flagging gaps that should still be completed upstream.\n\n### Deployment Geography for Use:\n\nGlobal\n\n## Known Risks and Mitigations:\n\nRisk: Sensitive requirement documents or private URLs may be read or fetched when supplied by a user.\n\nMitigation: Use only intended inputs, avoid sensitive internal PRDs or private links unless access is authorized, and confirm this access is acceptable before installation.\n\nRisk: Fetched web content and user-provided documents can contain untrusted or incomplete information.\n\nMitigation: Treat external content as untrusted, preserve source labels, and review the resulting context before using it to generate test cases.\n\nRisk: Supplementing missing inputs could be mistaken for completing the upstream QA analysis workflow.\n\nMitigation: Review missing-item flags and complete upstream requirement, scenario, boundary, and risk analysis when those inputs are required.\n\n## Reference(s):\n\n- [Test Case Output Template](references/output-template.md)\n\n## Skill Output:\n\n**Output Type(s):** [Text, Markdown, Guidance]\n\n**Output Format:** [Structured Markdown context package]\n\n**Output Parameters:** [1D]\n\n**Other Properties Related to Output:** [Includes scenario summaries, boundary conditions, risk indicators, source labels, and missing-context guidance.]\n\n## Skill Version(s):\n\n1.6.3 (source: server release metadata and frontmatter)\n\n## Ethical Considerations:\n\nUsers 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.\n\nArchive v1.6.0: 4 files, 7243 bytes\n\nFiles: references/output-template.md (6833b), skill-card.md (2114b), SKILL.md (6365b), _meta.json (144b)\n\nFile v1.6.0:SKILL.md\n\n---\r\nname: qa-ai-context-engineering\r\nversion: 1.6.0\r\ndescription: >-\r\n  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。\r\n\r\nwhen_to_use: 用户说\"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\r\nallowed-tools: Read Grep Glob WebFetch\r\nrelated_skills:\r\n  upstream:\r\n    - qa-req-deconstruction\r\n    - qa-scenario-tree\r\n    - qa-boundary-deep-dive\r\n    - qa-combination-strategy\r\n    - qa-state-transition\r\n  downstream:\r\n    - qa-ai-prompt-strategy\r\nreferences:\r\n  - references/output-template.md\r\ninput_format:\r\n  required:\r\n    - name: 需求解构表\r\n      type: object\r\n      description: 来自qa-req-deconstruction的需求解构结果\r\n    - name: 场景树\r\n      type: object\r\n      description: 来自qa-scenario-tree的场景树结构\r\n  optional:\r\n    - name: 边界清单\r\n      type: object\r\n      description: 来自qa-boundary-deep-dive的边界分析结果\r\n    - name: 组合矩阵\r\n      type: object\r\n      description: 来自qa-combination-strategy的组合覆盖矩阵\r\n    - name: 状态转换图\r\n      type: object\r\n      description: 来自qa-state-transition的状态转换分析\r\n    - name: 风险评估\r\n      type: object\r\n      description: 来自qa-risk-intuition的风险评估结果\r\noutput_format:\r\n  traceability:\r\n    - 本技能打包上下文，不直接产出唯一ID；沿用上游需求ID（REQ-XXXX）和场景ID（SC-XXXX）\r\n  structure:\r\n    - context_package: 包含所有分析结果的AI上下文包\r\n    - scenario_summary: 场景汇总\r\n    - boundary_list: 边界条件清单\r\n    - risk_indicators: 风险指示器\r\ndepth_requirement_quantification:\r\n  reference_value: \"根据分析结果复杂度调整上下文深度：简单x1/中等x2/复杂x3\"\r\n  minimum: \"至少包含需求解构表、场景树、边界清单3个核心输入\"\r\ncategories: ['Development','Testing','AI']\r\nerror_recovery_guidance:\r\n  on_failure: \"上下文包不完整时回退到上游分析步骤补充\"\r\n  retry_behavior: \"补充缺失的上游输入后重新打包上下文\"\r\n---\r\n# AI 上下文工程\r\n\r\n## 核心原则\r\n\r\n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。\r\n不是给更多信息，而是给对的信息结构。\r\n本技能将需求解构、场景树、边界清单等分析结果打包为结构化上下文包，传递给qa-ai-prompt-strategy。\r\n\r\n> 输出模板格式和字段说明参见 [`references/output-template.md`](references/output-template.md)。\r\n\r\n## 上下文金字塔（必须按此顺序构建）\r\n\r\n### 第1层：业务目标与用户角色（必须）\r\n```text\r\n【业务背景】\r\n- 业务目标：这个功能要解决什么问题？\r\n- 目标用户：谁在用？有几个角色？\r\n- 核心价值：用户能得到什么？\r\n\r\n【用户角色】\r\n- 角色A：[名称] - [核心诉求]\r\n- 角色B：[名称] - [核心诉求]\r\n```\r\n\r\n### 第2层：功能描述与约束条件（必须）\r\n```text\r\n【功能边界】\r\n- 功能名称：\r\n- 核心流程：[主路径描述]\r\n- 输入：[用户输入什么]\r\n- 输出：[系统返回什么]\r\n- 约束条件：[业务规则、限制条件]\r\n\r\n【非功能需求】\r\n- 性能要求：\r\n- 安全要求：\r\n- 兼容性要求：\r\n```\r\n\r\n### 第3层：技术细节与历史缺陷（按需）\r\n```text\r\n【技术架构】\r\n- 技术栈：\r\n- 关键接口：\r\n- 数据流向：\r\n- 依赖服务：\r\n\r\n【历史缺陷模式】\r\n- 同类型功能曾出现过的Bug：\r\n- 高风险区域：\r\n```\r\n\r\n### 第4层：输出格式与质量要求（必须）\r\n```text\r\n【输出要求】\r\n- 格式：表格/列表/思维导图\r\n- 字段：用例编号、标题、前置条件、步骤、预期结果、优先级、风险等级\r\n- 深度要求：覆盖正常/异常/边界/并发/安全\r\n```\r\n\r\n## 工作流程\r\n\r\n当用户请求生成测试用例时：\r\n\r\n1. **识别输入类型**：\r\n   - 直接描述 -> 提取关键信息\r\n   - 上传文件 -> 读取并解析\r\n   - URL链接 -> 获取并分析\r\n\r\n2. **构建上下文包**：\r\n   - 检查用户提供了哪些信息\r\n   - 识别缺失的关键信息\r\n   - 用问题补全或做出合理假设\r\n\r\n3. **输出结构化上下文**：\r\n   - 按金字塔格式组织\r\n   - 标注信息来源（用户提供/推断/假设）\r\n\r\n## 上下文类型速查表\r\n\r\n| 场景类型 | 金字塔层数 | 关键侧重 | 典型耗时 |\r\n|---------|-----------|---------|---------|\r\n| **日常测试** | 第1层+第2层+第4层 | 功能边界+输出格式 | 快速构建 |\r\n| **紧急测试** | 第1层+第4层 | 业务目标+输出格式，依赖假设快速产出 | 最简构建 |\r\n| **完整测试** | 4层全建 | 全量信息+历史缺陷+技术细节 | 全面构建 |\r\n| **复测回归** | 第1层+第3层+第4层 | 历史缺陷模式+输出格式 | 针对性构建 |\r\n\r\n## 输出示例\r\n\r\n**用户说\"帮我测试用户登录\"**\r\n-> 上下文金字塔从第1层开始构建：\r\n  - 第1层：业务目标（验证用户身份）+ 用户角色（普通用户/管理员）\r\n  - 第2层：功能边界（用户名+密码登录）+ 约束（密码错误3次锁定）\r\n  - 第3层按需补充，第4层指定输出格式\r\n\r\n**用户上传PRD但信息零散**\r\n-> 按金字塔结构组织零散需求，标注信息来源[用户提供]/[推断]/[假设]\r\n\r\n## 检查清单\r\n\r\n检查上下文是否包含：\r\n- [ ] 业务目标和用户角色\r\n- [ ] 功能边界和约束条件\r\n- [ ] 测试关注点和风险区域\r\n- [ ] 输出格式和质量要求\r\n- [ ] 已知的历史缺陷模式（如有）\r\n\r\n## 常见翻车点\r\n\r\n1. **信息过载**：给太多细节导致AI迷失重心 -> 用结构化格式组织\r\n2. **假设未标注**：AI不知道哪些是你假设的 -> 明确标注[假设]\r\n3. **缺少负面案例**：AI不知道什么是\"不好的\" -> 给出反例\r\n4. **输出格式模糊**：AI不知道你要什么格式 -> 明确指定\n\nFile v1.6.0:_meta.json\n\n{\n  \"ownerId\": \"kn71y9b23csfx0ykgm55d5m9x5891zt8\",\n  \"slug\": \"qa-ai-context-engineering\",\n  \"version\": \"1.6.0\",\n  \"publishedAt\": 1783358020603\n}\n\nFile v1.6.0:references/output-template.md\n\n# 测试用例输出模板\n\n## 用例数量要求（参考值）\n\n**关键指标**：根据项目复杂度调整\n\n| 复杂度 | 倍数 | 示例（显性5条） |\n|--------|------|----------------|\n| 简单项目 | ×3 | 用例15条 |\n| 中等项目 | ×5 | 用例25条 |\n| 复杂项目 | ×7 | 用例35条 |\n\n**复杂度判断标准**：\n- 简单：单模块、低风险、无并发\n- 中等：多模块、中风险、少量并发\n- 复杂：跨模块、高风险、高并发\n\n## 覆盖维度要求\n\n**必须覆盖以下6个维度**：\n\n| 维度 | 占比 | 说明 |\n|------|------|------|\n| 功能测试 | 40% | 核心业务流程、正常操作 |\n| 异常测试 | 20% | 输入异常、状态异常、网络异常 |\n| 边界测试 | 15% | 值域边界、格式边界、状态边界 |\n| 并发测试 | 10% | 多人同时操作、数据竞争 |\n| 安全测试 | 10% | 注入、越权、敏感信息 |\n| 性能测试 | 5% | 响应时间、资源消耗 |\n\n## 标准格式\n\n### Markdown表格格式\n\n| 用例编号 | 需求ID | 风险ID | 测试类型 | 功能模块 | 测试标题 | 用例级别 | 预置条件 | 测试步骤 | 预期结果 | 风险等级 |\n|---------|--------|--------|---------|---------|---------|---------|---------|---------|---------|---------|\n| TC_XXX_001 | REQ-XXX-001 | RISK-XXX-001 | 功能测试 | 模块名 | 标题描述 | P0/P1/P2/P3 | 条件描述 | 步骤1;步骤2;步骤3 | 结果描述 | 高/中/低 |\n\n### 字段说明\n\n| 字段 | 说明 | 格式 | 示例 |\n|------|------|------|------|\n| 用例编号 | 唯一标识 | TC_{模块}_{功能}_{序号} | TC_CART_ADD_001 |\n| 需求ID | 关联的需求编号 | REQ-{模块}-{序号} | REQ-CART-001 |\n| 风险ID | 关联的风险编号 | RISK-{模块}-{类型}-{序号} | RISK-CART-STOCK-001 |\n| 测试类型 | 功能/接口/安全/性能/兼容性/并发/异常 | - | 功能测试 |\n| 功能模块 | 所属业务模块 | - | 购物车 |\n| 测试标题 | 简明描述测试目的 | - | 验证添加正常商品成功 |\n| 用例级别 | P0关键/P1重要/P2一般/P3可选 | - | P0 |\n| 预置条件 | 执行前需满足的条件 | - | 用户已登录 |\n| 测试步骤 | 详细操作步骤，用分号分隔 | - | 步骤1;步骤2;步骤3 |\n| 预期结果 | 每步对应的预期结果 | - | 结果1;结果2;结果3 |\n| 风险等级 | 高/中/低 | - | 高 |\n\n## ID编号规则\n\n### 用例编号\n```\n格式：TC_{模块缩写}_{功能缩写}_{序号}\n示例：\n- TC_CART_ADD_001      购物车模块-添加商品-第1条\n- TC_CART_DEL_002      购物车模块-删除商品-第2条\n- TC_CART_PAY_003      购物车模块-结算-第3条\n```\n\n### 需求ID\n```\n格式：REQ-{模块缩写}-{序号}\n示例：\n- REQ-CART-001    购物车模块-需求1\n- REQ-CART-002    购物车模块-需求2\n```\n\n### 风险ID\n```\n格式：RISK-{模块缩写}-{风险类型}-{序号}\n风险类型：\n- STOCK   库存相关\n- CALC    计算相关\n- CONC    并发相关\n- TIME    超时相关\n- DATA    数据相关\n- SEC     安全相关\n- PERF    性能相关\n\n示例：\n- RISK-CART-STOCK-001    购物车-库存风险-第1个\n- RISK-CART-CALC-001     购物车-计算风险-第1个\n- RISK-CART-CONC-001     购物车-并发风险-第1个\n```\n\n### 场景ID（来自qa-scenario-tree）\n```\n格式：SC-{模块缩写}-{序号}\n示例：\n- SC-CART-001    购物车场景1\n- SC-CART-002    购物车场景2\n```\n\n### 边界ID（来自qa-boundary-deep-dive）\n```\n格式：BD-{模块缩写}-{序号}\n示例：\n- BD-CART-001    购物车边界1\n- BD-CART-002    购物车边界2\n```\n\n### 评审ID（来自qa-expert-review）\n```\n格式：REV-{模块缩写}-{序号}\n示例：\n- REV-CART-001    购物车评审1\n```\n\n## 用例编号规则\n\n### 格式\n```\nTC_{模块缩写}_{功能缩写}_{序号}\n```\n\n### 示例\n```\nTC_USER_LOGIN_001     用户模块-登录-第1条\nTC_ORDER_PAY_002      订单模块-支付-第2条\nTC_PRODUCT_LIST_003   商品模块-列表-第3条\n```\n\n### 模块缩写规则\n| 模块 | 缩写 |\n|------|------|\n| 用户管理 | USER |\n| 订单管理 | ORDER |\n| 商品管理 | PRODUCT |\n| 支付管理 | PAY |\n| 库存管理 | STOCK |\n| 营销管理 | MARKET |\n| 系统管理 | SYS |\n\n## 用例级别定义\n\n| 级别 | 说明 | 占比建议 | 示例场景 |\n|------|------|---------|---------|\n| P0 | 关键：核心业务流程 | ≤20% | 登录、支付、下单 |\n| P1 | 重要：主要功能 | ≤40% | 搜索、筛选、导出 |\n| P2 | 一般：次要功能 | ≤30% | 设置、帮助、关于 |\n| P3 | 可选：边缘场景 | ≤10% | 美化、优化、建议 |\n\n## 测试类型分类\n\n| 类型 | 说明 | 适用场景 |\n|------|------|---------|\n| 功能测试 | 验证功能是否符合需求 | 所有功能 |\n| 接口测试 | 验证API接口 | 后端接口 |\n| 安全测试 | 验证安全防护 | 敏感功能 |\n| 性能测试 | 验证性能指标 | 高并发场景 |\n| 兼容性测试 | 验证兼容性 | 多端适配 |\n| 路由测试 | 验证页面跳转 | 前端路由 |\n| 联动测试 | 验证跨页面联动 | 多页面业务 |\n\n## 输出示例\n\n### 示例1：功能测试用例\n\n```markdown\n| TC_USER_LOGIN_001 | REQ-USER-001 | RISK-LOGIN-001 | 功能测试 | 用户管理 | 验证正确用户名密码登录成功 | P0 | 1.用户已注册 2.账号状态正常 | 1.打开登录页面 2.输入正确用户名 3.输入正确密码 4.点击登录按钮 | 1.跳转到首页 2.显示用户信息 3.登录状态有效 | 高 |\n```\n\n### 示例2：接口测试用例\n\n```markdown\n| TC_API_LOGIN_001 | REQ-USER-002 | RISK-API-001 | 接口测试 | 用户管理 | 验证登录接口返回正确Token | P0 | 1.接口服务正常 2.用户已注册 | 1.调用登录接口 2.传入正确参数 3.检查返回结果 | 1.返回200状态码 2.返回有效Token 3.Token过期时间正确 | 高 |\n```\n\n### 示例3：安全测试用例\n\n```markdown\n| TC_SEC_LOGIN_001 | REQ-USER-003 | RISK-SEC-001 | 安全测试 | 用户管理 | 验证SQL注入防护 | P0 | 1.登录页面可访问 | 1.输入用户名: admin' OR '1'='1 2.输入密码: any 3.点击登录 | 1.登录失败 2.无SQL执行 3.记录安全日志 | 高 |\n```\n\n### 示例4：路由测试用例\n\n```markdown\n| TC_ROUTE_ORDER_001 | REQ-ORDER-001 | RISK-ROUTE-001 | 路由测试 | 订单管理 | 验证订单详情页路由参数传递 | P0 | 1.用户已登录 2.存在订单 | 1.访问订单列表 2.点击订单详情 3.检查URL参数 | 1.跳转到详情页 2.URL包含订单ID 3.数据正确加载 | 高 |\n```\n\n## 覆盖率要求\n\n| 维度 | 覆盖率要求 |\n|------|-----------|\n| 功能覆盖率 | 100%需求点 |\n| P0用例 | 100%覆盖 |\n| 异常场景 | ≥30%用例 |\n| 边界场景 | ≥10%用例 |\n\n## 质量标准\n\n- [ ] 用例标题清晰无歧义\n- [ ] 预置条件完整可执行\n- [ ] 测试步骤详细可重复\n- [ ] 预期结果客观可验证\n- [ ] 用例级别合理\n- [ ] 风险等级准确\n\nFile v1.6.0:skill-card.md\n\n## Description: <br>\nPackages completed QA analysis, including requirement breakdowns, scenario trees, boundary lists, and risk assessments, into a structured AI context package for downstream test-case generation. <br>\n\nThis skill is ready for commercial/non-commercial use. <br>\n\n## Publisher: <br>\n[kokxi](https://clawhub.ai/user/kokxi) <br>\n\n### License/Terms of Use: <br>\nMIT-0 <br>\n\n\n## Use Case: <br>\nQA engineers and test architects use this skill after requirement analysis and scenario modeling to assemble a complete business, functional, and technical context package before generating test prompts or test cases. <br>\n\n### Deployment Geography for Use: <br>\nGlobal <br>\n\n## Known Risks and Mitigations: <br>\nRisk: Uploaded requirement files or fetched URLs may contain sensitive or untrusted content. <br>\nMitigation: Review inputs before use, avoid including secrets, and treat fetched content as untrusted until checked. <br>\nRisk: Incomplete upstream analysis can lead to assumptions in the generated context package. <br>\nMitigation: Review the context package before test-case generation and fill missing upstream analysis when assumptions affect coverage or risk. <br>\n\n\n## Reference(s): <br>\n- [Output Template](references/output-template.md) <br>\n- [ClawHub Skill Page](https://clawhub.ai/kokxi/skills/qa-ai-context-engineering) <br>\n\n\n## Skill Output: <br>\n**Output Type(s):** [text, markdown, guidance] <br>\n**Output Format:** [Structured Markdown context package with labeled sections and traceability fields.] <br>\n**Output Parameters:** [1D] <br>\n**Other Properties Related to Output:** [Carries upstream requirement IDs and scenario IDs; labels provided, inferred, and assumed information when inputs are incomplete.] <br>\n\n## Skill Version(s): <br>\n1.6.0 (source: frontmatter and server release evidence) <br>\n\n## Ethical Considerations: <br>\nUsers 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. <br>\n\nArchive v1.5.0: 4 files, 7001 bytes\n\nFiles: references/output-template.md (6833b), skill-card.md (2064b), SKILL.md (5770b), _meta.json (144b)\n\nFile v1.5.0:SKILL.md\n\n---\nname: qa-ai-context-engineering\nversion: 1.5.0\ndescription: >-\n  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。\n\nwhen_to_use: 用户说\"分析这个功能\"、\"上下文工程\"、\"构建上下文\"、\"测试分析\"、\"需求分析\"、\"结构化\"、\"上下文不够\"\nallowed-tools: Read Grep Glob WebFetch\nrelated_skills:\n  upstream:\n    - qa-req-deconstruction\n    - qa-scenario-tree\n    - qa-boundary-deep-dive\n    - qa-combination-strategy\n    - qa-state-transition\n  downstream:\n    - qa-ai-prompt-strategy\ninput_format:\n  required:\n    - name: 需求解构表\n      type: object\n      description: 来自qa-req-deconstruction的需求解构结果\n    - name: 场景树\n      type: object\n      description: 来自qa-scenario-tree的场景树结构\n  optional:\n    - name: 边界清单\n      type: object\n      description: 来自qa-boundary-deep-dive的边界分析结果\n    - name: 组合矩阵\n      type: object\n      description: 来自qa-combination-strategy的组合覆盖矩阵\n    - name: 状态转换图\n      type: object\n      description: 来自qa-state-transition的状态转换分析\n    - name: 风险评估\n      type: object\n      description: 来自qa-risk-intuition的风险评估结果\noutput_format:\n  structure:\n    - context_package: 包含所有分析结果的AI上下文包\n    - scenario_summary: 场景汇总\n    - boundary_list: 边界条件清单\n    - risk_indicators: 风险指示器\ndepth_requirement_quantification:\n  reference_value: \"根据分析结果复杂度调整上下文深度：简单x1/中等x2/复杂x3\"\n  minimum: \"至少包含需求解构表、场景树、边界清单3个核心输入\"\n---\n\n# AI 上下文工程\n\n## 核心原则\n\n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。\n**核心原则**：不是给更多信息，而是给对的信息结构。\n本技能将需求解构、场景树、边界清单等分析结果打包为结构化上下文包，传递给qa-ai-prompt-strategy。\n\n> 输出模板格式和字段说明参见 [`references/output-template.md`](references/output-template.md)。\n\n## 上下文金字塔（必须按此顺序构建）\n\n### 第1层：业务目标与用户角色（必须）\n```text\n【业务背景】\n- 业务目标：这个功能要解决什么问题？\n- 目标用户：谁在用？有几个角色？\n- 核心价值：用户能得到什么？\n\n【用户角色】\n- 角色A：[名称] - [核心诉求]\n- 角色B：[名称] - [核心诉求]\n```\n\n### 第2层：功能描述与约束条件（必须）\n```text\n【功能边界】\n- 功能名称：\n- 核心流程：[主路径描述]\n- 输入：[用户输入什么]\n- 输出：[系统返回什么]\n- 约束条件：[业务规则、限制条件]\n\n【非功能需求】\n- 性能要求：\n- 安全要求：\n- 兼容性要求：\n```\n\n### 第3层：技术细节与历史缺陷（按需）\n```text\n【技术架构】\n- 技术栈：\n- 关键接口：\n- 数据流向：\n- 依赖服务：\n\n【历史缺陷模式】\n- 同类型功能曾出现过的Bug：\n- 高风险区域：\n```\n\n### 第4层：输出格式与质量要求（必须）\n```text\n【输出要求】\n- 格式：表格/列表/思维导图\n- 字段：用例编号、标题、前置条件、步骤、预期结果、优先级、风险等级\n- 深度要求：覆盖正常/异常/边界/并发/安全\n```\n\n## 工作流程\n\n当用户请求生成测试用例时：\n\n1. **识别输入类型**：\n   - 直接描述 -> 提取关键信息\n   - 上传文件 -> 读取并解析\n   - URL链接 -> 获取并分析\n\n2. **构建上下文包**：\n   - 检查用户提供了哪些信息\n   - 识别缺失的关键信息\n   - 用问题补全或做出合理假设\n\n3. **输出结构化上下文**：\n   - 按金字塔格式组织\n   - 标注信息来源（用户提供/推断/假设）\n\n## 上下文类型速查表\n\n| 场景类型 | 金字塔层数 | 关键侧重 | 典型耗时 |\n|---------|-----------|---------|---------|\n| **日常测试** | 第1层+第2层+第4层 | 功能边界+输出格式 | 快速构建 |\n| **紧急测试** | 第1层+第4层 | 业务目标+输出格式，依赖假设快速产出 | 最简构建 |\n| **完整测试** | 4层全建 | 全量信息+历史缺陷+技术细节 | 全面构建 |\n| **复测回归** | 第1层+第3层+第4层 | 历史缺陷模式+输出格式 | 针对性构建 |\n\n## 输出示例\n\n**用户说\"帮我测试用户登录\"**\n-> 上下文金字塔从第1层开始构建：\n  - 第1层：业务目标（验证用户身份）+ 用户角色（普通用户/管理员）\n  - 第2层：功能边界（用户名+密码登录）+ 约束（密码错误3次锁定）\n  - 第3层按需补充，第4层指定输出格式\n\n**用户上传PRD但信息零散**\n-> 按金字塔结构组织零散需求，标注信息来源[用户提供]/[推断]/[假设]\n\n## 检查清单\n\n检查上下文是否包含：\n- [ ] 业务目标和用户角色\n- [ ] 功能边界和约束条件\n- [ ] 测试关注点和风险区域\n- [ ] 输出格式和质量要求\n- [ ] 已知的历史缺陷模式（如有）\n\n## 常见翻车点\n\n1. **信息过载**：给太多细节导致AI迷失重心 -> 用结构化格式组织\n2. **假设未标注**：AI不知道哪些是你假设的 -> 明确标注[假设]\n3. **缺少负面案例**：AI不知道什么是\"不好的\" -> 给出反例\n4. **输出格式模糊**：AI不知道你要什么格式 -> 明确指定\n\nFile v1.5.0:_meta.json\n\n{\n  \"ownerId\": \"kn71y9b23csfx0ykgm55d5m9x5891zt8\",\n  \"slug\": \"qa-ai-context-engineering\",\n  \"version\": \"1.5.0\",\n  \"publishedAt\": 1782736234145\n}\n\nFile v1.5.0:references/output-template.md\n\n# 测试用例输出模板\n\n## 用例数量要求（参考值）\n\n**关键指标**：根据项目复杂度调整\n\n| 复杂度 | 倍数 | 示例（显性5条） |\n|--------|------|----------------|\n| 简单项目 | ×3 | 用例15条 |\n| 中等项目 | ×5 | 用例25条 |\n| 复杂项目 | ×7 | 用例35条 |\n\n**复杂度判断标准**：\n- 简单：单模块、低风险、无并发\n- 中等：多模块、中风险、少量并发\n- 复杂：跨模块、高风险、高并发\n\n## 覆盖维度要求\n\n**必须覆盖以下6个维度**：\n\n| 维度 | 占比 | 说明 |\n|------|------|------|\n| 功能测试 | 40% | 核心业务流程、正常操作 |\n| 异常测试 | 20% | 输入异常、状态异常、网络异常 |\n| 边界测试 | 15% | 值域边界、格式边界、状态边界 |\n| 并发测试 | 10% | 多人同时操作、数据竞争 |\n| 安全测试 | 10% | 注入、越权、敏感信息 |\n| 性能测试 | 5% | 响应时间、资源消耗 |\n\n## 标准格式\n\n### Markdown表格格式\n\n| 用例编号 | 需求ID | 风险ID | 测试类型 | 功能模块 | 测试标题 | 用例级别 | 预置条件 | 测试步骤 | 预期结果 | 风险等级 |\n|---------|--------|--------|---------|---------|---------|---------|---------|---------|---------|---------|\n| TC_XXX_001 | REQ-XXX-001 | RISK-XXX-001 | 功能测试 | 模块名 | 标题描述 | P0/P1/P2/P3 | 条件描述 | 步骤1;步骤2;步骤3 | 结果描述 | 高/中/低 |\n\n### 字段说明\n\n| 字段 | 说明 | 格式 | 示例 |\n|------|------|------|------|\n| 用例编号 | 唯一标识 | TC_{模块}_{功能}_{序号} | TC_CART_ADD_001 |\n| 需求ID | 关联的需求编号 | REQ-{模块}-{序号} | REQ-CART-001 |\n| 风险ID | 关联的风险编号 | RISK-{模块}-{类型}-{序号} | RISK-CART-STOCK-001 |\n| 测试类型 | 功能/接口/安全/性能/兼容性/并发/异常 | - | 功能测试 |\n| 功能模块 | 所属业务模块 | - | 购物车 |\n| 测试标题 | 简明描述测试目的 | - | 验证添加正常商品成功 |\n| 用例级别 | P0关键/P1重要/P2一般/P3可选 | - | P0 |\n| 预置条件 | 执行前需满足的条件 | - | 用户已登录 |\n| 测试步骤 | 详细操作步骤，用分号分隔 | - | 步骤1;步骤2;步骤3 |\n| 预期结果 | 每步对应的预期结果 | - | 结果1;结果2;结果3 |\n| 风险等级 | 高/中/低 | - | 高 |\n\n## ID编号规则\n\n### 用例编号\n```\n格式：TC_{模块缩写}_{功能缩写}_{序号}\n示例：\n- TC_CART_ADD_001      购物车模块-添加商品-第1条\n- TC_CART_DEL_002      购物车模块-删除商品-第2条\n- TC_CART_PAY_003      购物车模块-结算-第3条\n```\n\n### 需求ID\n```\n格式：REQ-{模块缩写}-{序号}\n示例：\n- REQ-CART-001    购物车模块-需求1\n- REQ-CART-002    购物车模块-需求2\n```\n\n### 风险ID\n```\n格式：RISK-{模块缩写}-{风险类型}-{序号}\n风险类型：\n- STOCK   库存相关\n- CALC    计算相关\n- CONC    并发相关\n- TIME    超时相关\n- DATA    数据相关\n- SEC     安全相关\n- PERF    性能相关\n\n示例：\n- RISK-CART-STOCK-001    购物车-库存风险-第1个\n- RISK-CART-CALC-001     购物车-计算风险-第1个\n- RISK-CART-CONC-001     购物车-并发风险-第1个\n```\n\n### 场景ID（来自qa-scenario-tree）\n```\n格式：SC-{模块缩写}-{序号}\n示例：\n- SC-CART-001    购物车场景1\n- SC-CART-002    购物车场景2\n```\n\n### 边界ID（来自qa-boundary-deep-dive）\n```\n格式：BD-{模块缩写}-{序号}\n示例：\n- BD-CART-001    购物车边界1\n- BD-CART-002    购物车边界2\n```\n\n### 评审ID（来自qa-expert-review）\n```\n格式：REV-{模块缩写}-{序号}\n示例：\n- REV-CART-001    购物车评审1\n```\n\n## 用例编号规则\n\n### 格式\n```\nTC_{模块缩写}_{功能缩写}_{序号}\n```\n\n### 示例\n```\nTC_USER_LOGIN_001     用户模块-登录-第1条\nTC_ORDER_PAY_002      订单模块-支付-第2条\nTC_PRODUCT_LIST_003   商品模块-列表-第3条\n```\n\n### 模块缩写规则\n| 模块 | 缩写 |\n|------|------|\n| 用户管理 | USER |\n| 订单管理 | ORDER |\n| 商品管理 | PRODUCT |\n| 支付管理 | PAY |\n| 库存管理 | STOCK |\n| 营销管理 | MARKET |\n| 系统管理 | SYS |\n\n## 用例级别定义\n\n| 级别 | 说明 | 占比建议 | 示例场景 |\n|------|------|---------|---------|\n| P0 | 关键：核心业务流程 | ≤20% | 登录、支付、下单 |\n| P1 | 重要：主要功能 | ≤40% | 搜索、筛选、导出 |\n| P2 | 一般：次要功能 | ≤30% | 设置、帮助、关于 |\n| P3 | 可选：边缘场景 | ≤10% | 美化、优化、建议 |\n\n## 测试类型分类\n\n| 类型 | 说明 | 适用场景 |\n|------|------|---------|\n| 功能测试 | 验证功能是否符合需求 | 所有功能 |\n| 接口测试 | 验证API接口 | 后端接口 |\n| 安全测试 | 验证安全防护 | 敏感功能 |\n| 性能测试 | 验证性能指标 | 高并发场景 |\n| 兼容性测试 | 验证兼容性 | 多端适配 |\n| 路由测试 | 验证页面跳转 | 前端路由 |\n| 联动测试 | 验证跨页面联动 | 多页面业务 |\n\n## 输出示例\n\n### 示例1：功能测试用例\n\n```markdown\n| TC_USER_LOGIN_001 | REQ-USER-001 | RISK-LOGIN-001 | 功能测试 | 用户管理 | 验证正确用户名密码登录成功 | P0 | 1.用户已注册 2.账号状态正常 | 1.打开登录页面 2.输入正确用户名 3.输入正确密码 4.点击登录按钮 | 1.跳转到首页 2.显示用户信息 3.登录状态有效 | 高 |\n```\n\n### 示例2：接口测试用例\n\n```markdown\n| TC_API_LOGIN_001 | REQ-USER-002 | RISK-API-001 | 接口测试 | 用户管理 | 验证登录接口返回正确Token | P0 | 1.接口服务正常 2.用户已注册 | 1.调用登录接口 2.传入正确参数 3.检查返回结果 | 1.返回200状态码 2.返回有效Token 3.Token过期时间正确 | 高 |\n```\n\n### 示例3：安全测试用例\n\n```markdown\n| TC_SEC_LOGIN_001 | REQ-USER-003 | RISK-SEC-001 | 安全测试 | 用户管理 | 验证SQL注入防护 | P0 | 1.登录页面可访问 | 1.输入用户名: admin' OR '1'='1 2.输入密码: any 3.点击登录 | 1.登录失败 2.无SQL执行 3.记录安全日志 | 高 |\n```\n\n### 示例4：路由测试用例\n\n```markdown\n| TC_ROUTE_ORDER_001 | REQ-ORDER-001 | RISK-ROUTE-001 | 路由测试 | 订单管理 | 验证订单详情页路由参数传递 | P0 | 1.用户已登录 2.存在订单 | 1.访问订单列表 2.点击订单详情 3.检查URL参数 | 1.跳转到详情页 2.URL包含订单ID 3.数据正确加载 | 高 |\n```\n\n## 覆盖率要求\n\n| 维度 | 覆盖率要求 |\n|------|-----------|\n| 功能覆盖率 | 100%需求点 |\n| P0用例 | 100%覆盖 |\n| 异常场景 | ≥30%用例 |\n| 边界场景 | ≥10%用例 |\n\n## 质量标准\n\n- [ ] 用例标题清晰无歧义\n- [ ] 预置条件完整可执行\n- [ ] 测试步骤详细可重复\n- [ ] 预期结果客观可验证\n- [ ] 用例级别合理\n- [ ] 风险等级准确\n\nFile v1.5.0:skill-card.md\n\n## Description: <br>\nPackages prior QA analysis, such as requirement decomposition, scenario trees, boundary lists, and risk assessment, into a structured AI context package for generating test cases. <br>\n\nThis skill is ready for commercial/non-commercial use. <br>\n\n## Publisher: <br>\n[kokxi](https://clawhub.ai/user/kokxi) <br>\n\n### License/Terms of Use: <br>\nMIT-0 <br>\n\n\n## Use Case: <br>\nQA engineers and test-focused agents use this skill after requirements and scenario analysis to prepare a complete business, functional, technical, and quality context package before generating test cases. <br>\n\n### Deployment Geography for Use: <br>\nGlobal <br>\n\n## Known Risks and Mitigations: <br>\nRisk: Broad trigger phrases may cause the skill to activate during general analysis or requirements discussions. <br>\nMitigation: Review auto-invocation settings and use the skill when the workflow is ready to build a QA context package. <br>\nRisk: The skill can read provided requirement documents or fetch supplied URLs, which may expose sensitive project context if used unintentionally. <br>\nMitigation: Provide only documents and links intended for QA analysis, and avoid private requirement materials or internal URLs unless they should be analyzed. <br>\n\n\n## Reference(s): <br>\n- [Output Template](references/output-template.md) <br>\n\n\n## Skill Output: <br>\n**Output Type(s):** [text, markdown, guidance] <br>\n**Output Format:** [Structured Markdown context package] <br>\n**Output Parameters:** [1D] <br>\n**Other Properties Related to Output:** [May include structured sections for business context, user roles, functional boundaries, risks, assumptions, and QA output requirements.] <br>\n\n## Skill Version(s): <br>\n1.5.0 (source: SKILL.md frontmatter and server release metadata) <br>\n\n## Ethical Considerations: <br>\nUsers 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. <br>\n\nArchive v1.4.1: 4 files, 6550 bytes\n\nFiles: reference/output-template.md (6833b), skill-card.md (1919b), SKILL.md (4813b), _meta.json (144b)\n\nFile v1.4.1:SKILL.md\n\n---\r\nname: qa-ai-context-engineering\r\ndescription: >-\r\n  AI测试上下文构建，将需求解构、场景树、边界清单等分析结果打包为结构化上下文包，优化AI生成质量。当需要生成或优化测试用例时激活。\r\n\r\nwhen_to_use: 用户说\"生成测试用例\"、\"帮我测试\"、\"分析这个功能\"、\"上下文工程\"、\"构建上下文\"、\"测试分析\"、\"需求分析\"、\"结构化\"、\"上下文不够\"、上传需求文档/URL时\r\nallowed-tools: Read Grep Glob WebFetch\r\nrelated_skills:\r\n  upstream:\r\n    - qa-req-deconstruction  # 输入：需求解构表\r\n    - qa-scenario-tree       # 输入：场景树\r\n    - qa-boundary-deep-dive  # 输入：边界清单\r\n    - qa-combination-strategy # 输入：组合矩阵\r\n    - qa-state-transition    # 输入：状态转换图\r\n  downstream:\r\n    - qa-ai-prompt-strategy  # 输出：上下文包传递给提示词策略\r\ninput_format: 需求解构表 + 场景树 + 边界清单 + 组合矩阵 + 状态转换图\r\noutput_format: 结构化上下文包（JSON格式）\r\n---\r\n\r\n# AI 上下文工程\r\n\r\n## Overview\r\n\r\n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。\r\n**核心原则**：不是给更多信息，而是给对的信息结构。\r\n本技能将需求解构、场景树、边界清单等分析结果打包为结构化上下文包，传递给qa-ai-prompt-strategy。\r\n\r\n## 上下文金字塔（必须按此顺序构建）\r\n\r\n### 第1层：业务目标与用户角色（必须）\r\n```\r\n【业务背景】\r\n- 业务目标：这个功能要解决什么问题？\r\n- 目标用户：谁在用？有几个角色？\r\n- 核心价值：用户能得到什么？\r\n\r\n【用户角色】\r\n- 角色A：[名称] - [核心诉求]\r\n- 角色B：[名称] - [核心诉求]\r\n```\r\n\r\n### 第2层：功能描述与约束条件（必须）\r\n```\r\n【功能边界】\r\n- 功能名称：\r\n- 核心流程：[主路径描述]\r\n- 输入：[用户输入什么]\r\n- 输出：[系统返回什么]\r\n- 约束条件：[业务规则、限制条件]\r\n\r\n【非功能需求】\r\n- 性能要求：\r\n- 安全要求：\r\n- 兼容性要求：\r\n```\r\n\r\n### 第3层：技术细节与历史缺陷（按需）\r\n```\r\n【技术架构】\r\n- 技术栈：\r\n- 关键接口：\r\n- 数据流向：\r\n- 依赖服务：\r\n\r\n【历史缺陷模式】\r\n- 同类型功能曾出过的Bug：\r\n- 高风险区域：\r\n```\r\n\r\n### 第4层：输出格式与质量要求（必须）\r\n```\r\n【输出要求】\r\n- 格式：表格/列表/思维导图\r\n- 字段：用例编号、标题、前置条件、步骤、预期结果、优先级、风险等级\r\n- 深度要求：覆盖正常/异常/边界/并发/安全\r\n```\r\n\r\n## 工作流程\r\n\r\n当用户请求生成测试用例时：\r\n\r\n1. **识别输入类型**：\r\n   - 直接描述 → 提取关键信息\r\n   - 上传文件 → 读取并解构\r\n   - URL链接 → 获取并分析\r\n\r\n2. **构建上下文包**：\r\n   - 检查用户提供了哪些信息\r\n   - 识别缺失的关键信息\r\n   - 用问题补全或做出合理假设\r\n\r\n3. **输出结构化上下文**：\r\n   - 按金字塔格式组织\r\n   - 标注信息来源（用户提供/推断/假设）\r\n\r\n## 上下文类型速查表\r\n\r\n不同测试场景的上下文构建策略不同，按需选择：\r\n\r\n| 场景类型 | 金字塔层数 | 关键侧重 | 典型耗时 |\r\n|---------|-----------|---------|---------|\r\n| **日常测试** | 第1层+第2层+第4层 | 功能边界+输出格式 | 快速构建 |\r\n| **紧急测试** | 第1层+第4层 | 业务目标+输出格式，依赖假设快速产出 | 最简构建 |\r\n| **完整测试** | 4层全建 | 全量信息+历史缺陷+技术细节 | 全面构建 |\r\n| **复测回归** | 第3层+第4层 | 历史缺陷模式+输出格式 | 针对性构建 |\r\n\r\n## Examples\r\n\r\n**用户说\"帮我测试用户登录\"**\r\n→ 上下文金字塔从第1层开始构建：\r\n  - 第1层：业务目标（验证用户身份）+ 用户角色（普通用户/管理员）\r\n  - 第2层：功能边界（用户名+密码登录）+ 约束（密码错误3次锁定）\r\n  - 第3层按需补充，第4层指定输出格式\r\n\r\n**用户上传PRD但信息零散**\r\n→ 按金字塔结构组织零散需求，标注信息来源[用户提供]/[推断]/[假设]\r\n\r\n## Guidelines\r\n\r\n检查上下文是否包含：\r\n- [ ] 业务目标和用户角色\r\n- [ ] 功能边界和约束条件\r\n- [ ] 测试关注点和风险区域\r\n- [ ] 输出格式和质量要求\r\n- [ ] 已知的历史缺陷模式（如有）\r\n\r\n## 常见翻车点\r\n\r\n1. **信息过载**：给太多细节导致AI迷失重点 → 用结构化格式组织\r\n2. **假设未标注**：AI不知道哪些是你假设的 → 明确标注[假设]\r\n3. **缺少负面案例**：AI不知道什么是\"不好的\" → 给出反例\r\n4. **输出格式模糊**：AI不知道你要什么格式 → 明确指定\n\nFile v1.4.1:_meta.json\n\n{\n  \"ownerId\": \"kn71y9b23csfx0ykgm55d5m9x5891zt8\",\n  \"slug\": \"qa-ai-context-engineering\",\n  \"version\": \"1.4.1\",\n  \"publishedAt\": 1782406382390\n}\n\nFile v1.4.1:reference/output-template.md\n\n# 测试用例输出模板\n\n## 用例数量要求（参考值）\n\n**关键指标**：根据项目复杂度调整\n\n| 复杂度 | 倍数 | 示例（显性5条） |\n|--------|------|----------------|\n| 简单项目 | ×3 | 用例15条 |\n| 中等项目 | ×5 | 用例25条 |\n| 复杂项目 | ×7 | 用例35条 |\n\n**复杂度判断标准**：\n- 简单：单模块、低风险、无并发\n- 中等：多模块、中风险、少量并发\n- 复杂：跨模块、高风险、高并发\n\n## 覆盖维度要求\n\n**必须覆盖以下6个维度**：\n\n| 维度 | 占比 | 说明 |\n|------|------|------|\n| 功能测试 | 40% | 核心业务流程、正常操作 |\n| 异常测试 | 20% | 输入异常、状态异常、网络异常 |\n| 边界测试 | 15% | 值域边界、格式边界、状态边界 |\n| 并发测试 | 10% | 多人同时操作、数据竞争 |\n| 安全测试 | 10% | 注入、越权、敏感信息 |\n| 性能测试 | 5% | 响应时间、资源消耗 |\n\n## 标准格式\n\n### Markdown表格格式\n\n| 用例编号 | 需求ID | 风险ID | 测试类型 | 功能模块 | 测试标题 | 用例级别 | 预置条件 | 测试步骤 | 预期结果 | 风险等级 |\n|---------|--------|--------|---------|---------|---------|---------|---------|---------|---------|---------|\n| TC_XXX_001 | REQ-XXX-001 | RISK-XXX-001 | 功能测试 | 模块名 | 标题描述 | P0/P1/P2/P3 | 条件描述 | 步骤1;步骤2;步骤3 | 结果描述 | 高/中/低 |\n\n### 字段说明\n\n| 字段 | 说明 | 格式 | 示例 |\n|------|------|------|------|\n| 用例编号 | 唯一标识 | TC_{模块}_{功能}_{序号} | TC_CART_ADD_001 |\n| 需求ID | 关联的需求编号 | REQ-{模块}-{序号} | REQ-CART-001 |\n| 风险ID | 关联的风险编号 | RISK-{模块}-{类型}-{序号} | RISK-CART-STOCK-001 |\n| 测试类型 | 功能/接口/安全/性能/兼容性/并发/异常 | - | 功能测试 |\n| 功能模块 | 所属业务模块 | - | 购物车 |\n| 测试标题 | 简明描述测试目的 | - | 验证添加正常商品成功 |\n| 用例级别 | P0关键/P1重要/P2一般/P3可选 | - | P0 |\n| 预置条件 | 执行前需满足的条件 | - | 用户已登录 |\n| 测试步骤 | 详细操作步骤，用分号分隔 | - | 步骤1;步骤2;步骤3 |\n| 预期结果 | 每步对应的预期结果 | - | 结果1;结果2;结果3 |\n| 风险等级 | 高/中/低 | - | 高 |\n\n## ID编号规则\n\n### 用例编号\n```\n格式：TC_{模块缩写}_{功能缩写}_{序号}\n示例：\n- TC_CART_ADD_001      购物车模块-添加商品-第1条\n- TC_CART_DEL_002      购物车模块-删除商品-第2条\n- TC_CART_PAY_003      购物车模块-结算-第3条\n```\n\n### 需求ID\n```\n格式：REQ-{模块缩写}-{序号}\n示例：\n- REQ-CART-001    购物车模块-需求1\n- REQ-CART-002    购物车模块-需求2\n```\n\n### 风险ID\n```\n格式：RISK-{模块缩写}-{风险类型}-{序号}\n风险类型：\n- STOCK   库存相关\n- CALC    计算相关\n- CONC    并发相关\n- TIME    超时相关\n- DATA    数据相关\n- SEC     安全相关\n- PERF    性能相关\n\n示例：\n- RISK-CART-STOCK-001    购物车-库存风险-第1个\n- RISK-CART-CALC-001     购物车-计算风险-第1个\n- RISK-CART-CONC-001     购物车-并发风险-第1个\n```\n\n### 场景ID（来自qa-scenario-tree）\n```\n格式：SC-{模块缩写}-{序号}\n示例：\n- SC-CART-001    购物车场景1\n- SC-CART-002    购物车场景2\n```\n\n### 边界ID（来自qa-boundary-deep-dive）\n```\n格式：BD-{模块缩写}-{序号}\n示例：\n- BD-CART-001    购物车边界1\n- BD-CART-002    购物车边界2\n```\n\n### 评审ID（来自qa-expert-review）\n```\n格式：REV-{模块缩写}-{序号}\n示例：\n- REV-CART-001    购物车评审1\n```\n\n## 用例编号规则\n\n### 格式\n```\nTC_{模块缩写}_{功能缩写}_{序号}\n```\n\n### 示例\n```\nTC_USER_LOGIN_001     用户模块-登录-第1条\nTC_ORDER_PAY_002      订单模块-支付-第2条\nTC_PRODUCT_LIST_003   商品模块-列表-第3条\n```\n\n### 模块缩写规则\n| 模块 | 缩写 |\n|------|------|\n| 用户管理 | USER |\n| 订单管理 | ORDER |\n| 商品管理 | PRODUCT |\n| 支付管理 | PAY |\n| 库存管理 | STOCK |\n| 营销管理 | MARKET |\n| 系统管理 | SYS |\n\n## 用例级别定义\n\n| 级别 | 说明 | 占比建议 | 示例场景 |\n|------|------|---------|---------|\n| P0 | 关键：核心业务流程 | ≤20% | 登录、支付、下单 |\n| P1 | 重要：主要功能 | ≤40% | 搜索、筛选、导出 |\n| P2 | 一般：次要功能 | ≤30% | 设置、帮助、关于 |\n| P3 | 可选：边缘场景 | ≤10% | 美化、优化、建议 |\n\n## 测试类型分类\n\n| 类型 | 说明 | 适用场景 |\n|------|------|---------|\n| 功能测试 | 验证功能是否符合需求 | 所有功能 |\n| 接口测试 | 验证API接口 | 后端接口 |\n| 安全测试 | 验证安全防护 | 敏感功能 |\n| 性能测试 | 验证性能指标 | 高并发场景 |\n| 兼容性测试 | 验证兼容性 | 多端适配 |\n| 路由测试 | 验证页面跳转 | 前端路由 |\n| 联动测试 | 验证跨页面联动 | 多页面业务 |\n\n## 输出示例\n\n### 示例1：功能测试用例\n\n```markdown\n| TC_USER_LOGIN_001 | REQ-USER-001 | RISK-LOGIN-001 | 功能测试 | 用户管理 | 验证正确用户名密码登录成功 | P0 | 1.用户已注册 2.账号状态正常 | 1.打开登录页面 2.输入正确用户名 3.输入正确密码 4.点击登录按钮 | 1.跳转到首页 2.显示用户信息 3.登录状态有效 | 高 |\n```\n\n### 示例2：接口测试用例\n\n```markdown\n| TC_API_LOGIN_001 | REQ-USER-002 | RISK-API-001 | 接口测试 | 用户管理 | 验证登录接口返回正确Token | P0 | 1.接口服务正常 2.用户已注册 | 1.调用登录接口 2.传入正确参数 3.检查返回结果 | 1.返回200状态码 2.返回有效Token 3.Token过期时间正确 | 高 |\n```\n\n### 示例3：安全测试用例\n\n```markdown\n| TC_SEC_LOGIN_001 | REQ-USER-003 | RISK-SEC-001 | 安全测试 | 用户管理 | 验证SQL注入防护 | P0 | 1.登录页面可访问 | 1.输入用户名: admin' OR '1'='1 2.输入密码: any 3.点击登录 | 1.登录失败 2.无SQL执行 3.记录安全日志 | 高 |\n```\n\n### 示例4：路由测试用例\n\n```markdown\n| TC_ROUTE_ORDER_001 | REQ-ORDER-001 | RISK-ROUTE-001 | 路由测试 | 订单管理 | 验证订单详情页路由参数传递 | P0 | 1.用户已登录 2.存在订单 | 1.访问订单列表 2.点击订单详情 3.检查URL参数 | 1.跳转到详情页 2.URL包含订单ID 3.数据正确加载 | 高 |\n```\n\n## 覆盖率要求\n\n| 维度 | 覆盖率要求 |\n|------|-----------|\n| 功能覆盖率 | 100%需求点 |\n| P0用例 | 100%覆盖 |\n| 异常场景 | ≥30%用例 |\n| 边界场景 | ≥10%用例 |\n\n## 质量标准\n\n- [ ] 用例标题清晰无歧义\n- [ ] 预置条件完整可执行\n- [ ] 测试步骤详细可重复\n- [ ] 预期结果客观可验证\n- [ ] 用例级别合理\n- [ ] 风险等级准确\n\nFile v1.4.1:skill-card.md\n\n## Description: <br>\nBuilds structured QA context packages from requirements, scenario trees, boundary lists, and related analysis so AI agents can generate or improve test cases. <br>\n\nThis skill is ready for commercial/non-commercial use. <br>\n\n## Publisher: <br>\n[kokxi](https://clawhub.ai/user/kokxi) <br>\n\n### License/Terms of Use: <br>\nMIT-0 <br>\n\n\n## Use Case: <br>\nDevelopers, QA engineers, and test architects use this skill to transform feature requirements, uploaded documents, or URLs into a structured testing context package. The package organizes business goals, user roles, functional boundaries, constraints, risks, and output requirements for downstream test-case generation. <br>\n\n### Deployment Geography for Use: <br>\nGlobal <br>\n\n## Known Risks and Mitigations: <br>\nRisk: Broad activation phrases related to testing, analysis, or context building may cause the agent to inspect unrelated attached files. <br>\nMitigation: Use the skill with requirement documents and URLs intended for analysis, and avoid attaching sensitive unrelated files during broad QA requests. <br>\n\n\n## Reference(s): <br>\n- [Output template](artifact/reference/output-template.md) <br>\n\n\n## Skill Output: <br>\n**Output Type(s):** [text, markdown, json, guidance] <br>\n**Output Format:** [Structured JSON context package with Markdown sections and tables when useful] <br>\n**Output Parameters:** [1D] <br>\n**Other Properties Related to Output:** [Marks information sources as user-provided, inferred, or assumed, and organizes context into a four-layer testing pyramid.] <br>\n\n## Skill Version(s): <br>\n1.4.1 (source: server release evidence) <br>\n\n## Ethical Considerations: <br>\nUsers 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. <br>\n\nArchive v1.4.0: 4 files, 6846 bytes\n\nFiles: reference/output-template.md (6833b), skill-card.md (2288b), SKILL.md (5207b), _meta.json (144b)\n\nFile v1.4.0:SKILL.md\n\n---\r\nname: qa-ai-context-engineering\r\ndescription: >-\r\n  构建AI测试上下文金字塔，将需求解构、场景树、边界清单等分析结果打包为结构化上下文包。当用户要求生成测试用例、进行测试设计或测试分析时自动触发。\r\n  也适用于：AI输出质量不佳需要补充上下文、或用户输入信息零散需要组织整理时。\r\n  本技能的输出将传递给qa-ai-prompt-strategy生成最终提示词。\r\n   关键词：测试上下文、上下文工程、信息结构化、AI输出质量、上下文包、需求结构化、测试分析、功能分析、AI上下文、测试输入组织。\nwhen_to_use: 用户说\"生成测试用例\"、\"帮我测试\"、\"分析这个功能\"、\"上下文工程\"、\"构建上下文\"、\"测试分析\"、\"需求分析\"、\"结构化\"、\"上下文不够\"、上传需求文档/URL时\r\nallowed-tools: Read Grep Glob WebFetch\r\nrelated_skills:\r\n  upstream:\r\n    - qa-req-deconstruction  # 输入：需求解构表\r\n    - qa-scenario-tree       # 输入：场景树\r\n    - qa-boundary-deep-dive  # 输入：边界清单\r\n    - qa-combination-strategy # 输入：组合矩阵\r\n    - qa-state-transition    # 输入：状态转换图\r\n  downstream:\r\n    - qa-ai-prompt-strategy  # 输出：上下文包传递给提示词策略\r\ninput_format: 需求解构表 + 场景树 + 边界清单 + 组合矩阵 + 状态转换图\r\noutput_format: 结构化上下文包（JSON格式）\r\n---\r\n\r\n# AI 上下文工程\r\n\r\n## Overview\r\n\r\n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。\r\n**核心原则**：不是给更多信息，而是给对的信息结构。\r\n本技能将需求解构、场景树、边界清单等分析结果打包为结构化上下文包，传递给qa-ai-prompt-strategy。\r\n\r\n## 上下文金字塔（必须按此顺序构建）\r\n\r\n### 第1层：业务目标与用户角色（必须）\r\n```\r\n【业务背景】\r\n- 业务目标：这个功能要解决什么问题？\r\n- 目标用户：谁在用？有几个角色？\r\n- 核心价值：用户能得到什么？\r\n\r\n【用户角色】\r\n- 角色A：[名称] - [核心诉求]\r\n- 角色B：[名称] - [核心诉求]\r\n```\r\n\r\n### 第2层：功能描述与约束条件（必须）\r\n```\r\n【功能边界】\r\n- 功能名称：\r\n- 核心流程：[主路径描述]\r\n- 输入：[用户输入什么]\r\n- 输出：[系统返回什么]\r\n- 约束条件：[业务规则、限制条件]\r\n\r\n【非功能需求】\r\n- 性能要求：\r\n- 安全要求：\r\n- 兼容性要求：\r\n```\r\n\r\n### 第3层：技术细节与历史缺陷（按需）\r\n```\r\n【技术架构】\r\n- 技术栈：\r\n- 关键接口：\r\n- 数据流向：\r\n- 依赖服务：\r\n\r\n【历史缺陷模式】\r\n- 同类型功能曾出过的Bug：\r\n- 高风险区域：\r\n```\r\n\r\n### 第4层：输出格式与质量要求（必须）\r\n```\r\n【输出要求】\r\n- 格式：表格/列表/思维导图\r\n- 字段：用例编号、标题、前置条件、步骤、预期结果、优先级、风险等级\r\n- 深度要求：覆盖正常/异常/边界/并发/安全\r\n```\r\n\r\n## 工作流程\r\n\r\n当用户请求生成测试用例时：\r\n\r\n1. **识别输入类型**：\r\n   - 直接描述 → 提取关键信息\r\n   - 上传文件 → 读取并解构\r\n   - URL链接 → 获取并分析\r\n\r\n2. **构建上下文包**：\r\n   - 检查用户提供了哪些信息\r\n   - 识别缺失的关键信息\r\n   - 用问题补全或做出合理假设\r\n\r\n3. **输出结构化上下文**：\r\n   - 按金字塔格式组织\r\n   - 标注信息来源（用户提供/推断/假设）\r\n\r\n## 上下文类型速查表\r\n\r\n不同测试场景的上下文构建策略不同，按需选择：\r\n\r\n| 场景类型 | 金字塔层数 | 关键侧重 | 典型耗时 |\r\n|---------|-----------|---------|---------|\r\n| **日常测试** | 第1层+第2层+第4层 | 功能边界+输出格式 | 快速构建 |\r\n| **紧急测试** | 第1层+第4层 | 业务目标+输出格式，依赖假设快速产出 | 最简构建 |\r\n| **完整测试** | 4层全建 | 全量信息+历史缺陷+技术细节 | 全面构建 |\r\n| **复测回归** | 第3层+第4层 | 历史缺陷模式+输出格式 | 针对性构建 |\r\n\r\n## Examples\r\n\r\n**用户说\"帮我测试用户登录\"**\r\n→ 上下文金字塔从第1层开始构建：\r\n  - 第1层：业务目标（验证用户身份）+ 用户角色（普通用户/管理员）\r\n  - 第2层：功能边界（用户名+密码登录）+ 约束（密码错误3次锁定）\r\n  - 第3层按需补充，第4层指定输出格式\r\n\r\n**用户上传PRD但信息零散**\r\n→ 按金字塔结构组织零散需求，标注信息来源[用户提供]/[推断]/[假设]\r\n\r\n## Guidelines\r\n\r\n检查上下文是否包含：\r\n- [ ] 业务目标和用户角色\r\n- [ ] 功能边界和约束条件\r\n- [ ] 测试关注点和风险区域\r\n- [ ] 输出格式和质量要求\r\n- [ ] 已知的历史缺陷模式（如有）\r\n\r\n## 常见翻车点\r\n\r\n1. **信息过载**：给太多细节导致AI迷失重点 → 用结构化格式组织\r\n2. **假设未标注**：AI不知道哪些是你假设的 → 明确标注[假设]\r\n3. **缺少负面案例**：AI不知道什么是\"不好的\" → 给出反例\r\n4. **输出格式模糊**：AI不知道你要什么格式 → 明确指定\n\nFile v1.4.0:_meta.json\n\n{\n  \"ownerId\": \"kn71y9b23csfx0ykgm55d5m9x5891zt8\",\n  \"slug\": \"qa-ai-context-engineering\",\n  \"version\": \"1.4.0\",\n  \"publishedAt\": 1782277350906\n}\n\nFile v1.4.0:reference/output-template.md\n\n# 测试用例输出模板\n\n## 用例数量要求（参考值）\n\n**关键指标**：根据项目复杂度调整\n\n| 复杂度 | 倍数 | 示例（显性5条） |\n|--------|------|----------------|\n| 简单项目 | ×3 | 用例15条 |\n| 中等项目 | ×5 | 用例25条 |\n| 复杂项目 | ×7 | 用例35条 |\n\n**复杂度判断标准**：\n- 简单：单模块、低风险、无并发\n- 中等：多模块、中风险、少量并发\n- 复杂：跨模块、高风险、高并发\n\n## 覆盖维度要求\n\n**必须覆盖以下6个维度**：\n\n| 维度 | 占比 | 说明 |\n|------|------|------|\n| 功能测试 | 40% | 核心业务流程、正常操作 |\n| 异常测试 | 20% | 输入异常、状态异常、网络异常 |\n| 边界测试 | 15% | 值域边界、格式边界、状态边界 |\n| 并发测试 | 10% | 多人同时操作、数据竞争 |\n| 安全测试 | 10% | 注入、越权、敏感信息 |\n| 性能测试 | 5% | 响应时间、资源消耗 |\n\n## 标准格式\n\n### Markdown表格格式\n\n| 用例编号 | 需求ID | 风险ID | 测试类型 | 功能模块 | 测试标题 | 用例级别 | 预置条件 | 测试步骤 | 预期结果 | 风险等级 |\n|---------|--------|--------|---------|---------|---------|---------|---------|---------|---------|---------|\n| TC_XXX_001 | REQ-XXX-001 | RISK-XXX-001 | 功能测试 | 模块名 | 标题描述 | P0/P1/P2/P3 | 条件描述 | 步骤1;步骤2;步骤3 | 结果描述 | 高/中/低 |\n\n### 字段说明\n\n| 字段 | 说明 | 格式 | 示例 |\n|------|------|------|------|\n| 用例编号 | 唯一标识 | TC_{模块}_{功能}_{序号} | TC_CART_ADD_001 |\n| 需求ID | 关联的需求编号 | REQ-{模块}-{序号} | REQ-CART-001 |\n| 风险ID | 关联的风险编号 | RISK-{模块}-{类型}-{序号} | RISK-CART-STOCK-001 |\n| 测试类型 | 功能/接口/安全/性能/兼容性/并发/异常 | - | 功能测试 |\n| 功能模块 | 所属业务模块 | - | 购物车 |\n| 测试标题 | 简明描述测试目的 | - | 验证添加正常商品成功 |\n| 用例级别 | P0关键/P1重要/P2一般/P3可选 | - | P0 |\n| 预置条件 | 执行前需满足的条件 | - | 用户已登录 |\n| 测试步骤 | 详细操作步骤，用分号分隔 | - | 步骤1;步骤2;步骤3 |\n| 预期结果 | 每步对应的预期结果 | - | 结果1;结果2;结果3 |\n| 风险等级 | 高/中/低 | - | 高 |\n\n## ID编号规则\n\n### 用例编号\n```\n格式：TC_{模块缩写}_{功能缩写}_{序号}\n示例：\n- TC_CART_ADD_001      购物车模块-添加商品-第1条\n- TC_CART_DEL_002      购物车模块-删除商品-第2条\n- TC_CART_PAY_003      购物车模块-结算-第3条\n```\n\n### 需求ID\n```\n格式：REQ-{模块缩写}-{序号}\n示例：\n- REQ-CART-001    购物车模块-需求1\n- REQ-CART-002    购物车模块-需求2\n```\n\n### 风险ID\n```\n格式：RISK-{模块缩写}-{风险类型}-{序号}\n风险类型：\n- STOCK   库存相关\n- CALC    计算相关\n- CONC    并发相关\n- TIME    超时相关\n- DATA    数据相关\n- SEC     安全相关\n- PERF    性能相关\n\n示例：\n- RISK-CART-STOCK-001    购物车-库存风险-第1个\n- RISK-CART-CALC-001     购物车-计算风险-第1个\n- RISK-CART-CONC-001     购物车-并发风险-第1个\n```\n\n### 场景ID（来自qa-scenario-tree）\n```\n格式：SC-{模块缩写}-{序号}\n示例：\n- SC-CART-001    购物车场景1\n- SC-CART-002    购物车场景2\n```\n\n### 边界ID（来自qa-boundary-deep-dive）\n```\n格式：BD-{模块缩写}-{序号}\n示例：\n- BD-CART-001    购物车边界1\n- BD-CART-002    购物车边界2\n```\n\n### 评审ID（来自qa-expert-review）\n```\n格式：REV-{模块缩写}-{序号}\n示例：\n- REV-CART-001    购物车评审1\n```\n\n## 用例编号规则\n\n### 格式\n```\nTC_{模块缩写}_{功能缩写}_{序号}\n```\n\n### 示例\n```\nTC_USER_LOGIN_001     用户模块-登录-第1条\nTC_ORDER_PAY_002      订单模块-支付-第2条\nTC_PRODUCT_LIST_003   商品模块-列表-第3条\n```\n\n### 模块缩写规则\n| 模块 | 缩写 |\n|------|------|\n| 用户管理 | USER |\n| 订单管理 | ORDER |\n| 商品管理 | PRODUCT |\n| 支付管理 | PAY |\n| 库存管理 | STOCK |\n| 营销管理 | MARKET |\n| 系统管理 | SYS |\n\n## 用例级别定义\n\n| 级别 | 说明 | 占比建议 | 示例场景 |\n|------|------|---------|---------|\n| P0 | 关键：核心业务流程 | ≤20% | 登录、支付、下单 |\n| P1 | 重要：主要功能 | ≤40% | 搜索、筛选、导出 |\n| P2 | 一般：次要功能 | ≤30% | 设置、帮助、关于 |\n| P3 | 可选：边缘场景 | ≤10% | 美化、优化、建议 |\n\n## 测试类型分类\n\n| 类型 | 说明 | 适用场景 |\n|------|------|---------|\n| 功能测试 | 验证功能是否符合需求 | 所有功能 |\n| 接口测试 | 验证API接口 | 后端接口 |\n| 安全测试 | 验证安全防护 | 敏感功能 |\n| 性能测试 | 验证性能指标 | 高并发场景 |\n| 兼容性测试 | 验证兼容性 | 多端适配 |\n| 路由测试 | 验证页面跳转 | 前端路由 |\n| 联动测试 | 验证跨页面联动 | 多页面业务 |\n\n## 输出示例\n\n### 示例1：功能测试用例\n\n```markdown\n| TC_USER_LOGIN_001 | REQ-USER-001 | RISK-LOGIN-001 | 功能测试 | 用户管理 | 验证正确用户名密码登录成功 | P0 | 1.用户已注册 2.账号状态正常 | 1.打开登录页面 2.输入正确用户名 3.输入正确密码 4.点击登录按钮 | 1.跳转到首页 2.显示用户信息 3.登录状态有效 | 高 |\n```\n\n### 示例2：接口测试用例\n\n```markdown\n| TC_API_LOGIN_001 | REQ-USER-002 | RISK-API-001 | 接口测试 | 用户管理 | 验证登录接口返回正确Token | P0 | 1.接口服务正常 2.用户已注册 | 1.调用登录接口 2.传入正确参数 3.检查返回结果 | 1.返回200状态码 2.返回有效Token 3.Token过期时间正确 | 高 |\n```\n\n### 示例3：安全测试用例\n\n```markdown\n| TC_SEC_LOGIN_001 | REQ-USER-003 | RISK-SEC-001 | 安全测试 | 用户管理 | 验证SQL注入防护 | P0 | 1.登录页面可访问 | 1.输入用户名: admin' OR '1'='1 2.输入密码: any 3.点击登录 | 1.登录失败 2.无SQL执行 3.记录安全日志 | 高 |\n```\n\n### 示例4：路由测试用例\n\n```markdown\n| TC_ROUTE_ORDER_001 | REQ-ORDER-001 | RISK-ROUTE-001 | 路由测试 | 订单管理 | 验证订单详情页路由参数传递 | P0 | 1.用户已登录 2.存在订单 | 1.访问订单列表 2.点击订单详情 3.检查URL参数 | 1.跳转到详情页 2.URL包含订单ID 3.数据正确加载 | 高 |\n```\n\n## 覆盖率要求\n\n| 维度 | 覆盖率要求 |\n|------|-----------|\n| 功能覆盖率 | 100%需求点 |\n| P0用例 | 100%覆盖 |\n| 异常场景 | ≥30%用例 |\n| 边界场景 | ≥10%用例 |\n\n## 质量标准\n\n- [ ] 用例标题清晰无歧义\n- [ ] 预置条件完整可执行\n- [ ] 测试步骤详细可重复\n- [ ] 预期结果客观可验证\n- [ ] 用例级别合理\n- [ ] 风险等级准确\n\nFile v1.4.0:skill-card.md\n\n## Description: <br>\nBuilds structured QA context packages from requirements, scenario trees, boundary lists, and related testing analysis so an agent can prepare higher-quality test design prompts. <br>\n\nThis skill is ready for commercial/non-commercial use. <br>\n\n## Publisher: <br>\n[kokxi](https://clawhub.ai/user/kokxi) <br>\n\n### License/Terms of Use: <br>\nMIT-0 <br>\n\n\n## Use Case: <br>\nQA engineers, testers, and developers use this skill to organize incomplete or scattered product requirements into a structured testing context package before generating test cases or test analysis prompts. <br>\n\n### Deployment Geography for Use: <br>\nGlobal <br>\n\n## Known Risks and Mitigations: <br>\nRisk: Broad activation phrases such as \"structure this\" or \"analyze this function\" may trigger QA-oriented context packaging when the user did not clearly ask for testing support. <br>\nMitigation: Confirm the user wants QA or testing context when the request is ambiguous before applying the skill's output structure. <br>\nRisk: The skill may make reasonable assumptions to fill missing context, which can lead to misleading test coverage if assumptions are not visible to the user. <br>\nMitigation: Keep inferred or assumed information explicitly labeled and ask follow-up questions for missing business, security, compatibility, or risk details when they materially affect the test plan. <br>\n\n\n## Reference(s): <br>\n- [ClawHub Skill Page](https://clawhub.ai/kokxi/skills/qa-ai-context-engineering) <br>\n- [Test Case Output Template](reference/output-template.md) <br>\n\n\n## Skill Output: <br>\n**Output Type(s):** [text, json, guidance] <br>\n**Output Format:** [Structured JSON context package with testing guidance] <br>\n**Output Parameters:** [1D] <br>\n**Other Properties Related to Output:** [Organizes business goals, user roles, functional boundaries, optional technical details, risks, and expected test output quality requirements.] <br>\n\n## Skill Version(s): <br>\n1.4.0 (source: server release metadata) <br>\n\n## Ethical Considerations: <br>\nUsers 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. <br>","readmeExcerpt":"Skill: qa-ai-context-engineering Owner: kokxi Summary: 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 structur","codeSnippets":[],"executableExamples":[{"language":"text","snippet":"【业务背景】业务目标 / 目标用户 / 核心价值\n【用户角色】角色A - 核心诉求；角色B - 核心诉求"},{"language":"text","snippet":"【功能边界】功能名称 / 核心流程 / 输入 / 输出\n【非功能需求】性能 / 安全 / 兼容性"},{"language":"text","snippet":"【技术架构】技术栈 / 关键接口 / 数据流向 / 依赖服务\n【历史缺陷模式】同类型功能曾出现过的 Bug + 规避方法"},{"language":"text","snippet":"【输出要求】9 列标准用例表（真源：qa-test-case-design/references/output-template-full.md）\n           编号 TC_{模块缩写}_{功能缩写}_{三位序号}\n           级别占比 P0≤20% / P1≤40% / P2≤30% / P3≤10%\n           覆盖率必须标注口径"},{"language":"text","snippet":"📦 AI上下文包（目标模型：X，窗口 YK，预估 ZK token）\n├─ 上游齐备度：需求解构 ✓ / 场景树 ✓ / 边界清单 ✓ / 组合矩阵 ○ …\n│                缺失：X → 建议先补 qa-xxx\n├─ 第1层 业务目标与用户角色        [必填]\n├─ 第2层 功能描述与约束条件        [必填]\n├─ 第3层 技术细节与历史缺陷        [按需]\n├─ 第4层 输出格式与质量要求        [必填]\n└─ 来源标注汇总：[用户提供] n 条 / [推断] n 条 / [假设] n 条"},{"language":"text","snippet":"1. 超窗检测：估算包 token（中文约 1 字 ≈ 1-1.5 token），\n              超过目标窗口 80% 即触发裁剪\n2. 裁剪顺序：先裁第 3 层（技术细节/历史缺陷）\n            → 再压缩第 2 层（功能描述去重）\n            → 保留第 1 层（业务目标）与第 4 层（输出要求）\n3. 历史缺陷降级：完整列表 → TOP10 → TOP5 摘要\n                  （只留\"缺陷模式 + 规避方法\"，不带复现步骤）\n4. 分批注入：超窗时先注入\"第 1 层 + 第 4 层\"，\n            第 2/3 层在提示词中引用\"详见上下文包附件\""}],"parameters":null,"dependencies":[],"permissions":[],"extractedFiles":[{"path":"SKILL.md","content":"---\nname: qa-ai-context-engineering\ndescription: >-\n  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。\n  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.\nlicense: MIT\nallowed-tools: Read Grep Glob WebFetch\nmetadata:\n  display-name: \"Ai Context Engineering\"\n  version: \"1.8.0\"\n  when-to-use: \"用户说\\\"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\"\n  related-skills: \"{\\\"upstream\\\":[\\\"qa-req-deconstruction\\\",\\\"qa-scenario-tree\\\",\\\"qa-boundary-deep-dive\\\",\\\"qa-combination-strategy\\\",\\\"qa-state-transition\\\"],\\\"downstream\\\":[\\\"qa-ai-prompt-strategy\\\"]}\"\n  references: \"[\\\"references/window-adaptation.md\\\",\\\"assets/context-package.md\\\"]\"\n  input-format: \"{\\\"required\\\":[{\\\"name\\\":\\\"需求解构表\\\",\\\"type\\\":\\\"object\\\",\\\"description\\\":\\\"来自qa-req-deconstruction的需求解构结果\\\"},{\\\"name\\\":\\\"场景树\\\",\\\"type\\\":\\\"object\\\",\\\"description\\\":\\\"来自qa-scenario-tree的场景树结构\\\"}],\\\"optional\\\":[{\\\"name\\\":\\\"边界清单\\\",\\\"type\\\":\\\"object\\\",\\\"description\\\":\\\"来自qa-boundary-deep-dive的边界分析结果\\\"},{\\\"name\\\":\\\"组合矩阵\\\",\\\"type\\\":\\\"object\\\",\\\"description\\\":\\\"来自qa-combination-strategy的组合覆盖矩阵\\\"},{\\\"name\\\":\\\"状态转换图\\\",\\\"type\\\":\\\"object\\\",\\\"description\\\":\\\"来自qa-state-transition的状态转换分析\\\"},{\\\"name\\\":\\\"风险评估\\\",\\\"type\\\":\\\"object\\\",\\\"description\\\":\\\"来自qa-risk-intuition的风险评估结果\\\"}]}\"\n  output-format: \"{\\\"traceability\\\":[\\\"本技能只打包上下文、不产出新 ID；沿用上游需求ID：REQ-{需求模块缩写}-{序号}、场景ID：SC-{场景模块缩写}-{序号}、边界ID：BD-{模块缩写}-{序号}、风险ID：RISK-{模块缩写}-{风险类型}-{三位序号}、规则ID：RULE-{CAL|VAL|PERM|FLOW}-{序号}\\\"],\\\"structure\\\":[{\\\"context_package\\\":\\\"AI上下文包：四层金字塔（第1层业务目标与用户角色 / 第2层功能描述与约束条件 / 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）\\\"},\\\"来源标注：每条信息必须标 [用户提供] / [推断] / [假设]；[假设] 项下游必须显式暴露或回上游确认\\\",\\\"第1层与第4层必填且永不裁剪；第3层按需，超窗时首个被裁\\\",\\\"第4层的 9 列输出格式引用 qa-test-case-design 的真源，本技能不自行定义或改动\\\",\\\"缺失的上游必须显式声明并给出回退建议，不得静默假设\\\",\\\"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\\\",\\\"覆盖率：标注口径（基于已有上游产出），禁止\\\\\\\"全覆盖/100%\\\\\\\"绝对化表述\\\"]}\"\n  error-recovery-guidance: \"{\\\"on_failure\\\":\\\"上下文包不完整时回退到上游分析步骤补充\\\",\\\"retry_behavior\\\":\\\"补充缺失的上游输入后重新打包上下文\\\"}\"\n  categories: \"[\\\"Development\\\",\\\"Testing\\\",\\\"AI\\\"]\"\n  depth-requirement: \"{\\\"reference_value\\\":\\\"按上游分析的丰富度决定包深度；四层全建为「完整测试」，可只建第1/2/4层为「日常/紧急测试」\\\",\\\"minimum\\\":\\\"至少包含需求解构表、场景树、边界清单 3 个核心上游输入；缺失项必须显式声明\\\"}\"\n---\n\n> ⚠️ 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\n\n# AI 上下文工程\n\n## 核心原则\n\n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。\n\n**不是给更多信息，而是给对的信息结构。**\n\n> **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\"，\n> 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。\n> **每条信息都要标 `[用户提供]` / `[推断]` / `[假设]`。**\n\n## 1. 上下文金字塔（必须按此顺序构建）\n\n### 第 1 层 业务目标与用户角色（必填，永不裁剪）\n```text\n【业务背景】业务目标 / 目标用户 / 核心价值\n【用户角色】角色A - 核心诉求；角色B - 核心诉求\n```\n> 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。**\n\n### 第 2"},{"path":"_meta.json","content":"{\n  \"ownerId\": \"kn71y9b23csfx0ykgm55d5m9x5891zt8\",\n  \"slug\": \"qa-ai-context-engineering\",\n  \"version\": \"1.8.0\",\n  \"publishedAt\": 1790655899887\n}"},{"path":"references/window-adaptation.md","content":"# 上下文窗口适配与完整包示例\n\n> 本文是 `qa-ai-context-engineering` 的**适配参考**。目标模型上下文窗口不够、\n> 或需要看完整上下文包长什么样时读本文。\n> 上下文金字塔四层的定义见 `SKILL.md`，日常构建不必读本文。\n\n---\n\n## ⚠️ 窗口数据会过时\n\n下表是**编写时的快照**，各家模型的窗口规格与 API 限制会变。用之前先核实当前值，\n不要把这里的数字当作权威。**判断依据是\"包大小 vs 目标模型窗口的比例\"，不是具体数字。**\n\n| 模型 | 窗口（快照值） | 策略 |\n|------|--------------|------|\n| DeepSeek | 64K-128K | 完整金字塔直投，保留全部 4 层 |\n| 通义千问 | 32K-100K+ | 保留第 1/2/4 层，第 3 层按需截断 |\n| 文心一言 | 8K-32K | 压缩为\"业务目标 + 功能边界 + 输出格式\"三要素 |\n| 豆包 | 32K-128K | 完整直投，核心约束放包尾 |\n| Kimi | 128K-200K | 可带完整历史缺陷与全部技术细节，无需裁剪 |\n\n**不确定目标模型时按小窗口（8K-32K）规划**——按最小窗口设计的包，\n在任何更大的窗口里都不会被截断；反过来不会成立。\n\n## 超窗降级策略\n\n```text\n1. 超窗检测：估算包 token（中文约 1 字 ≈ 1-1.5 token），\n              超过目标窗口 80% 即触发裁剪\n2. 裁剪顺序：先裁第 3 层（技术细节/历史缺陷）\n            → 再压缩第 2 层（功能描述去重）\n            → 保留第 1 层（业务目标）与第 4 层（输出要求）\n3. 历史缺陷降级：完整列表 → TOP10 → TOP5 摘要\n                  （只留\"缺陷模式 + 规避方法\"，不带复现步骤）\n4. 分批注入：超窗时先注入\"第 1 层 + 第 4 层\"，\n            第 2/3 层在提示词中引用\"详见上下文包附件\"\n```\n\n> **第 1 层和第 4 层永远不裁**。业务目标丢了 AI 不知道测什么，\n> 输出要求丢了 AI 不知道交什么——这两层是包的骨架。\n\n---\n\n## 完整上下文包示例\n\n```text\n📦 AI上下文包（目标模型：DeepSeek，窗口 64K，预估 8.2K token）\n\n第1层 业务目标与用户角色\n├─ 业务目标：用户登录系统，验证身份并返回会话凭证\n├─ 用户角色：普通用户（账号密码）、管理员（额外权限）、游客（限制访问）\n└─ 核心指标：登录成功率、平均响应时间\n\n第2层 功能描述与约束条件\n├─ 功能边界：用户名+密码登录、验证码、密码找回、会话管理\n├─ 业务规则：密码错误 3 次锁定 15 分钟；验证码 5 分钟有效\n└─ 约束：支持 5000 并发登录；密码强度至少 8 位含数字字母\n\n第3层 技术细节与历史缺陷（按需）\n├─ 技术栈：Spring Boot + MySQL + Redis 会话\n├─ 历史缺陷 TOP5：\n│   1. 密码错误锁定未区分用户（越权锁定）→ 按账号+IP 双维度\n│   2. 验证码并发可用多次 → 一次性校验 + 过期删除\n│   3. Token 未设过期时间 → 加 30 分钟滑动过期\n│   4. 登录接口无频控 → 加 5 次/分钟 IP 限流\n│   5. 会话固定攻击 → 登录成功后重新生成 SessionID\n\n第4层 输出格式与质量要求\n├─ 输出：9 列标准用例表（格式以 qa-test-case-design 的真源为准）\n├─ 编号：TC_{模块缩写}_{功能缩写}_{三位序号}\n├─ 深度：登录接口为中等复杂度，用例数 ≥ 10 条\n└─ 质量：每条可执行可验证，覆盖率标注口径\n```\n\n## 信息来源标注（必做）\n\n包内每条信息都要标来源，让下游知道哪些可以质疑：\n\n| 标记 | 含义 | 下游怎么处理 |\n|------|------|------------|\n| `[用户提供]` | 来自需求文档或用户明确说明 | 可直接采信 |\n| `[推断]` | 由已知信息合理推出 | 可采信，但应在产出中标注推断 |\n| `[假设]` | 无依据，编造性补全 | **必须在产出中显式暴露**，或回上游确认 |\n\n> **不标来源是上下文工程最大的失败**。下游 AI 无法区分\"需求文档要求的\"和\"你编的\"，\n> 于是把假设当成事实写进用例——这类缺陷到最后都查不出来是谁引入的。"},{"path":"assets/context-package.md","content":"# AI 上下文包模板\n\n> 复制下面整块板填写。四层金字塔的定义见 `SKILL.md`，\n> 超窗降级策略见 [`../references/window-adaptation.md`](../references/window-adaptation.md)。\n\n## AI 上下文包\n\n**目标模型**：[模型名] ｜ **窗口**：[K] ｜ **预估包大小**：[K] token\n**上游输入齐备度**：[需求解构 ✓ / 场景树 ✓ / 边界清单 ✓ / 组合矩阵 ○ / 状态转换 ○ / 风险评估 ○]\n**缺失项与建议**：[缺 X → 建议先补 qa-xxx，或本次按[假设]处理]\n\n---\n\n### 第 1 层 业务目标与用户角色（必填，永不裁剪）\n\n```text\n【业务背景】\n- 业务目标：[这个功能要解决什么问题]\n- 目标用户：[谁在用]\n- 核心价值：[用户能得到什么]\n\n【用户角色】\n| 角色 | 核心诉求 | 权限边界 |\n|------|---------|---------|\n| [角色A] | [诉求] | [能做什么/不能做什么] |\n| [角色B] | [诉求] | [ ] |\n```\n\n### 第 2 层 功能描述与约束条件（必填）\n\n```text\n【功能边界】\n- 功能名称：\n- 核心流程：[主路径，来源标签]\n- 输入：[用户输入什么]\n- 输出：[系统返回什么]\n\n【业务规则】          ← 来自 qa-req-deconstruction 的 RULE- 清单\n| 规则 ID | 触发条件 | 必须满足 | 来源 |\n|---------|---------|---------|------|\n| RULE-XXX-001 | [若X] | [则Y必须满足Z] | [用户提供] |\n\n【非功能需求】\n- 性能要求：[来源标签]\n- 安全要求：[来源标签]\n- 兼容性要求：[来源标签]\n```\n\n### 第 3 层 技术细节与历史缺陷（按需，超窗首个被裁）\n\n```text\n【技术架构】\n- 技术栈：\n- 关键接口：\n- 数据流向：\n- 依赖服务：\n\n【历史缺陷模式】      ← 来自 qa-bug-root-cause-analysis / qa-risk-intuition\n| 缺陷模式 | 根因 | 规避方法 | 来源 |\n|---------|------|---------|------|\n| [如 验证码并发可用多次] | [一次性校验缺失] | [一次性校验+过期删除] | [用户提供] |\n```\n\n### 第 4 层 输出格式与质量要求（必填，永不裁剪）\n\n```text\n【输出要求】\n- 格式：9 列标准用例表\n  （格式唯一真源：qa-test-case-design/references/output-template-full.md）\n- 列：用例编号|测试类型|功能模块|测试标题|用例级别|预置条件|测试步骤|预期结果|风险等级\n- 编号：TC_{模块缩写}_{功能缩写}_{三位序号}，不使用场景后缀\n- 用例级别占比：P0≤20% / P1≤40% / P2≤30% / P3≤10%\n- 深度要求：[本功能用例数下限，注明依据]\n- 质量要求：每条可执行可验证；覆盖率必须标注口径\n- 禁止：绝对化覆盖率表述（\"全覆盖\"/\"100%\"）\n```\n\n### 来源标注汇总（必做）\n\n| 标记 | 条数 | 说明 |\n|------|------|------|\n| `[用户提供]` | [n] | 来自需求文档或用户明确说明 |\n| `[推断]` | [n] | 由已知信息合理推出 |\n| `[假设]` | [n] | 无依据补全，**下游必须显式暴露或回上游确认** |\n\n## 填写要求\n\n| 项 | 要求 | 常见错误 |\n|----|------|---------|\n| 信息来源 | 每条信息标 `[用户提供]`/`[推断]`/`[假设]` | 不标——下游无法区分需求与编造 |\n| 第 1/4 层 | 必填且不裁剪 | 超窗时被一起裁掉 |\n| 上游齐备度 | 显式列出已收到哪些上游产出 | 缺了不声明，直接假设 |\n| 缺失项 | 缺失的上游 + 建议回退的技能 | 静默假设 |\n| 业务规则 | 引用 `RULE-` ID，不重写 | 另起一套规则编号 |\n| 输出格式 | 引用 `qa-test-case-design` 真源 | 自行复述或改动列 |\n| 窗口预留 | 标注目标模型与窗口；不确定按 8K-32K 规划 | 不标注，撞上窗口被静默截断 |\n\n## 交付前自检\n\n- [ ] 四层齐备（第 3 层可按需，但缺失需说明）\n- [ ] **每条信息都标了来源**，无未标注内容\n- [ ] `[假设]` 项已列出，且明确要求下游暴露或回上游确认\n- [ ] 上游缺失项已显式声明 + 给出回退建议\n- [ ] 业务规则引用 `RULE-` ID\n- [ ] 第 4 层引用 `qa-test-case-design` 的格式真源，未自行改动列\n- [ ] 标注了目标模型与窗口；包大小估算 < 窗口 80%\n- [ ] 已知的历史缺陷模式已带入（有的话）"},{"path":"skill-card.md","content":"## Description:\n\nPackages QA requirements, scenarios, boundaries, and risks into a structured, source-labeled AI context package for downstream test-case generation.\n\nThis skill is ready for commercial/non-commercial use.\n\n## Publisher:\n\n[kokxi](https://clawhub.ai/user/kokxi)\n\n### License/Terms of Use:\n\nMIT-0\n\n## Use Case:\n\nQA practitioners and developers use this skill to consolidate upstream testing analysis into a four-layer context package before prompting an AI to generate test cases. It flags missing inputs and distinguishes supplied facts, inferences, and assumptions.\n\n### Deployment Geography for Use:\n\nGlobal\n\n## Known Risks and Mitigations:\n\nRisk: Unverified assumptions or missing upstream inputs could distort later test cases.\n\nMitigation: Label each item as supplied, inferred, or assumed; disclose missing inputs and confirm assumptions before downstream use.\n\nRisk: An optional command to install the broader skill set runs third-party code.\n\nMitigation: Treat installation as optional and verify the package source and version before running it.\n\nRisk: Uploaded requirements or fetched URLs may expose unrelated information.\n\nMitigation: Provide only files or URLs relevant to the QA context package.\n\n## Reference(s):\n\n- [Context package template](artifact/assets/context-package.md)\n- [Context window adaptation](artifact/references/window-adaptation.md)\n- [ClawHub release page](https://clawhub.ai/kokxi/skills/qa-ai-context-engineering)\n\n## Skill Output:\n\n**Output Type(s):** [Text, Markdown]\n\n**Output Format:** [Structured four-layer AI context package with source labels]\n\n**Output Parameters:** [1D]\n\n**Other Properties Related to Output:** [Reports missing upstream inputs and fallback guidance; does not generate test cases.]\n\n## Skill Version(s):\n\n1.8.0 (source: skill frontmatter and ClawHub release)\n\n## Ethical Considerations:\n\nUsers 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."}],"languages":[],"docsSourceLabel":"CLAWHUB","editorialOverview":"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. Skill: qa-ai-context-engineering Owner: kokxi Summary: 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 structur","editorialQuality":{"score":100,"threshold":65,"status":"ready","wordCount":1219,"uniquenessScore":46,"reasons":[]}},"media":{"evidence":{"source":"no-media","verified":false,"confidence":"low","updatedAt":"2026-10-11T09:36:05.152Z","emptyReason":"No screenshots, media assets, or demo links are available."},"primaryImageUrl":null,"mediaAssetCount":0,"assets":[],"demoUrl":null},"ownerResources":{"evidence":{"source":"unclaimed","verified":false,"confidence":"low","updatedAt":"2026-10-11T09:36:05.152Z","emptyReason":"This page has not been claimed by the agent owner."},"hasCustomPage":false,"customPageUpdatedAt":null,"customLinks":[],"structuredLinks":{"docsUrl":null,"demoUrl":null,"supportUrl":null,"pricingUrl":null,"statusUrl":null},"customPage":null},"relatedAgents":{"evidence":{"source":"protocol-neighbors","verified":false,"confidence":"medium","updatedAt":"2026-10-11T14:13:40.890Z","emptyReason":null},"items":[{"id":"8ebccd8e-3863-4187-8355-c3f14e1f9edf","entityType":"agent","canonicalPath":"/agent/iofficeai-aionui","slug":"iofficeai-aionui","name":"AionUi","description":"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!","url":"https://github.com/iOfficeAI/AionUi","homepage":"https://www.aionui.com","source":"GITHUB_REPOS","protocols":["MCP","OPENCLAW"],"capabilities":[],"safetyScore":100,"overallRank":70,"updatedAt":"2026-10-09T19:11:12.944Z","createdAt":"2026-02-25T03:38:16.584Z","downloads":null},{"id":"b917f68a-ebff-438e-84f8-3f4b2494c0bc","entityType":"agent","canonicalPath":"/agent/activepieces-activepieces","slug":"activepieces-activepieces","name":"activepieces","description":"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","url":"https://github.com/activepieces/activepieces","homepage":"https://www.activepieces.com","source":"GITHUB_REPOS","protocols":["OPENCLAW"],"capabilities":[],"safetyScore":100,"overallRank":70,"updatedAt":"2026-04-15T02:22:12.426Z","createdAt":"2026-02-25T03:38:12.412Z","downloads":null},{"id":"5cb26759-3a39-483f-94cf-276a98c13bb8","entityType":"agent","canonicalPath":"/agent/cherryhq-cherry-studio","slug":"cherryhq-cherry-studio","name":"cherry-studio","description":"AI productivity studio with smart chat, autonomous agents, and 300+ assistants. Unified access to frontier LLMs","url":"https://github.com/CherryHQ/cherry-studio","homepage":"https://cherry-ai.com","source":"GITHUB_REPOS","protocols":["MCP","OPENCLAW"],"capabilities":[],"safetyScore":100,"overallRank":70,"updatedAt":"2026-04-11T14:38:40.986Z","createdAt":"2026-02-25T03:38:19.379Z","downloads":null},{"id":"6f6582d0-5d76-4f0f-b81d-86520247950b","entityType":"agent","canonicalPath":"/agent/copilotkit-copilotkit","slug":"copilotkit-copilotkit","name":"CopilotKit","description":"The Frontend for Agents & Generative UI. React + Angular","url":"https://github.com/CopilotKit/CopilotKit","homepage":"https://docs.copilotkit.ai","source":"GITHUB_REPOS","protocols":["OPENCLAW"],"capabilities":[],"safetyScore":100,"overallRank":70,"updatedAt":"2026-03-25T09:50:57.846Z","createdAt":"2026-02-25T03:39:14.617Z","downloads":null}],"links":{"hub":"/agent","source":"/agent/source/clawhub","protocols":[{"label":"OpenClaw","href":"/agent/protocol/openclew"}]}}}