{"id":"42b0d3ff-3902-41d6-8493-e674d2fd84d8","entityType":"agent","slug":"clawhub-kokxi-qa-output-validation","name":"qa-output-validation","canonicalUrl":"https://www.xpersona.co/agent/clawhub-kokxi-qa-output-validation","canonicalPath":"/agent/clawhub-kokxi-qa-output-validation","generatedAt":"2026-10-11T14:13:39.021Z","source":"CLAWHUB","claimStatus":"UNCLAIMED","verificationTier":"NONE","summary":{"evidence":{"source":"editorial-content","verified":true,"confidence":"high","updatedAt":"2026-10-11T10:28:45.612Z","emptyReason":null},"description":"在最终输出前对测试用例做最后一轮防幻觉验证：事实核查（引用的需求ID是否存在）、一致性检查（用例之间是否矛盾）、可执行性验证（步骤是否能实际操作）、来源追溯（每个用例是否能追溯到具体需求）。当测试用例已经生成完毕、准备输出了，但你不确定AI有没有编造不存在的功能或需求时，应当使用此技能。这是整个工作流的最终质量守门——如果验证失败，必须返回问题清单要求修正，不得跳过。 触发场景：验证一下输出、检查有没有幻觉、这个用例对吗、确认一下质量、时。 Use when the user asks about: final anti-hallucination verification of generated test cases — fact checking, cross-case consistency, executability, and requirement traceability. Skill: qa-output-validation Owner: kokxi Summary: 在最终输出前对测试用例做最后一轮防幻觉验证：事实核查（引用的需求ID是否存在）、一致性检查（用例之间是否矛盾）、可执行性验证（步骤是否能实际操作）、来源追溯（每个用例是否能追溯到具体需求）。当测试用例已经生成完毕、准备输出了，但你不确定AI有没有编造不存在的功能或需求时，应当使用此技能。这是整个工作流的最终质量守门——如果验证失败，必须返回问题清单要求修正，不得跳过。 触发场景：验证一下输出、检查有没有幻觉、这个用例对吗、确认一下质量、时。 Use when the user asks about: final anti-hallucination verification of generated test cases — fact checking, cross-case consistency, executability,","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-output-validation","sourceUrl":"https://clawhub.ai/kokxi/qa-output-validation","homepage":"https://clawhub.ai/kokxi/skills/qa-output-validation","primaryLinks":[{"label":"View on ClawHub","url":"https://clawhub.ai/kokxi/qa-output-validation","kind":"source"},{"label":"Homepage","url":"https://clawhub.ai/kokxi/skills/qa-output-validation","kind":"homepage"}],"safetyScore":84,"overallRank":62,"popularityScore":61,"trustScore":null,"claimedByName":null,"isOwner":false,"seoDescription":"在最终输出前对测试用例做最后一轮防幻觉验证：事实核查（引用的需求ID是否存在）、一致性检查（用例之间是否矛盾）、可执行性验证（步骤是否能实际操作）、来源追溯（每个用例是否能追溯到具体需求）。当测试用例已经生成完毕、准备输出了，但你不确定AI有没有编造不存在的功能或需求时，应当使用此技能。这是整个工作流的最终质量守门——"},"coverage":{"evidence":{"source":"public-profile","verified":false,"confidence":"medium","updatedAt":"2026-10-11T10:28:45.612Z","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":"2026-10-11T10:28:45.612Z","emptyReason":null},"stars":null,"forks":null,"downloads":1087,"packageName":null,"latestVersion":"1.8.0","tractionLabel":"1.1K downloads"},"release":{"evidence":{"source":"CLAWHUB","verified":false,"confidence":"medium","updatedAt":"2026-10-11T10:28:45.458Z","emptyReason":null},"lastUpdatedAt":"2026-10-11T10:28:45.612Z","lastCrawledAt":"2026-10-11T10:28:45.458Z","lastIndexedAt":null,"nextCrawlAt":"2026-10-12T10:28:45.458Z","lastVerifiedAt":null,"highlights":[{"version":"1.8.0","createdAt":"2026-09-29T04:27:07.439Z","changelog":"Version 1.8.0 - Migrated detailed “验证维度” content to a separate reference file (`references/validation-dimensions.md`) to reduce context overhead and improve maintainability. - Updated SKILL.md to use metadata fields for configuration, condensing top-level config and restructuring documentation. - Removed `skill-card.md` as it is no longer needed. - Added explicit notice recommending use alongside the full 12-step workflow for optimal results. - Overall structure and validation process remain unchanged; no changes to validation logic.","fileCount":4,"zipByteSize":6664},{"version":"1.7.7","createdAt":"2026-09-27T14:36:05.659Z","changelog":"1.7.7","fileCount":3,"zipByteSize":5762},{"version":"1.7.6","createdAt":"2026-09-01T12:41:35.944Z","changelog":"显示名改中文","fileCount":3,"zipByteSize":6068},{"version":"1.7.5","createdAt":"2026-08-30T15:15:18.678Z","changelog":"1.7.5: 版本号升级","fileCount":3,"zipByteSize":5830},{"version":"1.7.0","createdAt":"2026-08-16T14:31:36.052Z","changelog":"qa-output-validation 1.7.0 - 移除 skill-card.md 文件，简化技能元数据内容。 - SKILL.md 结构和内容未作功能性更改，保留全部核心描述和说明。 - 版本号更新为 1.7.0，对应文件调整与不再需要的元信息文件的清理。","fileCount":3,"zipByteSize":5666},{"version":"1.6.3","createdAt":"2026-08-12T15:24:46.348Z","changelog":"- Removed redundant file: skill-card.md. - Updated SKILL.md with new metadata fields: added slug and displayName. - Bumped version to 1.6.3. - No changes to core validation logic or workflow. - Documentation structure and usage instructions remain unchanged.","fileCount":3,"zipByteSize":5667},{"version":"1.6.0","createdAt":"2026-07-06T17:15:59.664Z","changelog":"Version 1.6.0 - Added output categories for better skill classification. - Clarified that the validation process does not assign new unique IDs and that issue lists should be tied to original case IDs. - Introduced requirements for depth quantification, including reference values and minimum mandatory checks. - Added a security warning regarding the handling of phantom features and output location/usage. - Removed the file skill-card.md.","fileCount":3,"zipByteSize":5648},{"version":"1.5.0","createdAt":"2026-06-29T12:33:38.086Z","changelog":"- Add version number (1.5.0) and concise description with stronger emphasis on \"final guard\" before output. - Introduce error recovery guidance: clear instructions on what to do when validation fails. - Restructure and clarify the overview and when to use sections for easier understanding. - Remove the redundant file skill-card.md. - Minor wording and structural improvements for brevity and focus; content and validation flow unchanged.","fileCount":3,"zipByteSize":5240}]},"execution":{"evidence":{"source":"CLAWHUB","verified":false,"confidence":"low","updatedAt":null,"emptyReason":"No published capability contract is available yet."},"installCommand":"clawhub skill install s170jw3s1atcj5jwhqb4r7v7eh8912kp:qa-output-validation","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-output-validation/snapshot","contractUrl":"https://www.xpersona.co/api/v1/agents/clawhub-kokxi-qa-output-validation/contract","trustUrl":"https://www.xpersona.co/api/v1/agents/clawhub-kokxi-qa-output-validation/trust"},"curlExamples":["curl -s \"https://www.xpersona.co/api/v1/agents/clawhub-kokxi-qa-output-validation/snapshot\"","curl -s \"https://www.xpersona.co/api/v1/agents/clawhub-kokxi-qa-output-validation/contract\"","curl -s \"https://www.xpersona.co/api/v1/agents/clawhub-kokxi-qa-output-validation/trust\""],"jsonRequestTemplate":{"query":"summarize this repo","constraints":{"maxLatencyMs":2000,"protocolPreference":["OPENCLEW"]}},"jsonResponseTemplate":{"ok":true,"result":{"summary":"...","confidence":0.9},"meta":{"source":"CLAWHUB","generatedAt":"2026-10-11T14:13:39.020Z"}},"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-output-validation/dossier","snapshotUrl":"https://www.xpersona.co/api/v1/agents/clawhub-kokxi-qa-output-validation/snapshot","contractUrl":"https://www.xpersona.co/api/v1/agents/clawhub-kokxi-qa-output-validation/contract","trustUrl":"https://www.xpersona.co/api/v1/agents/clawhub-kokxi-qa-output-validation/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":"2026-10-11T10:28:45.612Z","emptyReason":null},"readme":"Skill: qa-output-validation\n\nOwner: kokxi\n\nSummary: 在最终输出前对测试用例做最后一轮防幻觉验证：事实核查（引用的需求ID是否存在）、一致性检查（用例之间是否矛盾）、可执行性验证（步骤是否能实际操作）、来源追溯（每个用例是否能追溯到具体需求）。当测试用例已经生成完毕、准备输出了，但你不确定AI有没有编造不存在的功能或需求时，应当使用此技能。这是整个工作流的最终质量守门——如果验证失败，必须返回问题清单要求修正，不得跳过。 触发场景：验证一下输出、检查有没有幻觉、这个用例对吗、确认一下质量、时。 Use when the user asks about: final anti-hallucination verification of generated test cases — fact checking, cross-case consistency, executability, and requirement traceability.\n\nTags: latest:1.8.0\n\nVersion history:\n\nv1.8.0 | 2026-09-29T04:27:07.439Z | auto\n\nVersion 1.8.0\n\n- Migrated detailed “验证维度” content to a separate reference file (`references/validation-dimensions.md`) to reduce context overhead and improve maintainability.\n- Updated SKILL.md to use metadata fields for configuration, condensing top-level config and restructuring documentation.\n- Removed `skill-card.md` as it is no longer needed.\n- Added explicit notice recommending use alongside the full 12-step workflow for optimal results.\n- Overall structure and validation process remain unchanged; no changes to validation logic.\n\nv1.7.7 | 2026-09-27T14:36:05.659Z | user\n\n1.7.7\n\nv1.7.6 | 2026-09-01T12:41:35.944Z | user\n\n显示名改中文\n\nv1.7.5 | 2026-08-30T15:15:18.678Z | user\n\n1.7.5: 版本号升级\n\nv1.7.0 | 2026-08-16T14:31:36.052Z | auto\n\nqa-output-validation 1.7.0\n\n- 移除 skill-card.md 文件，简化技能元数据内容。\n- SKILL.md 结构和内容未作功能性更改，保留全部核心描述和说明。\n- 版本号更新为 1.7.0，对应文件调整与不再需要的元信息文件的清理。\n\nv1.6.3 | 2026-08-12T15:24:46.348Z | auto\n\n- Removed redundant file: skill-card.md.\n- Updated SKILL.md with new metadata fields: added slug and displayName.\n- Bumped version to 1.6.3.\n- No changes to core validation logic or workflow. \n- Documentation structure and usage instructions remain unchanged.\n\nv1.6.0 | 2026-07-06T17:15:59.664Z | auto\n\nVersion 1.6.0\n\n- Added output categories for better skill classification.\n- Clarified that the validation process does not assign new unique IDs and that issue lists should be tied to original case IDs.\n- Introduced requirements for depth quantification, including reference values and minimum mandatory checks.\n- Added a security warning regarding the handling of phantom features and output location/usage.\n- Removed the file skill-card.md.\n\nv1.5.0 | 2026-06-29T12:33:38.086Z | auto\n\n- Add version number (1.5.0) and concise description with stronger emphasis on \"final guard\" before output.\n- Introduce error recovery guidance: clear instructions on what to do when validation fails.\n- Restructure and clarify the overview and when to use sections for easier understanding.\n- Remove the redundant file skill-card.md.\n- Minor wording and structural improvements for brevity and focus; content and validation flow unchanged.\n\nv1.4.1 | 2026-06-25T16:55:15.523Z | auto\n\n- skill-card.md 文件已移除；文档维护更为集中。\n- SKILL.md 描述和 overview 精简，去除重复表述，更突出“输出验证”功能定位。\n- 保留并强化了事实核查、一致性检查、可执行性验证、来源追溯四大核心维度。\n- 去除多余副词和啰嗦描述，术语更为简练明确，整体可读性提升。\n- 技能使用时机和核心输出结构未变，兼容所有现有用法。\n\nv1.4.0 | 2026-06-24T05:09:36.274Z | auto\n\nVersion 1.4.0\n\n- Expanded skill description to clarify usage scenarios, keywords, and trigger phrases.\n- Added a new \"验证策略速查表\" for quick reference to verification priorities by use case type.\n- Introduced a detailed table of common hallucination types and handling methods.\n- Enhanced examples and guidelines sections for user clarity.\n- Clarified the distinction between \"输出验证\" and \"输出评审\" in a side-by-side comparison.\n- Removed redundant documentation file (skill-card.md).\n\nv1.3.0 | 2026-06-22T12:50:56.261Z | auto\n\n- 增加详细的多维度验证流程，包括事实核查、一致性检查、可执行性验证和来源追溯。\n- 明确输出格式，添加结构化输出要求（validation_result、fact_check、consistency_check等）。\n- 丰富每个验证维度的具体检查点和操作指导，细化防幻觉、防矛盾方法。\n- 新增可执行性评分标准和输出判定规则，提升报告的实用性和可读性。\n- 提供标准化输出验证报告模板及验收检查清单，便于落地和复用。\n\nArchive index:\n\nArchive v1.8.0: 4 files, 6664 bytes\n\nFiles: references/validation-dimensions.md (3150b), skill-card.md (1843b), SKILL.md (8784b), _meta.json (139b)\n\nFile v1.8.0:SKILL.md\n\n---\nname: qa-output-validation\ndescription: >-\n 在最终输出前对测试用例做最后一轮防幻觉验证：事实核查（引用的需求ID是否存在）、一致性检查（用例之间是否矛盾）、可执行性验证（步骤是否能实际操作）、来源追溯（每个用例是否能追溯到具体需求）。当测试用例已经生成完毕、准备输出了，但你不确定AI有没有编造不存在的功能或需求时，应当使用此技能。这是整个工作流的最终质量守门——如果验证失败，必须返回问题清单要求修正，不得跳过。 触发场景：验证一下输出、检查有没有幻觉、这个用例对吗、确认一下质量、时。 Use when the user asks about: final anti-hallucination verification of generated test cases — fact checking, cross-case consistency, executability, and requirement traceability.\nlicense: MIT\nallowed-tools: Read Grep Glob\nmetadata:\n display-name: \"Output Validation\"\n version: \"1.8.0\"\n when-to-use: \"AI生成测试用例后、最终输出前自动激活；用户说\\\"验证一下输出\\\"、\\\"检查有没有幻觉\\\"、\\\"这个用例对吗\\\"、\\\"确认一下质量\\\"时\"\n related-skills: \"{\\\"upstream\\\":[\\\"qa-ai-output-critique\\\",\\\"qa-ai-blindspot-compensation\\\"],\\\"downstream\\\":[\\\"qa-test-reporting\\\"]}\"\n references: \"[\\\"references/validation-dimensions.md\\\"]\"\n input-format: \"{\\\"required\\\":[{\\\"name\\\":\\\"测试用例\\\",\\\"type\\\":\\\"array\\\",\\\"description\\\":\\\"AI生成的测试用例列表\\\"},{\\\"name\\\":\\\"需求解构表\\\",\\\"type\\\":\\\"object\\\",\\\"description\\\":\\\"原始需求解构结果\\\"}],\\\"optional\\\":[{\\\"name\\\":\\\"评审报告\\\",\\\"type\\\":\\\"object\\\",\\\"description\\\":\\\"评审结果\\\"}]}\"\n output-format: \"{\\\"traceability\\\":[\\\"本技能验证输出，不新增唯一ID；问题清单关联到原用例ID（TC_{模块缩写}_{功能缩写}_{序号}，如 TC_API_LOGIN_001）\\\"],\\\"structure\\\":[\\\"覆盖率：标注口径（基于现有需求/输入文档），禁止\\\\\\\"全覆盖/100%\\\\\\\"绝对化表述；缺失模块标注\\\\\\\"未覆盖+原因\\\\\\\"\\\",{\\\"validation_result\\\":\\\"pass/fail\\\"},{\\\"fact_check\\\":\\\"事实核查结果\\\"},{\\\"consistency_check\\\":\\\"一致性检查结果\\\"},{\\\"executability_check\\\":\\\"可执行性验证结果\\\"},{\\\"issues\\\":\\\"问题清单\\\"},{\\\"traceability\\\":\\\"来源追溯\\\"}]}\"\n error-recovery-guidance: \"{\\\"on_failure\\\":\\\"返回问题清单和具体失败原因，要求修正后重新生成\\\",\\\"retry_behavior\\\":\\\"修正后重新执行AI生成步骤\\\"}\"\n categories: \"[\\\"Development\\\",\\\"Testing\\\",\\\"AI\\\"]\"\n depth-requirement: \"{\\\"reference_value\\\":\\\"根据用例数量调整验证深度：简单×1/中等×2/复杂×3\\\",\\\"minimum\\\":\\\"至少完成事实核查、一致性检查、可执行性验证、来源追溯4项\\\"}\"\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> **⚠️ 安全警告**：本技能的示例可能涉及对虚无功能的删除或标记建议。\n> 实际使用时请勿直接删除测试用例或功能项，先确认其来源并备份原数据。\n> 本技能仅在 workspace/ 输出评估文件，不持久化、不外传、不跨会话复用。\n\n# 输出验证\n\n## 核心原则\n\nAI可能编造不存在的内容——必须验证每个输出的依据。\n\n## 加载时机\n\n| 什么时候读 | 读哪个 |\n|-----------|--------|\n| 逐维做防幻觉校验时 | [`references/validation-dimensions.md`](references/validation-dimensions.md) |\n\n> `验证维度`的完整内容已下沉至 `references/validation-dimensions.md`，避免每次触发都占用上下文。\n\n## 验证流程\n\n### 步骤1：事实核查\n\n```text\n执行内容：\n1. 对比用例中的需求ID与需求解构表\n2. 检查风险ID是否基于实际分析\n3. 验证边界条件是否真实存在\n4. 检查引用的行业知识是否准确\n\n输出：\n├─ 核查通过项：[列表]\n├─ 核查失败项：[列表]\n└─ 幻觉风险项：[列表]\n```\n\n### 步骤2：一致性检查\n\n```text\n执行内容：\n1. 验证需求ID与用例的对应关系\n2. 验证风险ID与用例的匹配关系\n3. 验证场景与边界的覆盖关系\n4. 验证评审结果与实际输出的一致性\n\n输出：\n├─ 一致项：[列表]\n├─ 不一致项：[列表]\n└─ 矛盾项：[列表]\n```\n\n### 步骤3：可执行性验证\n\n```text\n执行内容：\n1. 检查测试步骤的具体性\n2. 检查预期结果的可验证性\n3. 检查测试数据的可构造性\n4. 检查测试环境的可搭建性\n\n输出：\n├─ 可执行项：[列表]\n├─ 部分可执行项：[列表]\n└─ 不可执行项：[列表]\n```\n\n### 步骤4：生成验证报告\n\n```markdown\n## 输出验证报告\n\n### 验证摘要\n- 验证日期：YYYY-MM-DD\n- 用例总数：XX条\n- 验证结果：通过/不通过\n\n### 事实核查\n| 检查项 | 结果 | 说明 |\n|--------|------|------|\n| 需求真实性 | 通过/失败 | [说明] |\n| 风险合理性 | 通过/失败 | [说明] |\n| 边界可验证性 | 通过/失败 | [说明] |\n| 行业标准准确性 | 通过/失败 | [说明] |\n\n### 一致性检查\n| 检查项 | 结果 | 说明 |\n|--------|------|------|\n| 需求ID匹配 | 通过/失败 | [说明] |\n| 风险ID匹配 | 通过/失败 | [说明] |\n| 场景边界对应 | 通过/失败 | [说明] |\n| 评审结果一致 | 通过/失败 | [说明] |\n\n### 可执行性验证\n| 用例编号 | 可执行性 | 问题 |\n|---------|---------|------|\n| TC_XXX_001 | 可执行 | - |\n| TC_XXX_002 | 部分可执行 | [问题] |\n| TC_XXX_003 | 不可执行 | [问题] |\n\n### 问题清单\n| 问题类型 | 用例编号 | 问题描述 | 严重程度 |\n|---------|---------|---------|---------|\n| 幻觉 | TC_XXX_001 | 需求ID不存在 | 高 |\n| 不一致 | TC_XXX_002 | 风险等级与内容不符 | 中 |\n| 不可执行 | TC_XXX_003 | 步骤过于模糊 | 中 |\n\n### 验证结论\n- 是否通过：是/否\n- 主要问题：[描述]\n- 建议：[建议]\n```\n\n## 验证策略速查表\n\n不同输出类型的验证侧重点不同：\n\n| 输出类型 | 优先验证维度 | 特别关注 | 验证深度 |\n|---------|------------|---------|---------|\n| 功能用例 | 可执行性+事实核查 | 步骤是否可操作 | ★★★ |\n| 边界用例 | 事实核查 | 边界值是否真实存在 | ★★★★ |\n| 异常用例 | 可执行性+一致性 | 异常场景是否合理 | ★★★★ |\n| 安全用例 | 事实核查+可执行性 | 攻击向量是否真实 | ★★★★★ |\n| 性能用例 | 可执行性 | 指标是否可测量 | ★★★ |\n| 全量用例集 | 全部四维 | 全流程一致性 | ★★★★★ |\n\n## 常见幻觉类型与处理\n\n| 幻觉类型 | 表现 | 检测方法 | 处理方式 |\n|---------|------|---------|---------|\n| 虚无功能 | AI编造不存在的功能模块 | 对比需求解构表 | 删除或标记 |\n| 过度推断 | 从\"登录失败\"推\"账号被锁\"但需求未提 | 检查推理链是否在需求范围内 | 降级为假设场景 |\n| 数据编造 | 编造不存在的API返回字段 | 对比接口文档/边界清单 | 修正或删除 |\n| 时间幻觉 | 断言\"3次锁定\"但需求写5次 | 比对原始需求 | 修正为准确值 |\n| 跨模块矛盾 | A模块说\"跳转B\"，B模块用例推翻 | 一致性检查矩阵 | 统一修正 |\n| 依赖幻觉 | 假设了不存在的前置依赖 | 检查前置条件是否有需求支撑 | 标注[假设] |\n\n## 输出示例\n\n**用户说\"帮我验证AI生成的登录测试用例\"**\n→ 事实核查：验证所有需求ID、场景、预期结果是否基于真实需求文档\n→ 一致性检查：同一功能的不同用例之间描述是否一致\n→ 可执行性验证：每个用例的步骤是否清晰可执行\n→ 来源追溯：标注每个用例的信息来源（需求文档/分析结果/AI推断）\n\n**AI生成了一个不存在的功能模块的测试用例**\n→ 事实核查命中：该模块ID在需求文档中不存在，标记为幻觉\n\n## 检查清单\n\n输出验证完成后检查：\n- [ ] 事实核查是否完成？\n- [ ] 一致性检查是否通过？\n- [ ] 可执行性验证是否完成？\n- [ ] 来源追溯是否标注？\n- [ ] 问题清单是否列出？\n- [ ] 验证报告是否完整？\n\n## 输出验证 vs 输出评审\n\n| 维度 | 输出验证（本技能） | 输出评审（qa-ai-output-critique） |\n|------|------------------|--------------------------------|\n| 目标 | 防幻觉、保质量 | 找不足、促迭代 |\n| 视角 | 事实核查：是否\"真实\" | 质量评估：是否\"够好\" |\n| 输出 | 验证报告（pass/fail） | 评审报告（六维评分+改进建议） |\n| 触发时机 | 最终输出前 | 生成后、迭代中 |\n| 核心问题 | \"这个用例能执行吗？\" | \"这个用例够全面吗？\" |\n| 处理幻觉 | 标记+删除 | 反馈+补充 |\n\nFile v1.8.0:_meta.json\n\n{\n \"ownerId\": \"kn71y9b23csfx0ykgm55d5m9x5891zt8\",\n \"slug\": \"qa-output-validation\",\n \"version\": \"1.8.0\",\n \"publishedAt\": 1790656027439\n}\n\nFile v1.8.0:references/validation-dimensions.md\n\n# 验证维度详解\n\n> 本文是 `qa-output-validation` 的**验证维度详解**。逐维做防幻觉校验时读本文；\n其余部分留在 SKILL.md，不必读本文。\n\n---\n\n\n### 维度1：事实核查\n\n**目标**：验证AI输出是否基于真实信息，而非编造\n\n```text\n检查点：\n├─ 需求是否真实存在？\n│ └─ 用例中的需求ID是否在需求解构表中？\n├─ 风险是否合理推断？\n│ └─ 风险ID是否基于实际风险分析？\n├─ 边界是否可验证？\n│ └─ 边界条件是否真实存在？\n├─ 行业标准是否准确？\n│ └─ 引用的行业知识是否正确？\n└─ 历史缺陷是否真实？\n └─ 引用的历史缺陷是否有依据？\n\n防幻觉检查：\n├─ 检查是否有\"凭空捏造\"的内容\n├─ 检查是否有\"过度推断\"的内容\n├─ 检查是否有\"错误引用\"的内容\n└─ 检查是否有\"逻辑矛盾\"的内容\n```\n\n### 维度2：一致性检查\n\n**目标**：验证输出各部分是否一致\n\n```text\n检查点：\n├─ 需求ID与用例是否一一对应？\n│ └─ 每条用例的需求ID是否在需求列表中？\n├─ 风险ID与用例是否匹配？\n│ └─ 风险等级是否与用例内容一致？\n├─ 场景与边界是否对应？\n│ └─ 边界是否覆盖了相关场景？\n├─ 评审结果与实际输出是否一致？\n│ └─ 评审指出的问题是否已修正？\n└─ 不同技能输出是否矛盾？\n └─ 需求解构、场景树、边界分析是否一致？\n\n一致性矩阵：\n| 维度1 | 维度2 | 检查项 |\n|-------|-------|--------|\n| 需求 | 用例 | 需求ID是否匹配 |\n| 风险 | 用例 | 风险ID是否匹配 |\n| 场景 | 边界 | 边界是否覆盖场景 |\n| 评审 | 输出 | 问题是否已修正 |\n```\n\n### 维度3：可执行性验证\n\n**目标**：验证测试用例是否可实际执行\n\n```text\n检查点：\n├─ 测试步骤是否具体可操作？\n│ └─ 步骤是否清晰到可以由任何人执行？\n├─ 预期结果是否可验证？\n│ └─ 预期结果是否客观可测量？\n├─ 测试数据是否可构造？\n│ └─ 需要的测试数据能否准备？\n├─ 测试环境是否可搭建？\n│ └─ 需要的环境能否搭建？\n└─ 测试工具是否可用？\n └─ 需要的工具是否可获取？\n\n可执行性评分：\n- 10分：完全可执行，无任何障碍\n- 7分：基本可执行，少量障碍可克服\n- 4分：部分可执行，有明显障碍\n- 1分：无法执行，需要重新设计\n```\n\n### 维度4：来源追溯\n\n**目标**：标注每个输出的来源和依据\n\n```text\n追溯内容：\n├─ 需求来源：来自用户输入/需求文档\n├─ 风险来源：来自风险分析/行业经验\n├─ 边界来源：来自边界分析/最佳实践\n├─ 用例来源：来自哪个技能生成\n└─ 评审来源：来自哪个评审维度\n\n追溯格式：\n每条用例标注：\n- 需求来源：REQ-XXX（来自需求解构）\n- 风险来源：RISK-XXX（来自风险分析）\n- 生成来源：qa-ai-prompt-strategy\n- 评审状态：已评审/未评审\n```\n\nFile v1.8.0:skill-card.md\n\n## Description:\n\nValidates AI-generated test cases against requirements for factual accuracy, consistency, executability, and traceability before final delivery.\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 check generated test cases against source requirements before delivery, flagging unsupported claims, contradictions, unworkable steps, and missing traceability.\n\n### Deployment Geography for Use:\n\nGlobal\n\n## Known Risks and Mitigations:\n\nRisk: Incorrectly flagged cases could lead to deletion of valid tests or requirements.\n\nMitigation: Confirm findings against source requirements and back up originals before deleting or changing cases.\n\nRisk: The companion installation command may execute publisher-supplied code.\n\nMitigation: Review the package or pinned source and trust the publisher before running the command.\n\n## Reference(s):\n\n- [Validation dimensions](references/validation-dimensions.md)\n- [ClawHub skill listing](https://clawhub.ai/kokxi/skills/qa-output-validation)\n\n## Skill Output:\n\n**Output Type(s):** [Text, Markdown, Guidance]\n\n**Output Format:** [Markdown validation report with pass/fail results, findings, and source traceability]\n\n**Output Parameters:** [1D]\n\n**Other Properties Related to Output:** [Findings refer to existing test case IDs; coverage statements identify their source scope and gaps.]\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: 3 files, 5762 bytes\n\nFiles: skill-card.md (1795b), SKILL.md (11289b), _meta.json (139b)\n\nFile v1.7.7:SKILL.md\n\n---\nname: qa-output-validation\nslug: qa-output-validation\ndisplayName: Output Validation\nversion: 1.7.7\ndescription: >-\n 在最终输出前对测试用例做最后一轮防幻觉验证：事实核查（引用的需求ID是否存在）、一致性检查（用例之间是否矛盾）、可执行性验证（步骤是否能实际操作）、来源追溯（每个用例是否能追溯到具体需求）。当测试用例已经生成完毕、准备输出了，但你不确定AI有没有编造不存在的功能或需求时，应当使用此技能。这是整个工作流的最终质量守门——如果验证失败，必须返回问题清单要求修正，不得跳过。\n\nwhen_to_use: AI生成测试用例后、最终输出前自动激活；用户说\"验证一下输出\"、\"检查有没有幻觉\"、\"这个用例对吗\"、\"确认一下质量\"时\nallowed-tools: Read Grep Glob\nrelated_skills:\n upstream:\n - qa-ai-output-critique # 输入：评审后的测试用例\n - qa-ai-blindspot-compensation # 输入：补盲后的测试用例\n downstream:\n - qa-test-reporting # 验证通过后输出最终结果\ninput_format:\n required:\n - name: 测试用例\n type: array\n description: AI生成的测试用例列表\n - name: 需求解构表\n type: object\n description: 原始需求解构结果\n optional:\n - name: 评审报告\n type: object\n description: 评审结果\noutput_format:\n traceability:\n - 本技能验证输出，不新增唯一ID；问题清单关联到原用例ID（TC_{模块缩写}_{功能缩写}_{序号}，如 TC_API_LOGIN_001）\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 - validation_result: \"pass/fail\"\n - fact_check: \"事实核查结果\"\n - consistency_check: \"一致性检查结果\"\n - executability_check: \"可执行性验证结果\"\n - issues: \"问题清单\"\n - traceability: \"来源追溯\"\nerror_recovery_guidance:\n on_failure: \"返回问题清单和具体失败原因，要求修正后重新生成\"\n retry_behavior: \"修正后重新执行AI生成步骤\"\ncategories: ['Development','Testing','AI']\ndepth_requirement_quantification:\n reference_value: \"根据用例数量调整验证深度：简单×1/中等×2/复杂×3\"\n minimum: \"至少完成事实核查、一致性检查、可执行性验证、来源追溯4项\"\n---\n> **⚠️ 安全警告**：本技能的示例可能涉及对虚无功能的删除或标记建议。\n> 实际使用时请勿直接删除测试用例或功能项，先确认其来源并备份原数据。\n> 本技能仅在 workspace/ 输出评估文件，不持久化、不外传、不跨会话复用。\n\n# 输出验证\n\n## 核心原则\n\nAI可能编造不存在的内容——必须验证每个输出的依据。\n\n## 验证维度\n\n### 维度1：事实核查\n\n**目标**：验证AI输出是否基于真实信息，而非编造\n\n```text\n检查点：\n├─ 需求是否真实存在？\n│ └─ 用例中的需求ID是否在需求解构表中？\n├─ 风险是否合理推断？\n│ └─ 风险ID是否基于实际风险分析？\n├─ 边界是否可验证？\n│ └─ 边界条件是否真实存在？\n├─ 行业标准是否准确？\n│ └─ 引用的行业知识是否正确？\n└─ 历史缺陷是否真实？\n └─ 引用的历史缺陷是否有依据？\n\n防幻觉检查：\n├─ 检查是否有\"凭空捏造\"的内容\n├─ 检查是否有\"过度推断\"的内容\n├─ 检查是否有\"错误引用\"的内容\n└─ 检查是否有\"逻辑矛盾\"的内容\n```\n\n### 维度2：一致性检查\n\n**目标**：验证输出各部分是否一致\n\n```text\n检查点：\n├─ 需求ID与用例是否一一对应？\n│ └─ 每条用例的需求ID是否在需求列表中？\n├─ 风险ID与用例是否匹配？\n│ └─ 风险等级是否与用例内容一致？\n├─ 场景与边界是否对应？\n│ └─ 边界是否覆盖了相关场景？\n├─ 评审结果与实际输出是否一致？\n│ └─ 评审指出的问题是否已修正？\n└─ 不同技能输出是否矛盾？\n └─ 需求解构、场景树、边界分析是否一致？\n\n一致性矩阵：\n| 维度1 | 维度2 | 检查项 |\n|-------|-------|--------|\n| 需求 | 用例 | 需求ID是否匹配 |\n| 风险 | 用例 | 风险ID是否匹配 |\n| 场景 | 边界 | 边界是否覆盖场景 |\n| 评审 | 输出 | 问题是否已修正 |\n```\n\n### 维度3：可执行性验证\n\n**目标**：验证测试用例是否可实际执行\n\n```text\n检查点：\n├─ 测试步骤是否具体可操作？\n│ └─ 步骤是否清晰到可以由任何人执行？\n├─ 预期结果是否可验证？\n│ └─ 预期结果是否客观可测量？\n├─ 测试数据是否可构造？\n│ └─ 需要的测试数据能否准备？\n├─ 测试环境是否可搭建？\n│ └─ 需要的环境能否搭建？\n└─ 测试工具是否可用？\n └─ 需要的工具是否可获取？\n\n可执行性评分：\n- 10分：完全可执行，无任何障碍\n- 7分：基本可执行，少量障碍可克服\n- 4分：部分可执行，有明显障碍\n- 1分：无法执行，需要重新设计\n```\n\n### 维度4：来源追溯\n\n**目标**：标注每个输出的来源和依据\n\n```text\n追溯内容：\n├─ 需求来源：来自用户输入/需求文档\n├─ 风险来源：来自风险分析/行业经验\n├─ 边界来源：来自边界分析/最佳实践\n├─ 用例来源：来自哪个技能生成\n└─ 评审来源：来自哪个评审维度\n\n追溯格式：\n每条用例标注：\n- 需求来源：REQ-XXX（来自需求解构）\n- 风险来源：RISK-XXX（来自风险分析）\n- 生成来源：qa-ai-prompt-strategy\n- 评审状态：已评审/未评审\n```\n\n## 验证流程\n\n### 步骤1：事实核查\n\n```text\n执行内容：\n1. 对比用例中的需求ID与需求解构表\n2. 检查风险ID是否基于实际分析\n3. 验证边界条件是否真实存在\n4. 检查引用的行业知识是否准确\n\n输出：\n├─ 核查通过项：[列表]\n├─ 核查失败项：[列表]\n└─ 幻觉风险项：[列表]\n```\n\n### 步骤2：一致性检查\n\n```text\n执行内容：\n1. 验证需求ID与用例的对应关系\n2. 验证风险ID与用例的匹配关系\n3. 验证场景与边界的覆盖关系\n4. 验证评审结果与实际输出的一致性\n\n输出：\n├─ 一致项：[列表]\n├─ 不一致项：[列表]\n└─ 矛盾项：[列表]\n```\n\n### 步骤3：可执行性验证\n\n```text\n执行内容：\n1. 检查测试步骤的具体性\n2. 检查预期结果的可验证性\n3. 检查测试数据的可构造性\n4. 检查测试环境的可搭建性\n\n输出：\n├─ 可执行项：[列表]\n├─ 部分可执行项：[列表]\n└─ 不可执行项：[列表]\n```\n\n### 步骤4：生成验证报告\n\n```markdown\n## 输出验证报告\n\n### 验证摘要\n- 验证日期：YYYY-MM-DD\n- 用例总数：XX条\n- 验证结果：通过/不通过\n\n### 事实核查\n| 检查项 | 结果 | 说明 |\n|--------|------|------|\n| 需求真实性 | 通过/失败 | [说明] |\n| 风险合理性 | 通过/失败 | [说明] |\n| 边界可验证性 | 通过/失败 | [说明] |\n| 行业标准准确性 | 通过/失败 | [说明] |\n\n### 一致性检查\n| 检查项 | 结果 | 说明 |\n|--------|------|------|\n| 需求ID匹配 | 通过/失败 | [说明] |\n| 风险ID匹配 | 通过/失败 | [说明] |\n| 场景边界对应 | 通过/失败 | [说明] |\n| 评审结果一致 | 通过/失败 | [说明] |\n\n### 可执行性验证\n| 用例编号 | 可执行性 | 问题 |\n|---------|---------|------|\n| TC_XXX_001 | 可执行 | - |\n| TC_XXX_002 | 部分可执行 | [问题] |\n| TC_XXX_003 | 不可执行 | [问题] |\n\n### 问题清单\n| 问题类型 | 用例编号 | 问题描述 | 严重程度 |\n|---------|---------|---------|---------|\n| 幻觉 | TC_XXX_001 | 需求ID不存在 | 高 |\n| 不一致 | TC_XXX_002 | 风险等级与内容不符 | 中 |\n| 不可执行 | TC_XXX_003 | 步骤过于模糊 | 中 |\n\n### 验证结论\n- 是否通过：是/否\n- 主要问题：[描述]\n- 建议：[建议]\n```\n\n## 验证策略速查表\n\n不同输出类型的验证侧重点不同：\n\n| 输出类型 | 优先验证维度 | 特别关注 | 验证深度 |\n|---------|------------|---------|---------|\n| 功能用例 | 可执行性+事实核查 | 步骤是否可操作 | ★★★ |\n| 边界用例 | 事实核查 | 边界值是否真实存在 | ★★★★ |\n| 异常用例 | 可执行性+一致性 | 异常场景是否合理 | ★★★★ |\n| 安全用例 | 事实核查+可执行性 | 攻击向量是否真实 | ★★★★★ |\n| 性能用例 | 可执行性 | 指标是否可测量 | ★★★ |\n| 全量用例集 | 全部四维 | 全流程一致性 | ★★★★★ |\n\n## 常见幻觉类型与处理\n\n| 幻觉类型 | 表现 | 检测方法 | 处理方式 |\n|---------|------|---------|---------|\n| 虚无功能 | AI编造不存在的功能模块 | 对比需求解构表 | 删除或标记 |\n| 过度推断 | 从\"登录失败\"推\"账号被锁\"但需求未提 | 检查推理链是否在需求范围内 | 降级为假设场景 |\n| 数据编造 | 编造不存在的API返回字段 | 对比接口文档/边界清单 | 修正或删除 |\n| 时间幻觉 | 断言\"3次锁定\"但需求写5次 | 比对原始需求 | 修正为准确值 |\n| 跨模块矛盾 | A模块说\"跳转B\"，B模块用例推翻 | 一致性检查矩阵 | 统一修正 |\n| 依赖幻觉 | 假设了不存在的前置依赖 | 检查前置条件是否有需求支撑 | 标注[假设] |\n\n## 输出示例\n\n**用户说\"帮我验证AI生成的登录测试用例\"**\n→ 事实核查：验证所有需求ID、场景、预期结果是否基于真实需求文档\n→ 一致性检查：同一功能的不同用例之间描述是否一致\n→ 可执行性验证：每个用例的步骤是否清晰可执行\n→ 来源追溯：标注每个用例的信息来源（需求文档/分析结果/AI推断）\n\n**AI生成了一个不存在的功能模块的测试用例**\n→ 事实核查命中：该模块ID在需求文档中不存在，标记为幻觉\n\n## 检查清单\n\n输出验证完成后检查：\n- [ ] 事实核查是否完成？\n- [ ] 一致性检查是否通过？\n- [ ] 可执行性验证是否完成？\n- [ ] 来源追溯是否标注？\n- [ ] 问题清单是否列出？\n- [ ] 验证报告是否完整？\n\n## 输出验证 vs 输出评审\n\n| 维度 | 输出验证（本技能） | 输出评审（qa-ai-output-critique） |\n|------|------------------|--------------------------------|\n| 目标 | 防幻觉、保质量 | 找不足、促迭代 |\n| 视角 | 事实核查：是否\"真实\" | 质量评估：是否\"够好\" |\n| 输出 | 验证报告（pass/fail） | 评审报告（六维评分+改进建议） |\n| 触发时机 | 最终输出前 | 生成后、迭代中 |\n| 核心问题 | \"这个用例能执行吗？\" | \"这个用例够全面吗？\" |\n| 处理幻觉 | 标记+删除 | 反馈+补充 |\n\nFile v1.7.7:_meta.json\n\n{\n \"ownerId\": \"kn71y9b23csfx0ykgm55d5m9x5891zt8\",\n \"slug\": \"qa-output-validation\",\n \"version\": \"1.7.7\",\n \"publishedAt\": 1790519765659\n}\n\nFile v1.7.7:skill-card.md\n\n## Description:\n\nValidates generated test cases against requirements for factual accuracy, consistency, executability, and traceability before final delivery.\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 teams and developers use this skill to check AI-generated test cases against requirements and report unsupported claims or cases needing revision before release.\n\n### Deployment Geography for Use:\n\nGlobal\n\n## Known Risks and Mitigations:\n\nRisk: Broad natural-language triggers may invoke validation for a task that is not final test-case QA.\n\nMitigation: Confirm that test cases and requirements are available and that the task calls for final validation before applying the checks.\n\nRisk: Suggestions to revise, mark, or remove cases may affect valid test coverage.\n\nMitigation: Verify the case against source requirements and back up the original data before changing or removing it.\n\n## Reference(s):\n\n- [QA Output Validation on ClawHub](https://clawhub.ai/kokxi/skills/qa-output-validation)\n\n## Skill Output:\n\n**Output Type(s):** [Text, Markdown]\n\n**Output Format:** [Markdown validation report with test-case tables and pass/fail findings]\n\n**Output Parameters:** [1D]\n\n**Other Properties Related to Output:** [Includes fact, consistency, executability, and traceability checks; findings reference original test-case IDs.]\n\n## Skill Version(s):\n\n1.7.7 (source: release evidence 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: 3 files, 6068 bytes\n\nFiles: skill-card.md (1962b), SKILL.md (11882b), _meta.json (139b)\n\nFile v1.7.6:SKILL.md\n\n---\r\nname: qa-output-validation\r\nslug: qa-output-validation\r\ndisplayName: 输出验证\r\nversion: 1.7.5\r\ndescription: >-\r\n 在最终输出前对测试用例做最后一轮防幻觉验证：事实核查（引用的需求ID是否存在）、一致性检查（用例之间是否矛盾）、可执行性验证（步骤是否能实际操作）、来源追溯（每个用例是否能追溯到具体需求）。当测试用例已经生成完毕、准备输出了，但你不确定AI有没有编造不存在的功能或需求时，应当使用此技能。这是整个工作流的最终质量守门——如果验证失败，必须返回问题清单要求修正，不得跳过。\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: AI生成测试用例后、最终输出前自动激活；用户说\"验证一下输出\"、\"检查有没有幻觉\"、\"这个用例对吗\"、\"确认一下质量\"时\r\nallowed-tools: Read Grep Glob\r\nrelated_skills:\r\n upstream:\r\n - qa-ai-output-critique # 输入：评审后的测试用例\r\n - qa-ai-blindspot-compensation # 输入：补盲后的测试用例\r\n downstream:\r\n - qa-test-reporting # 验证通过后输出最终结果\r\ninput_format:\r\n required:\r\n - name: 测试用例\r\n type: array\r\n description: AI生成的测试用例列表\r\n - name: 需求解构表\r\n type: object\r\n description: 原始需求解构结果\r\n optional:\r\n - name: 评审报告\r\n type: object\r\n description: 评审结果\r\noutput_format:\r\n traceability:\r\n - 本技能验证输出，不新增唯一ID；问题清单关联到原用例ID（TC_{模块缩写}_{功能缩写}_{序号}，如 TC_API_LOGIN_001）\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 - validation_result: \"pass/fail\"\r\n - fact_check: \"事实核查结果\"\r\n - consistency_check: \"一致性检查结果\"\r\n - executability_check: \"可执行性验证结果\"\r\n - issues: \"问题清单\"\r\n - traceability: \"来源追溯\"\r\nerror_recovery_guidance:\r\n on_failure: \"返回问题清单和具体失败原因，要求修正后重新生成\"\r\n retry_behavior: \"修正后重新执行AI生成步骤\"\r\ncategories: ['Development','Testing','AI']\r\ndepth_requirement_quantification:\r\n reference_value: \"根据用例数量调整验证深度：简单×1/中等×2/复杂×3\"\r\n minimum: \"至少完成事实核查、一致性检查、可执行性验证、来源追溯4项\"\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> **⚠️ 安全警告**：本技能的示例可能涉及对虚无功能的删除或标记建议。\r\n> 实际使用时请勿直接删除测试用例或功能项，先确认其来源并备份原数据。\r\n> 本技能仅在 workspace/ 输出评估文件，不持久化、不外传、不跨会话复用。\r\n\r\n# 输出验证\r\n\r\n## 核心原则\r\n\r\nAI可能编造不存在的内容——必须验证每个输出的依据。\r\n\r\n## 验证维度\r\n\r\n### 维度1：事实核查\r\n\r\n**目标**：验证AI输出是否基于真实信息，而非编造\r\n\r\n```text\r\n检查点：\r\n├─ 需求是否真实存在？\r\n│ └─ 用例中的需求ID是否在需求解构表中？\r\n├─ 风险是否合理推断？\r\n│ └─ 风险ID是否基于实际风险分析？\r\n├─ 边界是否可验证？\r\n│ └─ 边界条件是否真实存在？\r\n├─ 行业标准是否准确？\r\n│ └─ 引用的行业知识是否正确？\r\n└─ 历史缺陷是否真实？\r\n └─ 引用的历史缺陷是否有依据？\r\n\r\n防幻觉检查：\r\n├─ 检查是否有\"凭空捏造\"的内容\r\n├─ 检查是否有\"过度推断\"的内容\r\n├─ 检查是否有\"错误引用\"的内容\r\n└─ 检查是否有\"逻辑矛盾\"的内容\r\n```\r\n\r\n### 维度2：一致性检查\r\n\r\n**目标**：验证输出各部分是否一致\r\n\r\n```text\r\n检查点：\r\n├─ 需求ID与用例是否一一对应？\r\n│ └─ 每条用例的需求ID是否在需求列表中？\r\n├─ 风险ID与用例是否匹配？\r\n│ └─ 风险等级是否与用例内容一致？\r\n├─ 场景与边界是否对应？\r\n│ └─ 边界是否覆盖了相关场景？\r\n├─ 评审结果与实际输出是否一致？\r\n│ └─ 评审指出的问题是否已修正？\r\n└─ 不同技能输出是否矛盾？\r\n └─ 需求解构、场景树、边界分析是否一致？\r\n\r\n一致性矩阵：\r\n| 维度1 | 维度2 | 检查项 |\r\n|-------|-------|--------|\r\n| 需求 | 用例 | 需求ID是否匹配 |\r\n| 风险 | 用例 | 风险ID是否匹配 |\r\n| 场景 | 边界 | 边界是否覆盖场景 |\r\n| 评审 | 输出 | 问题是否已修正 |\r\n```\r\n\r\n### 维度3：可执行性验证\r\n\r\n**目标**：验证测试用例是否可实际执行\r\n\r\n```text\r\n检查点：\r\n├─ 测试步骤是否具体可操作？\r\n│ └─ 步骤是否清晰到可以由任何人执行？\r\n├─ 预期结果是否可验证？\r\n│ └─ 预期结果是否客观可测量？\r\n├─ 测试数据是否可构造？\r\n│ └─ 需要的测试数据能否准备？\r\n├─ 测试环境是否可搭建？\r\n│ └─ 需要的环境能否搭建？\r\n└─ 测试工具是否可用？\r\n └─ 需要的工具是否可获取？\r\n\r\n可执行性评分：\r\n- 10分：完全可执行，无任何障碍\r\n- 7分：基本可执行，少量障碍可克服\r\n- 4分：部分可执行，有明显障碍\r\n- 1分：无法执行，需要重新设计\r\n```\r\n\r\n### 维度4：来源追溯\r\n\r\n**目标**：标注每个输出的来源和依据\r\n\r\n```text\r\n追溯内容：\r\n├─ 需求来源：来自用户输入/需求文档\r\n├─ 风险来源：来自风险分析/行业经验\r\n├─ 边界来源：来自边界分析/最佳实践\r\n├─ 用例来源：来自哪个技能生成\r\n└─ 评审来源：来自哪个评审维度\r\n\r\n追溯格式：\r\n每条用例标注：\r\n- 需求来源：REQ-XXX（来自需求解构）\r\n- 风险来源：RISK-XXX（来自风险分析）\r\n- 生成来源：qa-ai-prompt-strategy\r\n- 评审状态：已评审/未评审\r\n```\r\n\r\n## 验证流程\r\n\r\n### 步骤1：事实核查\r\n\r\n```text\r\n执行内容：\r\n1. 对比用例中的需求ID与需求解构表\r\n2. 检查风险ID是否基于实际分析\r\n3. 验证边界条件是否真实存在\r\n4. 检查引用的行业知识是否准确\r\n\r\n输出：\r\n├─ 核查通过项：[列表]\r\n├─ 核查失败项：[列表]\r\n└─ 幻觉风险项：[列表]\r\n```\r\n\r\n### 步骤2：一致性检查\r\n\r\n```text\r\n执行内容：\r\n1. 验证需求ID与用例的对应关系\r\n2. 验证风险ID与用例的匹配关系\r\n3. 验证场景与边界的覆盖关系\r\n4. 验证评审结果与实际输出的一致性\r\n\r\n输出：\r\n├─ 一致项：[列表]\r\n├─ 不一致项：[列表]\r\n└─ 矛盾项：[列表]\r\n```\r\n\r\n### 步骤3：可执行性验证\r\n\r\n```text\r\n执行内容：\r\n1. 检查测试步骤的具体性\r\n2. 检查预期结果的可验证性\r\n3. 检查测试数据的可构造性\r\n4. 检查测试环境的可搭建性\r\n\r\n输出：\r\n├─ 可执行项：[列表]\r\n├─ 部分可执行项：[列表]\r\n└─ 不可执行项：[列表]\r\n```\r\n\r\n### 步骤4：生成验证报告\r\n\r\n```markdown\r\n## 输出验证报告\r\n\r\n### 验证摘要\r\n- 验证日期：YYYY-MM-DD\r\n- 用例总数：XX条\r\n- 验证结果：通过/不通过\r\n\r\n### 事实核查\r\n| 检查项 | 结果 | 说明 |\r\n|--------|------|------|\r\n| 需求真实性 | 通过/失败 | [说明] |\r\n| 风险合理性 | 通过/失败 | [说明] |\r\n| 边界可验证性 | 通过/失败 | [说明] |\r\n| 行业标准准确性 | 通过/失败 | [说明] |\r\n\r\n### 一致性检查\r\n| 检查项 | 结果 | 说明 |\r\n|--------|------|------|\r\n| 需求ID匹配 | 通过/失败 | [说明] |\r\n| 风险ID匹配 | 通过/失败 | [说明] |\r\n| 场景边界对应 | 通过/失败 | [说明] |\r\n| 评审结果一致 | 通过/失败 | [说明] |\r\n\r\n### 可执行性验证\r\n| 用例编号 | 可执行性 | 问题 |\r\n|---------|---------|------|\r\n| TC_XXX_001 | 可执行 | - |\r\n| TC_XXX_002 | 部分可执行 | [问题] |\r\n| TC_XXX_003 | 不可执行 | [问题] |\r\n\r\n### 问题清单\r\n| 问题类型 | 用例编号 | 问题描述 | 严重程度 |\r\n|---------|---------|---------|---------|\r\n| 幻觉 | TC_XXX_001 | 需求ID不存在 | 高 |\r\n| 不一致 | TC_XXX_002 | 风险等级与内容不符 | 中 |\r\n| 不可执行 | TC_XXX_003 | 步骤过于模糊 | 中 |\r\n\r\n### 验证结论\r\n- 是否通过：是/否\r\n- 主要问题：[描述]\r\n- 建议：[建议]\r\n```\r\n\r\n## 验证策略速查表\r\n\r\n不同输出类型的验证侧重点不同：\r\n\r\n| 输出类型 | 优先验证维度 | 特别关注 | 验证深度 |\r\n|---------|------------|---------|---------|\r\n| 功能用例 | 可执行性+事实核查 | 步骤是否可操作 | ★★★ |\r\n| 边界用例 | 事实核查 | 边界值是否真实存在 | ★★★★ |\r\n| 异常用例 | 可执行性+一致性 | 异常场景是否合理 | ★★★★ |\r\n| 安全用例 | 事实核查+可执行性 | 攻击向量是否真实 | ★★★★★ |\r\n| 性能用例 | 可执行性 | 指标是否可测量 | ★★★ |\r\n| 全量用例集 | 全部四维 | 全流程一致性 | ★★★★★ |\r\n\r\n## 常见幻觉类型与处理\r\n\r\n| 幻觉类型 | 表现 | 检测方法 | 处理方式 |\r\n|---------|------|---------|---------|\r\n| 虚无功能 | AI编造不存在的功能模块 | 对比需求解构表 | 删除或标记 |\r\n| 过度推断 | 从\"登录失败\"推\"账号被锁\"但需求未提 | 检查推理链是否在需求范围内 | 降级为假设场景 |\r\n| 数据编造 | 编造不存在的API返回字段 | 对比接口文档/边界清单 | 修正或删除 |\r\n| 时间幻觉 | 断言\"3次锁定\"但需求写5次 | 比对原始需求 | 修正为准确值 |\r\n| 跨模块矛盾 | A模块说\"跳转B\"，B模块用例推翻 | 一致性检查矩阵 | 统一修正 |\r\n| 依赖幻觉 | 假设了不存在的前置依赖 | 检查前置条件是否有需求支撑 | 标注[假设] |\r\n\r\n## 输出示例\r\n\r\n**用户说\"帮我验证AI生成的登录测试用例\"**\r\n→ 事实核查：验证所有需求ID、场景、预期结果是否基于真实需求文档\r\n→ 一致性检查：同一功能的不同用例之间描述是否一致\r\n→ 可执行性验证：每个用例的步骤是否清晰可执行\r\n→ 来源追溯：标注每个用例的信息来源（需求文档/分析结果/AI推断）\r\n\r\n**AI生成了一个不存在的功能模块的测试用例**\r\n→ 事实核查命中：该模块ID在需求文档中不存在，标记为幻觉\r\n\r\n## 检查清单\r\n\r\n输出验证完成后检查：\r\n- [ ] 事实核查是否完成？\r\n- [ ] 一致性检查是否通过？\r\n- [ ] 可执行性验证是否完成？\r\n- [ ] 来源追溯是否标注？\r\n- [ ] 问题清单是否列出？\r\n- [ ] 验证报告是否完整？\r\n\r\n## 输出验证 vs 输出评审\r\n\r\n| 维度 | 输出验证（本技能） | 输出评审（qa-ai-output-critique） |\r\n|------|------------------|--------------------------------|\r\n| 目标 | 防幻觉、保质量 | 找不足、促迭代 |\r\n| 视角 | 事实核查：是否\"真实\" | 质量评估：是否\"够好\" |\r\n| 输出 | 验证报告（pass/fail） | 评审报告（六维评分+改进建议） |\r\n| 触发时机 | 最终输出前 | 生成后、迭代中 |\r\n| 核心问题 | \"这个用例能执行吗？\" | \"这个用例够全面吗？\" |\r\n| 处理幻觉 | 标记+删除 | 反馈+补充 |\n\nFile v1.7.6:_meta.json\n\n{\n \"ownerId\": \"kn71y9b23csfx0ykgm55d5m9x5891zt8\",\n \"slug\": \"qa-output-validation\",\n \"version\": \"1.7.6\",\n \"publishedAt\": 1788266495944\n}\n\nFile v1.7.6:skill-card.md\n\n## Description:\n\n输出验证 helps agents perform a final quality gate on generated test cases by checking factual grounding, consistency, executability, and traceability before final delivery.\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\nDevelopers, QA engineers, and testing agents use this skill after test cases are generated and before final output to identify unsupported requirements, contradictions, unclear steps, and missing traceability.\n\n### Deployment Geography for Use:\n\nGlobal\n\n## Known Risks and Mitigations:\n\nRisk: The documentation recommends installing a larger unpinned third-party QA skill bundle outside the reviewed artifact scope.\n\nMitigation: Review the publisher and bundle contents before installation, and pin or verify the exact package version before running the install command.\n\nRisk: Validation findings could lead users to remove or mark test cases that may still represent real requirements.\n\nMitigation: Confirm each flagged item against source requirements and back up original data before deleting, marking, or rewriting test cases.\n\n## Reference(s):\n\n- [ClawHub skill page](https://clawhub.ai/kokxi/skills/qa-output-validation)\n\n## Skill Output:\n\n**Output Type(s):** [Text, Markdown, Guidance]\n\n**Output Format:** [Markdown validation reports and structured issue lists]\n\n**Output Parameters:** [1D]\n\n**Other Properties Related to Output:** [May include pass/fail validation results, fact checks, consistency checks, executability checks, issue lists, and traceability 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: 3 files, 5830 bytes\n\nFiles: skill-card.md (1931b), SKILL.md (11289b), _meta.json (139b)\n\nFile v1.7.5:SKILL.md\n\n---\nname: qa-output-validation\nslug: qa-output-validation\ndisplayName: Output Validation\nversion: 1.7.5\ndescription: >-\n 在最终输出前对测试用例做最后一轮防幻觉验证：事实核查（引用的需求ID是否存在）、一致性检查（用例之间是否矛盾）、可执行性验证（步骤是否能实际操作）、来源追溯（每个用例是否能追溯到具体需求）。当测试用例已经生成完毕、准备输出了，但你不确定AI有没有编造不存在的功能或需求时，应当使用此技能。这是整个工作流的最终质量守门——如果验证失败，必须返回问题清单要求修正，不得跳过。\n\nwhen_to_use: AI生成测试用例后、最终输出前自动激活；用户说\"验证一下输出\"、\"检查有没有幻觉\"、\"这个用例对吗\"、\"确认一下质量\"时\nallowed-tools: Read Grep Glob\nrelated_skills:\n upstream:\n - qa-ai-output-critique # 输入：评审后的测试用例\n - qa-ai-blindspot-compensation # 输入：补盲后的测试用例\n downstream:\n - qa-test-reporting # 验证通过后输出最终结果\ninput_format:\n required:\n - name: 测试用例\n type: array\n description: AI生成的测试用例列表\n - name: 需求解构表\n type: object\n description: 原始需求解构结果\n optional:\n - name: 评审报告\n type: object\n description: 评审结果\noutput_format:\n traceability:\n - 本技能验证输出，不新增唯一ID；问题清单关联到原用例ID（TC_{模块缩写}_{功能缩写}_{序号}，如 TC_API_LOGIN_001）\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 - validation_result: \"pass/fail\"\n - fact_check: \"事实核查结果\"\n - consistency_check: \"一致性检查结果\"\n - executability_check: \"可执行性验证结果\"\n - issues: \"问题清单\"\n - traceability: \"来源追溯\"\nerror_recovery_guidance:\n on_failure: \"返回问题清单和具体失败原因，要求修正后重新生成\"\n retry_behavior: \"修正后重新执行AI生成步骤\"\ncategories: ['Development','Testing','AI']\ndepth_requirement_quantification:\n reference_value: \"根据用例数量调整验证深度：简单×1/中等×2/复杂×3\"\n minimum: \"至少完成事实核查、一致性检查、可执行性验证、来源追溯4项\"\n---\n> **⚠️ 安全警告**：本技能的示例可能涉及对虚无功能的删除或标记建议。\n> 实际使用时请勿直接删除测试用例或功能项，先确认其来源并备份原数据。\n> 本技能仅在 workspace/ 输出评估文件，不持久化、不外传、不跨会话复用。\n\n# 输出验证\n\n## 核心原则\n\nAI可能编造不存在的内容——必须验证每个输出的依据。\n\n## 验证维度\n\n### 维度1：事实核查\n\n**目标**：验证AI输出是否基于真实信息，而非编造\n\n```text\n检查点：\n├─ 需求是否真实存在？\n│ └─ 用例中的需求ID是否在需求解构表中？\n├─ 风险是否合理推断？\n│ └─ 风险ID是否基于实际风险分析？\n├─ 边界是否可验证？\n│ └─ 边界条件是否真实存在？\n├─ 行业标准是否准确？\n│ └─ 引用的行业知识是否正确？\n└─ 历史缺陷是否真实？\n └─ 引用的历史缺陷是否有依据？\n\n防幻觉检查：\n├─ 检查是否有\"凭空捏造\"的内容\n├─ 检查是否有\"过度推断\"的内容\n├─ 检查是否有\"错误引用\"的内容\n└─ 检查是否有\"逻辑矛盾\"的内容\n```\n\n### 维度2：一致性检查\n\n**目标**：验证输出各部分是否一致\n\n```text\n检查点：\n├─ 需求ID与用例是否一一对应？\n│ └─ 每条用例的需求ID是否在需求列表中？\n├─ 风险ID与用例是否匹配？\n│ └─ 风险等级是否与用例内容一致？\n├─ 场景与边界是否对应？\n│ └─ 边界是否覆盖了相关场景？\n├─ 评审结果与实际输出是否一致？\n│ └─ 评审指出的问题是否已修正？\n└─ 不同技能输出是否矛盾？\n └─ 需求解构、场景树、边界分析是否一致？\n\n一致性矩阵：\n| 维度1 | 维度2 | 检查项 |\n|-------|-------|--------|\n| 需求 | 用例 | 需求ID是否匹配 |\n| 风险 | 用例 | 风险ID是否匹配 |\n| 场景 | 边界 | 边界是否覆盖场景 |\n| 评审 | 输出 | 问题是否已修正 |\n```\n\n### 维度3：可执行性验证\n\n**目标**：验证测试用例是否可实际执行\n\n```text\n检查点：\n├─ 测试步骤是否具体可操作？\n│ └─ 步骤是否清晰到可以由任何人执行？\n├─ 预期结果是否可验证？\n│ └─ 预期结果是否客观可测量？\n├─ 测试数据是否可构造？\n│ └─ 需要的测试数据能否准备？\n├─ 测试环境是否可搭建？\n│ └─ 需要的环境能否搭建？\n└─ 测试工具是否可用？\n └─ 需要的工具是否可获取？\n\n可执行性评分：\n- 10分：完全可执行，无任何障碍\n- 7分：基本可执行，少量障碍可克服\n- 4分：部分可执行，有明显障碍\n- 1分：无法执行，需要重新设计\n```\n\n### 维度4：来源追溯\n\n**目标**：标注每个输出的来源和依据\n\n```text\n追溯内容：\n├─ 需求来源：来自用户输入/需求文档\n├─ 风险来源：来自风险分析/行业经验\n├─ 边界来源：来自边界分析/最佳实践\n├─ 用例来源：来自哪个技能生成\n└─ 评审来源：来自哪个评审维度\n\n追溯格式：\n每条用例标注：\n- 需求来源：REQ-XXX（来自需求解构）\n- 风险来源：RISK-XXX（来自风险分析）\n- 生成来源：qa-ai-prompt-strategy\n- 评审状态：已评审/未评审\n```\n\n## 验证流程\n\n### 步骤1：事实核查\n\n```text\n执行内容：\n1. 对比用例中的需求ID与需求解构表\n2. 检查风险ID是否基于实际分析\n3. 验证边界条件是否真实存在\n4. 检查引用的行业知识是否准确\n\n输出：\n├─ 核查通过项：[列表]\n├─ 核查失败项：[列表]\n└─ 幻觉风险项：[列表]\n```\n\n### 步骤2：一致性检查\n\n```text\n执行内容：\n1. 验证需求ID与用例的对应关系\n2. 验证风险ID与用例的匹配关系\n3. 验证场景与边界的覆盖关系\n4. 验证评审结果与实际输出的一致性\n\n输出：\n├─ 一致项：[列表]\n├─ 不一致项：[列表]\n└─ 矛盾项：[列表]\n```\n\n### 步骤3：可执行性验证\n\n```text\n执行内容：\n1. 检查测试步骤的具体性\n2. 检查预期结果的可验证性\n3. 检查测试数据的可构造性\n4. 检查测试环境的可搭建性\n\n输出：\n├─ 可执行项：[列表]\n├─ 部分可执行项：[列表]\n└─ 不可执行项：[列表]\n```\n\n### 步骤4：生成验证报告\n\n```markdown\n## 输出验证报告\n\n### 验证摘要\n- 验证日期：YYYY-MM-DD\n- 用例总数：XX条\n- 验证结果：通过/不通过\n\n### 事实核查\n| 检查项 | 结果 | 说明 |\n|--------|------|------|\n| 需求真实性 | 通过/失败 | [说明] |\n| 风险合理性 | 通过/失败 | [说明] |\n| 边界可验证性 | 通过/失败 | [说明] |\n| 行业标准准确性 | 通过/失败 | [说明] |\n\n### 一致性检查\n| 检查项 | 结果 | 说明 |\n|--------|------|------|\n| 需求ID匹配 | 通过/失败 | [说明] |\n| 风险ID匹配 | 通过/失败 | [说明] |\n| 场景边界对应 | 通过/失败 | [说明] |\n| 评审结果一致 | 通过/失败 | [说明] |\n\n### 可执行性验证\n| 用例编号 | 可执行性 | 问题 |\n|---------|---------|------|\n| TC_XXX_001 | 可执行 | - |\n| TC_XXX_002 | 部分可执行 | [问题] |\n| TC_XXX_003 | 不可执行 | [问题] |\n\n### 问题清单\n| 问题类型 | 用例编号 | 问题描述 | 严重程度 |\n|---------|---------|---------|---------|\n| 幻觉 | TC_XXX_001 | 需求ID不存在 | 高 |\n| 不一致 | TC_XXX_002 | 风险等级与内容不符 | 中 |\n| 不可执行 | TC_XXX_003 | 步骤过于模糊 | 中 |\n\n### 验证结论\n- 是否通过：是/否\n- 主要问题：[描述]\n- 建议：[建议]\n```\n\n## 验证策略速查表\n\n不同输出类型的验证侧重点不同：\n\n| 输出类型 | 优先验证维度 | 特别关注 | 验证深度 |\n|---------|------------|---------|---------|\n| 功能用例 | 可执行性+事实核查 | 步骤是否可操作 | ★★★ |\n| 边界用例 | 事实核查 | 边界值是否真实存在 | ★★★★ |\n| 异常用例 | 可执行性+一致性 | 异常场景是否合理 | ★★★★ |\n| 安全用例 | 事实核查+可执行性 | 攻击向量是否真实 | ★★★★★ |\n| 性能用例 | 可执行性 | 指标是否可测量 | ★★★ |\n| 全量用例集 | 全部四维 | 全流程一致性 | ★★★★★ |\n\n## 常见幻觉类型与处理\n\n| 幻觉类型 | 表现 | 检测方法 | 处理方式 |\n|---------|------|---------|---------|\n| 虚无功能 | AI编造不存在的功能模块 | 对比需求解构表 | 删除或标记 |\n| 过度推断 | 从\"登录失败\"推\"账号被锁\"但需求未提 | 检查推理链是否在需求范围内 | 降级为假设场景 |\n| 数据编造 | 编造不存在的API返回字段 | 对比接口文档/边界清单 | 修正或删除 |\n| 时间幻觉 | 断言\"3次锁定\"但需求写5次 | 比对原始需求 | 修正为准确值 |\n| 跨模块矛盾 | A模块说\"跳转B\"，B模块用例推翻 | 一致性检查矩阵 | 统一修正 |\n| 依赖幻觉 | 假设了不存在的前置依赖 | 检查前置条件是否有需求支撑 | 标注[假设] |\n\n## 输出示例\n\n**用户说\"帮我验证AI生成的登录测试用例\"**\n→ 事实核查：验证所有需求ID、场景、预期结果是否基于真实需求文档\n→ 一致性检查：同一功能的不同用例之间描述是否一致\n→ 可执行性验证：每个用例的步骤是否清晰可执行\n→ 来源追溯：标注每个用例的信息来源（需求文档/分析结果/AI推断）\n\n**AI生成了一个不存在的功能模块的测试用例**\n→ 事实核查命中：该模块ID在需求文档中不存在，标记为幻觉\n\n## 检查清单\n\n输出验证完成后检查：\n- [ ] 事实核查是否完成？\n- [ ] 一致性检查是否通过？\n- [ ] 可执行性验证是否完成？\n- [ ] 来源追溯是否标注？\n- [ ] 问题清单是否列出？\n- [ ] 验证报告是否完整？\n\n## 输出验证 vs 输出评审\n\n| 维度 | 输出验证（本技能） | 输出评审（qa-ai-output-critique） |\n|------|------------------|--------------------------------|\n| 目标 | 防幻觉、保质量 | 找不足、促迭代 |\n| 视角 | 事实核查：是否\"真实\" | 质量评估：是否\"够好\" |\n| 输出 | 验证报告（pass/fail） | 评审报告（六维评分+改进建议） |\n| 触发时机 | 最终输出前 | 生成后、迭代中 |\n| 核心问题 | \"这个用例能执行吗？\" | \"这个用例够全面吗？\" |\n| 处理幻觉 | 标记+删除 | 反馈+补充 |\n\nFile v1.7.5:_meta.json\n\n{\n \"ownerId\": \"kn71y9b23csfx0ykgm55d5m9x5891zt8\",\n \"slug\": \"qa-output-validation\",\n \"version\": \"1.7.5\",\n \"publishedAt\": 1788102918678\n}\n\nFile v1.7.5:skill-card.md\n\n## Description:\n\nValidates generated QA test cases before final output by checking factual grounding, consistency, executability, and traceability to source requirements.\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 developers, and agents use this skill as a final quality gate for generated test cases before publication or handoff. It identifies hallucinated requirements, inconsistent cases, vague execution steps, and missing traceability.\n\n### Deployment Geography for Use:\n\nGlobal\n\n## Known Risks and Mitigations:\n\nRisk: Trigger phrases about output quality may activate the skill in broad QA discussions.\n\nMitigation: Review trigger phrases before deployment and align them with the intended workflow.\n\nRisk: Flagged hallucinations could lead users or agents to remove or change generated test cases too quickly.\n\nMitigation: Confirm the source requirements and preserve the original data before removing or changing flagged cases.\n\n## Reference(s):\n\n- [ClawHub skill page](https://clawhub.ai/kokxi/skills/qa-output-validation)\n- [Publisher profile](https://clawhub.ai/user/kokxi)\n\n## Skill Output:\n\n**Output Type(s):** [Text, Markdown, Guidance]\n\n**Output Format:** [Markdown validation report with pass/fail status, check results, issue lists, and traceability notes]\n\n**Output Parameters:** [1D]\n\n**Other Properties Related to Output:** [Produces QA validation findings for generated test cases; does not create new persistent identifiers.]\n\n## Skill Version(s):\n\n1.7.5 (source: frontmatter and 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 v1.7.0: 3 files, 5666 bytes\n\nFiles: skill-card.md (2063b), SKILL.md (10791b), _meta.json (139b)\n\nFile v1.7.0:SKILL.md\n\n---\nname: qa-output-validation\nslug: qa-output-validation\ndisplayName: Output Validation\nversion: 1.7.0\ndescription: >-\n 在最终输出前对测试用例做最后一轮防幻觉验证：事实核查（引用的需求ID是否存在）、一致性检查（用例之间是否矛盾）、可执行性验证（步骤是否能实际操作）、来源追溯（每个用例是否能追溯到具体需求）。当测试用例已经生成完毕、准备输出了，但你不确定AI有没有编造不存在的功能或需求时，应当使用此技能。这是整个工作流的最终质量守门——如果验证失败，必须返回问题清单要求修正，不得跳过。\n\nwhen_to_use: AI生成测试用例后、最终输出前自动激活；用户说\"验证一下输出\"、\"检查有没有幻觉\"、\"这个用例对吗\"、\"确认一下质量\"时\nallowed-tools: Read Grep Glob\nrelated_skills:\n upstream:\n - qa-ai-output-critique # 输入：评审后的测试用例\n - qa-ai-blindspot-compensation # 输入：补盲后的测试用例\n downstream:\n - qa-test-reporting # 验证通过后输出最终结果\ninput_format:\n required:\n - name: 测试用例\n type: array\n description: AI生成的测试用例列表\n - name: 需求解构表\n type: object\n description: 原始需求解构结果\n optional:\n - name: 评审报告\n type: object\n description: 评审结果\noutput_format:\n traceability:\n - 本技能验证输出，不新增唯一ID；问题清单关联到原用例ID（TC-XXXX）\n structure:\n - validation_result: \"pass/fail\"\n - fact_check: \"事实核查结果\"\n - consistency_check: \"一致性检查结果\"\n - executability_check: \"可执行性验证结果\"\n - issues: \"问题清单\"\n - traceability: \"来源追溯\"\nerror_recovery_guidance:\n on_failure: \"返回问题清单和具体失败原因，要求修正后重新生成\"\n retry_behavior: \"修正后重新执行AI生成步骤\"\ncategories: ['Development','Testing','AI']\ndepth_requirement_quantification:\n reference_value: \"根据用例数量调整验证深度：简单×1/中等×2/复杂×3\"\n minimum: \"至少完成事实核查、一致性检查、可执行性验证、来源追溯4项\"\n---\n> **⚠️ 安全警告**：本技能的示例可能涉及对虚无功能的删除或标记建议。\n> 实际使用时请勿直接删除测试用例或功能项，先确认其来源并备份原数据。\n> 本技能仅在 workspace/ 输出评估文件，不持久化、不外传、不跨会话复用。\n\n# 输出验证\n\n## 核心原则\n\nAI可能编造不存在的内容——必须验证每个输出的依据。\n\n## 验证维度\n\n### 维度1：事实核查\n\n**目标**：验证AI输出是否基于真实信息，而非编造\n\n```text\n检查点：\n├─ 需求是否真实存在？\n│ └─ 用例中的需求ID是否在需求解构表中？\n├─ 风险是否合理推断？\n│ └─ 风险ID是否基于实际风险分析？\n├─ 边界是否可验证？\n│ └─ 边界条件是否真实存在？\n├─ 行业标准是否准确？\n│ └─ 引用的行业知识是否正确？\n└─ 历史缺陷是否真实？\n └─ 引用的历史缺陷是否有依据？\n\n防幻觉检查：\n├─ 检查是否有\"凭空捏造\"的内容\n├─ 检查是否有\"过度推断\"的内容\n├─ 检查是否有\"错误引用\"的内容\n└─ 检查是否有\"逻辑矛盾\"的内容\n```\n\n### 维度2：一致性检查\n\n**目标**：验证输出各部分是否一致\n\n```text\n检查点：\n├─ 需求ID与用例是否一一对应？\n│ └─ 每条用例的需求ID是否在需求列表中？\n├─ 风险ID与用例是否匹配？\n│ └─ 风险等级是否与用例内容一致？\n├─ 场景与边界是否对应？\n│ └─ 边界是否覆盖了相关场景？\n├─ 评审结果与实际输出是否一致？\n│ └─ 评审指出的问题是否已修正？\n└─ 不同技能输出是否矛盾？\n └─ 需求解构、场景树、边界分析是否一致？\n\n一致性矩阵：\n| 维度1 | 维度2 | 检查项 |\n|-------|-------|--------|\n| 需求 | 用例 | 需求ID是否匹配 |\n| 风险 | 用例 | 风险ID是否匹配 |\n| 场景 | 边界 | 边界是否覆盖场景 |\n| 评审 | 输出 | 问题是否已修正 |\n```\n\n### 维度3：可执行性验证\n\n**目标**：验证测试用例是否可实际执行\n\n```text\n检查点：\n├─ 测试步骤是否具体可操作？\n│ └─ 步骤是否清晰到可以由任何人执行？\n├─ 预期结果是否可验证？\n│ └─ 预期结果是否客观可测量？\n├─ 测试数据是否可构造？\n│ └─ 需要的测试数据能否准备？\n├─ 测试环境是否可搭建？\n│ └─ 需要的环境能否搭建？\n└─ 测试工具是否可用？\n └─ 需要的工具是否可获取？\n\n可执行性评分：\n- 10分：完全可执行，无任何障碍\n- 7分：基本可执行，少量障碍可克服\n- 4分：部分可执行，有明显障碍\n- 1分：无法执行，需要重新设计\n```\n\n### 维度4：来源追溯\n\n**目标**：标注每个输出的来源和依据\n\n```text\n追溯内容：\n├─ 需求来源：来自用户输入/需求文档\n├─ 风险来源：来自风险分析/行业经验\n├─ 边界来源：来自边界分析/最佳实践\n├─ 用例来源：来自哪个技能生成\n└─ 评审来源：来自哪个评审维度\n\n追溯格式：\n每条用例标注：\n- 需求来源：REQ-XXX（来自需求解构）\n- 风险来源：RISK-XXX（来自风险分析）\n- 生成来源：qa-ai-prompt-strategy\n- 评审状态：已评审/未评审\n```\n\n## 验证流程\n\n### 步骤1：事实核查\n\n```text\n执行内容：\n1. 对比用例中的需求ID与需求解构表\n2. 检查风险ID是否基于实际分析\n3. 验证边界条件是否真实存在\n4. 检查引用的行业知识是否准确\n\n输出：\n├─ 核查通过项：[列表]\n├─ 核查失败项：[列表]\n└─ 幻觉风险项：[列表]\n```\n\n### 步骤2：一致性检查\n\n```text\n执行内容：\n1. 验证需求ID与用例的对应关系\n2. 验证风险ID与用例的匹配关系\n3. 验证场景与边界的覆盖关系\n4. 验证评审结果与实际输出的一致性\n\n输出：\n├─ 一致项：[列表]\n├─ 不一致项：[列表]\n└─ 矛盾项：[列表]\n```\n\n### 步骤3：可执行性验证\n\n```text\n执行内容：\n1. 检查测试步骤的具体性\n2. 检查预期结果的可验证性\n3. 检查测试数据的可构造性\n4. 检查测试环境的可搭建性\n\n输出：\n├─ 可执行项：[列表]\n├─ 部分可执行项：[列表]\n└─ 不可执行项：[列表]\n```\n\n### 步骤4：生成验证报告\n\n```markdown\n## 输出验证报告\n\n### 验证摘要\n- 验证日期：YYYY-MM-DD\n- 用例总数：XX条\n- 验证结果：通过/不通过\n\n### 事实核查\n| 检查项 | 结果 | 说明 |\n|--------|------|------|\n| 需求真实性 | 通过/失败 | [说明] |\n| 风险合理性 | 通过/失败 | [说明] |\n| 边界可验证性 | 通过/失败 | [说明] |\n| 行业标准准确性 | 通过/失败 | [说明] |\n\n### 一致性检查\n| 检查项 | 结果 | 说明 |\n|--------|------|------|\n| 需求ID匹配 | 通过/失败 | [说明] |\n| 风险ID匹配 | 通过/失败 | [说明] |\n| 场景边界对应 | 通过/失败 | [说明] |\n| 评审结果一致 | 通过/失败 | [说明] |\n\n### 可执行性验证\n| 用例编号 | 可执行性 | 问题 |\n|---------|---------|------|\n| TC_XXX_001 | 可执行 | - |\n| TC_XXX_002 | 部分可执行 | [问题] |\n| TC_XXX_003 | 不可执行 | [问题] |\n\n### 问题清单\n| 问题类型 | 用例编号 | 问题描述 | 严重程度 |\n|---------|---------|---------|---------|\n| 幻觉 | TC_XXX_001 | 需求ID不存在 | 高 |\n| 不一致 | TC_XXX_002 | 风险等级与内容不符 | 中 |\n| 不可执行 | TC_XXX_003 | 步骤过于模糊 | 中 |\n\n### 验证结论\n- 是否通过：是/否\n- 主要问题：[描述]\n- 建议：[建议]\n```\n\n## 验证策略速查表\n\n不同输出类型的验证侧重点不同：\n\n| 输出类型 | 优先验证维度 | 特别关注 | 验证深度 |\n|---------|------------|---------|---------|\n| 功能用例 | 可执行性+事实核查 | 步骤是否可操作 | ★★★ |\n| 边界用例 | 事实核查 | 边界值是否真实存在 | ★★★★ |\n| 异常用例 | 可执行性+一致性 | 异常场景是否合理 | ★★★★ |\n| 安全用例 | 事实核查+可执行性 | 攻击向量是否真实 | ★★★★★ |\n| 性能用例 | 可执行性 | 指标是否可测量 | ★★★ |\n| 全量用例集 | 全部四维 | 全流程一致性 | ★★★★★ |\n\n## 常见幻觉类型与处理\n\n| 幻觉类型 | 表现 | 检测方法 | 处理方式 |\n|---------|------|---------|---------|\n| 虚无功能 | AI编造不存在的功能模块 | 对比需求解构表 | 删除或标记 |\n| 过度推断 | 从\"登录失败\"推\"账号被锁\"但需求未提 | 检查推理链是否在需求范围内 | 降级为假设场景 |\n| 数据编造 | 编造不存在的API返回字段 | 对比接口文档/边界清单 | 修正或删除 |\n| 时间幻觉 | 断言\"3次锁定\"但需求写5次 | 比对原始需求 | 修正为准确值 |\n| 跨模块矛盾 | A模块说\"跳转B\"，B模块用例推翻 | 一致性检查矩阵 | 统一修正 |\n| 依赖幻觉 | 假设了不存在的前置依赖 | 检查前置条件是否有需求支撑 | 标注[假设] |\n\n## 输出示例\n\n**用户说\"帮我验证AI生成的登录测试用例\"**\n→ 事实核查：验证所有需求ID、场景、预期结果是否基于真实需求文档\n→ 一致性检查：同一功能的不同用例之间描述是否一致\n→ 可执行性验证：每个用例的步骤是否清晰可执行\n→ 来源追溯：标注每个用例的信息来源（需求文档/分析结果/AI推断）\n\n**AI生成了一个不存在的功能模块的测试用例**\n→ 事实核查命中：该模块ID在需求文档中不存在，标记为幻觉\n\n## 检查清单\n\n输出验证完成后检查：\n- [ ] 事实核查是否完成？\n- [ ] 一致性检查是否通过？\n- [ ] 可执行性验证是否完成？\n- [ ] 来源追溯是否标注？\n- [ ] 问题清单是否列出？\n- [ ] 验证报告是否完整？\n\n## 输出验证 vs 输出评审\n\n| 维度 | 输出验证（本技能） | 输出评审（qa-ai-output-critique） |\n|------|------------------|--------------------------------|\n| 目标 | 防幻觉、保质量 | 找不足、促迭代 |\n| 视角 | 事实核查：是否\"真实\" | 质量评估：是否\"够好\" |\n| 输出 | 验证报告（pass/fail） | 评审报告（六维评分+改进建议） |\n| 触发时机 | 最终输出前 | 生成后、迭代中 |\n| 核心问题 | \"这个用例能执行吗？\" | \"这个用例够全面吗？\" |\n| 处理幻觉 | 标记+删除 | 反馈+补充 |\n\nFile v1.7.0:_meta.json\n\n{\n \"ownerId\": \"kn71y9b23csfx0ykgm55d5m9x5891zt8\",\n \"slug\": \"qa-output-validation\",\n \"version\": \"1.7.0\",\n \"publishedAt\": 1786890696052\n}\n\nFile v1.7.0:skill-card.md\n\n## Description:\n\nChecks generated test cases before final output by validating factual grounding, internal consistency, executability, and traceability back to stated requirements.\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\nDevelopers, QA engineers, and testing teams use this skill as a final quality gate for AI-generated test cases. It produces a validation report that flags hallucinated requirements, contradictory cases, unclear steps, and missing traceability before test cases are delivered.\n\n### Deployment Geography for Use:\n\nGlobal\n\n## Known Risks and Mitigations:\n\nRisk: Broad activation phrases may route general output-quality requests to this skill when stricter workflow routing is desired.\n\nMitigation: Use explicit activation wording or routing rules when teams need this skill to run only at the final test-case validation stage.\n\nRisk: Validation findings can recommend marking or removing hallucinated test cases, which could affect useful work if source evidence is incomplete.\n\nMitigation: Confirm each flagged item against the requirement source and preserve the original test-case data before making removals or corrections.\n\n## Reference(s):\n\n- [ClawHub skill page](https://clawhub.ai/kokxi/skills/qa-output-validation)\n\n## Skill Output:\n\n**Output Type(s):** [Text, Markdown, Guidance]\n\n**Output Format:** [Markdown validation report with pass/fail status, check summaries, issue tables, and traceability notes]\n\n**Output Parameters:** [1D]\n\n**Other Properties Related to Output:** [Reports issues against existing test case IDs and does not create new unique identifiers.]\n\n## Skill Version(s):\n\n1.7.0 (source: frontmatter and 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 v1.6.3: 3 files, 5667 bytes\n\nFiles: skill-card.md (2152b), SKILL.md (10791b), _meta.json (139b)\n\nFile v1.6.3:SKILL.md\n\n---\nname: qa-output-validation\nslug: qa-output-validation\ndisplayName: Output Validation\nversion: 1.6.3\ndescription: >-\n 在最终输出前对测试用例做最后一轮防幻觉验证：事实核查（引用的需求ID是否存在）、一致性检查（用例之间是否矛盾）、可执行性验证（步骤是否能实际操作）、来源追溯（每个用例是否能追溯到具体需求）。当测试用例已经生成完毕、准备输出了，但你不确定AI有没有编造不存在的功能或需求时，应当使用此技能。这是整个工作流的最终质量守门——如果验证失败，必须返回问题清单要求修正，不得跳过。\n\nwhen_to_use: AI生成测试用例后、最终输出前自动激活；用户说\"验证一下输出\"、\"检查有没有幻觉\"、\"这个用例对吗\"、\"确认一下质量\"时\nallowed-tools: Read Grep Glob\nrelated_skills:\n upstream:\n - qa-ai-output-critique # 输入：评审后的测试用例\n - qa-ai-blindspot-compensation # 输入：补盲后的测试用例\n downstream:\n - qa-test-reporting # 验证通过后输出最终结果\ninput_format:\n required:\n - name: 测试用例\n type: array\n description: AI生成的测试用例列表\n - name: 需求解构表\n type: object\n description: 原始需求解构结果\n optional:\n - name: 评审报告\n type: object\n description: 评审结果\noutput_format:\n traceability:\n - 本技能验证输出，不新增唯一ID；问题清单关联到原用例ID（TC-XXXX）\n structure:\n - validation_result: \"pass/fail\"\n - fact_check: \"事实核查结果\"\n - consistency_check: \"一致性检查结果\"\n - executability_check: \"可执行性验证结果\"\n - issues: \"问题清单\"\n - traceability: \"来源追溯\"\nerror_recovery_guidance:\n on_failure: \"返回问题清单和具体失败原因，要求修正后重新生成\"\n retry_behavior: \"修正后重新执行AI生成步骤\"\ncategories: ['Development','Testing','AI']\ndepth_requirement_quantification:\n reference_value: \"根据用例数量调整验证深度：简单×1/中等×2/复杂×3\"\n minimum: \"至少完成事实核查、一致性检查、可执行性验证、来源追溯4项\"\n---\n> **⚠️ 安全警告**：本技能的示例可能涉及对虚无功能的删除或标记建议。\n> 实际使用时请勿直接删除测试用例或功能项，先确认其来源并备份原数据。\n> 本技能仅在 workspace/ 输出评估文件，不持久化、不外传、不跨会话复用。\n\n# 输出验证\n\n## 核心原则\n\nAI可能编造不存在的内容——必须验证每个输出的依据。\n\n## 验证维度\n\n### 维度1：事实核查\n\n**目标**：验证AI输出是否基于真实信息，而非编造\n\n```text\n检查点：\n├─ 需求是否真实存在？\n│ └─ 用例中的需求ID是否在需求解构表中？\n├─ 风险是否合理推断？\n│ └─ 风险ID是否基于实际风险分析？\n├─ 边界是否可验证？\n│ └─ 边界条件是否真实存在？\n├─ 行业标准是否准确？\n│ └─ 引用的行业知识是否正确？\n└─ 历史缺陷是否真实？\n └─ 引用的历史缺陷是否有依据？\n\n防幻觉检查：\n├─ 检查是否有\"凭空捏造\"的内容\n├─ 检查是否有\"过度推断\"的内容\n├─ 检查是否有\"错误引用\"的内容\n└─ 检查是否有\"逻辑矛盾\"的内容\n```\n\n### 维度2：一致性检查\n\n**目标**：验证输出各部分是否一致\n\n```text\n检查点：\n├─ 需求ID与用例是否一一对应？\n│ └─ 每条用例的需求ID是否在需求列表中？\n├─ 风险ID与用例是否匹配？\n│ └─ 风险等级是否与用例内容一致？\n├─ 场景与边界是否对应？\n│ └─ 边界是否覆盖了相关场景？\n├─ 评审结果与实际输出是否一致？\n│ └─ 评审指出的问题是否已修正？\n└─ 不同技能输出是否矛盾？\n └─ 需求解构、场景树、边界分析是否一致？\n\n一致性矩阵：\n| 维度1 | 维度2 | 检查项 |\n|-------|-------|--------|\n| 需求 | 用例 | 需求ID是否匹配 |\n| 风险 | 用例 | 风险ID是否匹配 |\n| 场景 | 边界 | 边界是否覆盖场景 |\n| 评审 | 输出 | 问题是否已修正 |\n```\n\n### 维度3：可执行性验证\n\n**目标**：验证测试用例是否可实际执行\n\n```text\n检查点：\n├─ 测试步骤是否具体可操作？\n│ └─ 步骤是否清晰到可以由任何人执行？\n├─ 预期结果是否可验证？\n│ └─ 预期结果是否客观可测量？\n├─ 测试数据是否可构造？\n│ └─ 需要的测试数据能否准备？\n├─ 测试环境是否可搭建？\n│ └─ 需要的环境能否搭建？\n└─ 测试工具是否可用？\n └─ 需要的工具是否可获取？\n\n可执行性评分：\n- 10分：完全可执行，无任何障碍\n- 7分：基本可执行，少量障碍可克服\n- 4分：部分可执行，有明显障碍\n- 1分：无法执行，需要重新设计\n```\n\n### 维度4：来源追溯\n\n**目标**：标注每个输出的来源和依据\n\n```text\n追溯内容：\n├─ 需求来源：来自用户输入/需求文档\n├─ 风险来源：来自风险分析/行业经验\n├─ 边界来源：来自边界分析/最佳实践\n├─ 用例来源：来自哪个技能生成\n└─ 评审来源：来自哪个评审维度\n\n追溯格式：\n每条用例标注：\n- 需求来源：REQ-XXX（来自需求解构）\n- 风险来源：RISK-XXX（来自风险分析）\n- 生成来源：qa-ai-prompt-strategy\n- 评审状态：已评审/未评审\n```\n\n## 验证流程\n\n### 步骤1：事实核查\n\n```text\n执行内容：\n1. 对比用例中的需求ID与需求解构表\n2. 检查风险ID是否基于实际分析\n3. 验证边界条件是否真实存在\n4. 检查引用的行业知识是否准确\n\n输出：\n├─ 核查通过项：[列表]\n├─ 核查失败项：[列表]\n└─ 幻觉风险项：[列表]\n```\n\n### 步骤2：一致性检查\n\n```text\n执行内容：\n1. 验证需求ID与用例的对应关系\n2. 验证风险ID与用例的匹配关系\n3. 验证场景与边界的覆盖关系\n4. 验证评审结果与实际输出的一致性\n\n输出：\n├─ 一致项：[列表]\n├─ 不一致项：[列表]\n└─ 矛盾项：[列表]\n```\n\n### 步骤3：可执行性验证\n\n```text\n执行内容：\n1. 检查测试步骤的具体性\n2. 检查预期结果的可验证性\n3. 检查测试数据的可构造性\n4. 检查测试环境的可搭建性\n\n输出：\n├─ 可执行项：[列表]\n├─ 部分可执行项：[列表]\n└─ 不可执行项：[列表]\n```\n\n### 步骤4：生成验证报告\n\n```markdown\n## 输出验证报告\n\n### 验证摘要\n- 验证日期：YYYY-MM-DD\n- 用例总数：XX条\n- 验证结果：通过/不通过\n\n### 事实核查\n| 检查项 | 结果 | 说明 |\n|--------|------|------|\n| 需求真实性 | 通过/失败 | [说明] |\n| 风险合理性 | 通过/失败 | [说明] |\n| 边界可验证性 | 通过/失败 | [说明] |\n| 行业标准准确性 | 通过/失败 | [说明] |\n\n### 一致性检查\n| 检查项 | 结果 | 说明 |\n|--------|------|------|\n| 需求ID匹配 | 通过/失败 | [说明] |\n| 风险ID匹配 | 通过/失败 | [说明] |\n| 场景边界对应 | 通过/失败 | [说明] |\n| 评审结果一致 | 通过/失败 | [说明] |\n\n### 可执行性验证\n| 用例编号 | 可执行性 | 问题 |\n|---------|---------|------|\n| TC_XXX_001 | 可执行 | - |\n| TC_XXX_002 | 部分可执行 | [问题] |\n| TC_XXX_003 | 不可执行 | [问题] |\n\n### 问题清单\n| 问题类型 | 用例编号 | 问题描述 | 严重程度 |\n|---------|---------|---------|---------|\n| 幻觉 | TC_XXX_001 | 需求ID不存在 | 高 |\n| 不一致 | TC_XXX_002 | 风险等级与内容不符 | 中 |\n| 不可执行 | TC_XXX_003 | 步骤过于模糊 | 中 |\n\n### 验证结论\n- 是否通过：是/否\n- 主要问题：[描述]\n- 建议：[建议]\n```\n\n## 验证策略速查表\n\n不同输出类型的验证侧重点不同：\n\n| 输出类型 | 优先验证维度 | 特别关注 | 验证深度 |\n|---------|------------|---------|---------|\n| 功能用例 | 可执行性+事实核查 | 步骤是否可操作 | ★★★ |\n| 边界用例 | 事实核查 | 边界值是否真实存在 | ★★★★ |\n| 异常用例 | 可执行性+一致性 | 异常场景是否合理 | ★★★★ |\n| 安全用例 | 事实核查+可执行性 | 攻击向量是否真实 | ★★★★★ |\n| 性能用例 | 可执行性 | 指标是否可测量 | ★★★ |\n| 全量用例集 | 全部四维 | 全流程一致性 | ★★★★★ |\n\n## 常见幻觉类型与处理\n\n| 幻觉类型 | 表现 | 检测方法 | 处理方式 |\n|---------|------|---------|---------|\n| 虚无功能 | AI编造不存在的功能模块 | 对比需求解构表 | 删除或标记 |\n| 过度推断 | 从\"登录失败\"推\"账号被锁\"但需求未提 | 检查推理链是否在需求范围内 | 降级为假设场景 |\n| 数据编造 | 编造不存在的API返回字段 | 对比接口文档/边界清单 | 修正或删除 |\n| 时间幻觉 | 断言\"3次锁定\"但需求写5次 | 比对原始需求 | 修正为准确值 |\n| 跨模块矛盾 | A模块说\"跳转B\"，B模块用例推翻 | 一致性检查矩阵 | 统一修正 |\n| 依赖幻觉 | 假设了不存在的前置依赖 | 检查前置条件是否有需求支撑 | 标注[假设] |\n\n## 输出示例\n\n**用户说\"帮我验证AI生成的登录测试用例\"**\n→ 事实核查：验证所有需求ID、场景、预期结果是否基于真实需求文档\n→ 一致性检查：同一功能的不同用例之间描述是否一致\n→ 可执行性验证：每个用例的步骤是否清晰可执行\n→ 来源追溯：标注每个用例的信息来源（需求文档/分析结果/AI推断）\n\n**AI生成了一个不存在的功能模块的测试用例**\n→ 事实核查命中：该模块ID在需求文档中不存在，标记为幻觉\n\n## 检查清单\n\n输出验证完成后检查：\n- [ ] 事实核查是否完成？\n- [ ] 一致性检查是否通过？\n- [ ] 可执行性验证是否完成？\n- [ ] 来源追溯是否标注？\n- [ ] 问题清单是否列出？\n- [ ] 验证报告是否完整？\n\n## 输出验证 vs 输出评审\n\n| 维度 | 输出验证（本技能） | 输出评审（qa-ai-output-critique） |\n|------|------------------|--------------------------------|\n| 目标 | 防幻觉、保质量 | 找不足、促迭代 |\n| 视角 | 事实核查：是否\"真实\" | 质量评估：是否\"够好\" |\n| 输出 | 验证报告（pass/fail） | 评审报告（六维评分+改进建议） |\n| 触发时机 | 最终输出前 | 生成后、迭代中 |\n| 核心问题 | \"这个用例能执行吗？\" | \"这个用例够全面吗？\" |\n| 处理幻觉 | 标记+删除 | 反馈+补充 |\n\nFile v1.6.3:_meta.json\n\n{\n \"ownerId\": \"kn71y9b23csfx0ykgm55d5m9x5891zt8\",\n \"slug\": \"qa-output-validation\",\n \"version\": \"1.6.3\",\n \"publishedAt\": 1786548286348\n}\n\nFile v1.6.3:skill-card.md\n\n## Description:\n\nValidates generated test cases before final delivery by checking factual grounding, consistency, executability, and traceability, then returns a pass/fail validation report with issues that must be corrected.\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\nDevelopers, QA engineers, and agents use this skill as a final quality gate after generating test cases and before returning them to a user. It checks whether test cases are grounded in the provided requirements, internally consistent, executable, and traceable to source inputs.\n\n### Deployment Geography for Use:\n\nGlobal\n\n## Known Risks and Mitigations:\n\nRisk: Validation findings may incorrectly flag valid test cases or suggest removing cases whose source was not immediately visible.\n\nMitigation: Review the validation report against the original requirements and back up source data before changing or deleting test cases.\n\nRisk: The skill may trigger on broad requests to verify output quality and influence downstream test-case changes.\n\nMitigation: Treat the report as a QA gate requiring human or workflow confirmation before applying corrections.\n\n## Reference(s):\n\n- [ClawHub skill page](https://clawhub.ai/kokxi/skills/qa-output-validation)\n- [Publisher profile](https://clawhub.ai/user/kokxi)\n\n## Skill Output:\n\n**Output Type(s):** [Text, Markdown, Guidance]\n\n**Output Format:** [Markdown validation report with pass/fail status, check results, issue tables, traceability notes, and correction guidance]\n\n**Output Parameters:** [1D]\n\n**Other Properties Related to Output:** [The report should preserve source traceability for each test case and identify issues without directly deleting test cases.]\n\n## Skill Version(s):\n\n1.6.3 (source: server release evidence 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 v1.6.0: 3 files, 5648 bytes\n\nFiles: skill-card.md (2123b), SKILL.md (11031b), _meta.json (139b)\n\nFile v1.6.0:SKILL.md\n\n---\r\nname: qa-output-validation\r\nversion: 1.6.0\r\ndescription: >-\r\n 在最终输出前对测试用例做最后一轮防幻觉验证：事实核查（引用的需求ID是否存在）、一致性检查（用例之间是否矛盾）、可执行性验证（步骤是否能实际操作）、来源追溯（每个用例是否能追溯到具体需求）。当测试用例已经生成完毕、准备输出了，但你不确定AI有没有编造不存在的功能或需求时，应当使用此技能。这是整个工作流的最终质量守门——如果验证失败，必须返回问题清单要求修正，不得跳过。\r\n\r\nwhen_to_use: AI生成测试用例后、最终输出前自动激活；用户说\"验证一下输出\"、\"检查有没有幻觉\"、\"这个用例对吗\"、\"确认一下质量\"时\r\nallowed-tools: Read Grep Glob\r\nrelated_skills:\r\n upstream:\r\n - qa-ai-output-critique # 输入：评审后的测试用例\r\n - qa-ai-blindspot-compensation # 输入：补盲后的测试用例\r\n downstream:\r\n - qa-test-reporting # 验证通过后输出最终结果\r\ninput_format:\r\n required:\r\n - name: 测试用例\r\n type: array\r\n description: AI生成的测试用例列表\r\n - name: 需求解构表\r\n type: object\r\n description: 原始需求解构结果\r\n optional:\r\n - name: 评审报告\r\n type: object\r\n description: 评审结果\r\noutput_format:\r\n traceability:\r\n - 本技能验证输出，不新增唯一ID；问题清单关联到原用例ID（TC-XXXX）\r\n structure:\r\n - validation_result: \"pass/fail\"\r\n - fact_check: \"事实核查结果\"\r\n - consistency_check: \"一致性检查结果\"\r\n - executability_check: \"可执行性验证结果\"\r\n - issues: \"问题清单\"\r\n - traceability: \"来源追溯\"\r\nerror_recovery_guidance:\r\n on_failure: \"返回问题清单和具体失败原因，要求修正后重新生成\"\r\n retry_behavior: \"修正后重新执行AI生成步骤\"\r\ncategories: ['Development','Testing','AI']\r\ndepth_requirement_quantification:\r\n reference_value: \"根据用例数量调整验证深度：简单×1/中等×2/复杂×3\"\r\n minimum: \"至少完成事实核查、一致性检查、可执行性验证、来源追溯4项\"\r\n---\r\n> **⚠️ 安全警告**：本技能的示例可能涉及对虚无功能的删除或标记建议。\r\n> 实际使用时请勿直接删除测试用例或功能项，先确认其来源并备份原数据。\r\n> 本技能仅在 workspace/ 输出评估文件，不持久化、不外传、不跨会话复用。\r\n\r\n# 输出验证\r\n\r\n## 核心原则\r\n\r\nAI可能编造不存在的内容——必须验证每个输出的依据。\r\n\r\n## 验证维度\r\n\r\n### 维度1：事实核查\r\n\r\n**目标**：验证AI输出是否基于真实信息，而非编造\r\n\r\n```text\r\n检查点：\r\n├─ 需求是否真实存在？\r\n│ └─ 用例中的需求ID是否在需求解构表中？\r\n├─ 风险是否合理推断？\r\n│ └─ 风险ID是否基于实际风险分析？\r\n├─ 边界是否可验证？\r\n│ └─ 边界条件是否真实存在？\r\n├─ 行业标准是否准确？\r\n│ └─ 引用的行业知识是否正确？\r\n└─ 历史缺陷是否真实？\r\n └─ 引用的历史缺陷是否有依据？\r\n\r\n防幻觉检查：\r\n├─ 检查是否有\"凭空捏造\"的内容\r\n├─ 检查是否有\"过度推断\"的内容\r\n├─ 检查是否有\"错误引用\"的内容\r\n└─ 检查是否有\"逻辑矛盾\"的内容\r\n```\r\n\r\n### 维度2：一致性检查\r\n\r\n**目标**：验证输出各部分是否一致\r\n\r\n```text\r\n检查点：\r\n├─ 需求ID与用例是否一一对应？\r\n│ └─ 每条用例的需求ID是否在需求列表中？\r\n├─ 风险ID与用例是否匹配？\r\n│ └─ 风险等级是否与用例内容一致？\r\n├─ 场景与边界是否对应？\r\n│ └─ 边界是否覆盖了相关场景？\r\n├─ 评审结果与实际输出是否一致？\r\n│ └─ 评审指出的问题是否已修正？\r\n└─ 不同技能输出是否矛盾？\r\n └─ 需求解构、场景树、边界分析是否一致？\r\n\r\n一致性矩阵：\r\n| 维度1 | 维度2 | 检查项 |\r\n|-------|-------|--------|\r\n| 需求 | 用例 | 需求ID是否匹配 |\r\n| 风险 | 用例 | 风险ID是否匹配 |\r\n| 场景 | 边界 | 边界是否覆盖场景 |\r\n| 评审 | 输出 | 问题是否已修正 |\r\n```\r\n\r\n### 维度3：可执行性验证\r\n\r\n**目标**：验证测试用例是否可实际执行\r\n\r\n```text\r\n检查点：\r\n├─ 测试步骤是否具体可操作？\r\n│ └─ 步骤是否清晰到可以由任何人执行？\r\n├─ 预期结果是否可验证？\r\n│ └─ 预期结果是否客观可测量？\r\n├─ 测试数据是否可构造？\r\n│ └─ 需要的测试数据能否准备？\r\n├─ 测试环境是否可搭建？\r\n│ └─ 需要的环境能否搭建？\r\n└─ 测试工具是否可用？\r\n └─ 需要的工具是否可获取？\r\n\r\n可执行性评分：\r\n- 10分：完全可执行，无任何障碍\r\n- 7分：基本可执行，少量障碍可克服\r\n- 4分：部分可执行，有明显障碍\r\n- 1分：无法执行，需要重新设计\r\n```\r\n\r\n### 维度4：来源追溯\r\n\r\n**目标**：标注每个输出的来源和依据\r\n\r\n```text\r\n追溯内容：\r\n├─ 需求来源：来自用户输入/需求文档\r\n├─ 风险来源：来自风险分析/行业经验\r\n├─ 边界来源：来自边界分析/最佳实践\r\n├─ 用例来源：来自哪个技能生成\r\n└─ 评审来源：来自哪个评审维度\r\n\r\n追溯格式：\r\n每条用例标注：\r\n- 需求来源：REQ-XXX（来自需求解构）\r\n- 风险来源：RISK-XXX（来自风险分析）\r\n- 生成来源：qa-ai-prompt-strategy\r\n- 评审状态：已评审/未评审\r\n```\r\n\r\n## 验证流程\r\n\r\n### 步骤1：事实核查\r\n\r\n```text\r\n执行内容：\r\n1. 对比用例中的需求ID与需求解构表\r\n2. 检查风险ID是否基于实际分析\r\n3. 验证边界条件是否真实存在\r\n4. 检查引用的行业知识是否准确\r\n\r\n输出：\r\n├─ 核查通过项：[列表]\r\n├─ 核查失败项：[列表]\r\n└─ 幻觉风险项：[列表]\r\n```\r\n\r\n### 步骤2：一致性检查\r\n\r\n```text\r\n执行内容：\r\n1. 验证需求ID与用例的对应关系\r\n2. 验证风险ID与用例的匹配关系\r\n3. 验证场景与边界的覆盖关系\r\n4. 验证评审结果与实际输出的一致性\r\n\r\n输出：\r\n├─ 一致项：[列表]\r\n├─ 不一致项：[列表]\r\n└─ 矛盾项：[列表]\r\n```\r\n\r\n### 步骤3：可执行性验证\r\n\r\n```text\r\n执行内容：\r\n1. 检查测试步骤的具体性\r\n2. 检查预期结果的可验证性\r\n3. 检查测试数据的可构造性\r\n4. 检查测试环境的可搭建性\r\n\r\n输出：\r\n├─ 可执行项：[列表]\r\n├─ 部分可执行项：[列表]\r\n└─ 不可执行项：[列表]\r\n```\r\n\r\n### 步骤4：生成验证报告\r\n\r\n```markdown\r\n## 输出验证报告\r\n\r\n### 验证摘要\r\n- 验证日期：YYYY-MM-DD\r\n- 用例总数：XX条\r\n- 验证结果：通过/不通过\r\n\r\n### 事实核查\r\n| 检查项 | 结果 | 说明 |\r\n|--------|------|------|\r\n| 需求真实性 | 通过/失败 | [说明] |\r\n| 风险合理性 | 通过/失败 | [说明] |\r\n| 边界可验证性 | 通过/失败 | [说明] |\r\n| 行业标准准确性 | 通过/失败 | [说明] |\r\n\r\n### 一致性检查\r\n| 检查项 | 结果 | 说明 |\r\n|--------|------|------|\r\n| 需求ID匹配 | 通过/失败 | [说明] |\r\n| 风险ID匹配 | 通过/失败 | [说明] |\r\n| 场景边界对应 | 通过/失败 | [说明] |\r\n| 评审结果一致 | 通过/失败 | [说明] |\r\n\r\n### 可执行性验证\r\n| 用例编号 | 可执行性 | 问题 |\r\n|---------|---------|------|\r\n| TC_XXX_001 | 可执行 | - |\r\n| TC_XXX_002 | 部分可执行 | [问题] |\r\n| TC_XXX_003 | 不可执行 | [问题] |\r\n\r\n### 问题清单\r\n| 问题类型 | 用例编号 | 问题描述 | 严重程度 |\r\n|---------|---------|---------|---------|\r\n| 幻觉 | TC_XXX_001 | 需求ID不存在 | 高 |\r\n| 不一致 | TC_XXX_002 | 风险等级与内容不符 | 中 |\r\n| 不可执行 | TC_XXX_003 | 步骤过于模糊 | 中 |\r\n\r\n### 验证结论\r\n- 是否通过：是/否\r\n- 主要问题：[描述]\r\n- 建议：[建议]\r\n```\r\n\r\n## 验证策略速查表\r\n\r\n不同输出类型的验证侧重点不同：\r\n\r\n| 输出类型 | 优先验证维度 | 特别关注 | 验证深度 |\r\n|---------|------------|---------|---------|\r\n| 功能用例 | 可执行性+事实核查 | 步骤是否可操作 | ★★★ |\r\n| 边界用例 | 事实核查 | 边界值是否真实存在 | ★★★★ |\r\n| 异常用例 | 可执行性+一致性 | 异常场景是否合理 | ★★★★ |\r\n| 安全用例 | 事实核查+可执行性 | 攻击向量是否真实 | ★★★★★ |\r\n| 性能用例 | 可执行性 | 指标是否可测量 | ★★★ |\r\n| 全量用例集 | 全部四维 | 全流程一致性 | ★★★★★ |\r\n\r\n## 常见幻觉类型与处理\r\n\r\n| 幻觉类型 | 表现 | 检测方法 | 处理方式 |\r\n|---------|------|---------|---------|\r\n| 虚无功能 | AI编造不存在的功能模块 | 对比需求解构表 | 删除或标记 |\r\n| 过度推断 | 从\"登录失败\"推\"账号被锁\"但需求未提 | 检查推理链是否在需求范围内 | 降级为假设场景 |\r\n| 数据编造 | 编造不存在的API返回字段 | 对比接口文档/边界清单 | 修正或删除 |\r\n| 时间幻觉 | 断言\"3次锁定\"但需求写5次 | 比对原始需求 | 修正为准确值 |\r\n| 跨模块矛盾 | A模块说\"跳转B\"，B模块用例推翻 | 一致性检查矩阵 | 统一修正 |\r\n| 依赖幻觉 | 假设了不存在的前置依赖 | 检查前置条件是否有需求支撑 | 标注[假设] |\r\n\r\n## 输出示例\r\n\r\n**用户说\"帮我验证AI生成的登录测试用例\"**\r\n→ 事实核查：验证所有需求ID、场景、预期结果是否基于真实需求文档\r\n→ 一致性检查：同一功能的不同用例之间描述是否一致\r\n→ 可执行性验证：每个用例的步骤是否清晰可执行\r\n→ 来源追溯：标注每个用例的信息来源（需求文档/分析结果/AI推断）\r\n\r\n**AI生成了一个不存在的功能模块的测试用例**\r\n→ 事实核查命中：该模块ID在需求文档中不存在，标记为幻觉\r\n\r\n## 检查清单\r\n\r\n输出验证完成后检查：\r\n- [ ] 事实核查是否完成？\r\n- [ ] 一致性检查是否通过？\r\n- [ ] 可执行性验证是否完成？\r\n- [ ] 来源追溯是否标注？\r\n- [ ] 问题清单是否列出？\r\n- [ ] 验证报告是否完整？\r\n\r\n## 输出验证 vs 输出评审\r\n\r\n| 维度 | 输出验证（本技能） | 输出评审（qa-ai-output-critique） |\r\n|------|------------------|--------------------------------|\r\n| 目标 | 防幻觉、保质量 | 找不足、促迭代 |\r\n| 视角 | 事实核查：是否\"真实\" | 质量评估：是否\"够好\" |\r\n| 输出 | 验证报告（pass/fail） | 评审报告（六维评分+改进建议） |\r\n| 触发时机 | 最终输出前 | 生成后、迭代中 |\r\n| 核心问题 | \"这个用例能执行吗？\" | \"这个用例够全面吗？\" |\r\n| 处理幻觉 | 标记+删除 | 反馈+补充 |\n\nFile v1.6.0:_meta.json\n\n{\n \"ownerId\": \"kn71y9b23csfx0ykgm55d5m9x5891zt8\",\n \"slug\": \"qa-output-validation\",\n \"version\": \"1.6.0\",\n \"publishedAt\": 1783358159664\n}\n\nFile v1.6.0:skill-card.md\n\n## Description:
\nQa Output Validation performs a final anti-hallucination check on generated test cases by verifying requirement IDs, consistency, executability, and source traceability before final output.
\n\nThis skill is ready for commercial/non-commercial use.
\n\n## Publisher:
\n[kokxi](https://clawhub.ai/user/kokxi)
\n\n### License/Terms of Use:
\nMIT-0
\n\n\n## Use Case:
\nQA engineers and development teams use this skill as a final quality gate after AI-generated test cases are produced. It checks whether cases are grounded in the requirement decomposition, internally consistent, executable, and traceable before release or reporting.
\n\n### Deployment Geography for Use:
\nGlobal
\n\n## Known Risks and Mitigations:
\nRisk: The skill may activate on broad requests to verify or check quality.
\nMitigation: Use it as a final QA gate for generated test cases and confirm that the requested validation scope matches the available source materials.
\nRisk: Recommendations to delete or mark test cases could remove valid coverage if the source material is incomplete.
\nMitigation: Review deletion or marking recommendations manually, confirm source traceability, and back up source data before changing test assets.
\n\n\n## Reference(s):
\n- [ClawHub Skill Page](https://clawhub.ai/kokxi/skills/qa-output-validation)
\n\n\n## Skill Output:
\n**Output Type(s):** [text, markdown, guidance]
\n**Output Format:** [Markdown validation report with pass/fail status, check results, issue tables, and traceability notes]
\n**Output Parameters:** [1D]
\n**Other Properties Related to Output:** [Issue lists are tied to original test case IDs and the skill does not assign new unique IDs.]
\n\n## Skill Version(s):
\n1.6.0 (source: frontmatter and server release evidence)
\n\n## Ethical Considerations:
\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 v1.5.0: 3 files, 5240 bytes\n\nFiles: skill-card.md (1916b), SKILL.md (10563b), _meta.json (139b)\n\nFile v1.5.0:SKILL.md\n\n---\r\nname: qa-output-validation\r\nversion: 1.5.0\r\ndescription: >-\r\n 在最终输出前对测试用例做最后一轮防幻觉验证：事实核查（引用的需求ID是否存在）、一致性检查（用例之间是否矛盾）、可执行性验证（步骤是否能实际操作）、来源追溯（每个用例是否能追溯到具体需求）。当测试用例已经生成完毕、准备输出了，但你不确定AI有没有编造不存在的功能或需求时，应当使用此技能。这是整个工作流的最终质量守门——如果验证失败，必须返回问题清单要求修正，不得跳过。\r\n\r\nwhen_to_use: AI生成测试用例后、最终输出前自动激活；用户说\"验证一下输出\"、\"检查有没有幻觉\"、\"这个用例对吗\"、\"确认一下质量\"时\r\nallowed-tools: Read Grep Glob\r\nrelated_skills:\r\n upstream:\r\n - qa-ai-output-critique # 输入：评审后的测试用例\r\n - qa-ai-blindspot-compensation # 输入：补盲后的测试用例\r\n downstream:\r\n - qa-test-reporting # 验证通过后输出最终结果\r\ninput_format:\r\n required:\r\n - name: 测试用例\r\n type: array\r\n description: AI生成的测试用例列表\r\n - name: 需求解构表\r\n type: object\r\n description: 原始需求解构结果\r\n optional:\r\n - name: 评审报告\r\n type: object\r\n description: 评审结果\r\noutput_format:\r\n structure:\r\n - validation_result: \"pass/fail\"\r\n - fact_check: \"事实核查结果\"\r\n - consistency_check: \"一致性检查结果\"\r\n - executability_check: \"可执行性验证结果\"\r\n - issues: \"问题清单\"\r\n - traceability: \"来源追溯\"\r\nerror_recovery_guidance:\r\n on_failure: \"返回问题清单和具体失败原因，要求修正后重新生成\"\r\n retry_behavior: \"修正后重新执行AI生成步骤\"\r\n---\r\n\r\n# 输出验证\r\n\r\n## 核心原则\r\n\r\n你是一位输出验证专家，确保AI生成的测试用例真实、一致、可执行。\r\n**核心原则**：AI可能编造不存在的内容——必须验证每个输出的依据。\r\n本技能从事实核查、一致性、可执行性、来源追溯四个维度验证输出质量。\r\n\r\n## 验证维度\r\n\r\n### 维度1：事实核查\r\n\r\n**目标**：验证AI输出是否基于真实信息，而非编造\r\n\r\n```text\r\n检查点：\r\n├─ 需求是否真实存在？\r\n│ └─ 用例中的需求ID是否在需求解构表中？\r\n├─ 风险是否合理推断？\r\n│ └─ 风险ID是否基于实际风险分析？\r\n├─ 边界是否可验证？\r\n│ └─ 边界条件是否真实存在？\r\n├─ 行业标准是否准确？\r\n│ └─ 引用的行业知识是否正确？\r\n└─ 历史缺陷是否真实？\r\n └─ 引用的历史缺陷是否有依据？\r\n\r\n防幻觉检查：\r\n├─ 检查是否有\"凭空捏造\"的内容\r\n├─ 检查是否有\"过度推断\"的内容\r\n├─ 检查是否有\"错误引用\"的内容\r\n└─ 检查是否有\"逻辑矛盾\"的内容\r\n```\r\n\r\n### 维度2：一致性检查\r\n\r\n**目标**：验证输出各部分是否一致\r\n\r\n```text\r\n检查点：\r\n├─ 需求ID与用例是否一一对应？\r\n│ └─ 每条用例的需求ID是否在需求列表中？\r\n├─ 风险ID与用例是否匹配？\r\n│ └─ 风险等级是否与用例内容一致？\r\n├─ 场景与边界是否对应？\r\n│ └─ 边界是否覆盖了相关场景？\r\n├─ 评审结果与实际输出是否一致？\r\n│ └─ 评审指出的问题是否已修正？\r\n└─ 不同技能输出是否矛盾？\r\n └─ 需求解构、场景树、边界分析是否一致？\r\n\r\n一致性矩阵：\r\n| 维度1 | 维度2 | 检查项 |\r\n|-------|-------|--------|\r\n| 需求 | 用例 | 需求ID是否匹配 |\r\n| 风险 | 用例 | 风险ID是否匹配 |\r\n| 场景 | 边界 | 边界是否覆盖场景 |\r\n| 评审 | 输出 | 问题是否已修正 |\r\n```\r\n\r\n### 维度3：可执行性验证\r\n\r\n**目标**：验证测试用例是否可实际执行\r\n\r\n```text\r\n检查点：\r\n├─ 测试步骤是否具体可操作？\r\n│ └─ 步骤是否清晰到可以由任何人执行？\r\n├─ 预期结果是否可验证？\r\n│ └─ 预期结果是否客观可测量？\r\n├─ 测试数据是否可构造？\r\n│ └─ 需要的测试数据能否准备？\r\n├─ 测试环境是否可搭建？\r\n│ └─ 需要的环境能否搭建？\r\n└─ 测试工具是否可用？\r\n └─ 需要的工具是否可获取？\r\n\r\n可执行性评分：\r\n- 10分：完全可执行，无任何障碍\r\n- 7分：基本可执行，少量障碍可克服\r\n- 4分：部分可执行，有明显障碍\r\n- 1分：无法执行，需要重新设计\r\n```\r\n\r\n### 维度4：来源追溯\r\n\r\n**目标**：标注每个输出的来源和依据\r\n\r\n```text\r\n追溯内容：\r\n├─ 需求来源：来自用户输入/需求文档\r\n├─ 风险来源：来自风险分析/行业经验\r\n├─ 边界来源：来自边界分析/最佳实践\r\n├─ 用例来源：来自哪个技能生成\r\n└─ 评审来源：来自哪个评审维度\r\n\r\n追溯格式：\r\n每条用例标注：\r\n- 需求来源：REQ-XXX（来自需求解构）\r\n- 风险来源：RISK-XXX（来自风险分析）\r\n- 生成来源：qa-ai-prompt-strategy\r\n- 评审状态：已评审/未评审\r\n```\r\n\r\n## 验证流程\r\n\r\n### 步骤1：事实核查\r\n\r\n```text\r\n执行内容：\r\n1. 对比用例中的需求ID与需求解构表\r\n2. 检查风险ID是否基于实际分析\r\n3. 验证边界条件是否真实存在\r\n4. 检查引用的行业知识是否准确\r\n\r\n输出：\r\n├─ 核查通过项：[列表]\r\n├─ 核查失败项：[列表]\r\n└─ 幻觉风险项：[列表]\r\n```\r\n\r\n### 步骤2：一致性检查\r\n\r\n```text\r\n执行内容：\r\n1. 验证需求ID与用例的对应关系\r\n2. 验证风险ID与用例的匹配关系\r\n3. 验证场景与边界的覆盖关系\r\n4. 验证评审结果与实际输出的一致性\r\n\r\n输出：\r\n├─ 一致项：[列表]\r\n├─ 不一致项：[列表]\r\n└─ 矛盾项：[列表]\r\n```\r\n\r\n### 步骤3：可执行性验证\r\n\r\n```text\r\n执行内容：\r\n1. 检查测试步骤的具体性\r\n2. 检查预期结果的可验证性\r\n3. 检查测试数据的可构造性\r\n4. 检查测试环境的可搭建性\r\n\r\n输出：\r\n├─ 可执行项：[列表]\r\n├─ 部分可执行项：[列表]\r\n└─ 不可执行项：[列表]\r\n```\r\n\r\n### 步骤4：生成验证报告\r\n\r\n```markdown\r\n## 输出验证报告\r\n\r\n### 验证摘要\r\n- 验证日期：YYYY-MM-DD\r\n- 用例总数：XX条\r\n- 验证结果：通过/不通过\r\n\r\n### 事实核查\r\n| 检查项 | 结果 | 说明 |\r\n|--------|------|------|\r\n| 需求真实性 | 通过/失败 | [说明] |\r\n| 风险合理性 | 通过/失败 | [说明] |\r\n| 边界可验证性 | 通过/失败 | [说明] |\r\n| 行业标准准确性 | 通过/失败 | [说明] |\r\n\r\n### 一致性检查\r\n| 检查项 | 结果 | 说明 |\r\n|--------|------|------|\r\n| 需求ID匹配 | 通过/失败 | [说明] |\r\n| 风险ID匹配 | 通过/失败 | [说明] |\r\n| 场景边界对应 | 通过/失败 | [说明] |\r\n| 评审结果一致 | 通过/失败 | [说明] |\r\n\r\n### 可执行性验证\r\n| 用例编号 | 可执行性 | 问题 |\r\n|---------|---------|------|\r\n| TC_XXX_001 | 可执行 | - |\r\n| TC_XXX_002 | 部分可执行 | [问题] |\r\n| TC_XXX_003 | 不可执行 | [问题] |\r\n\r\n### 问题清单\r\n| 问题类型 | 用例编号 | 问题描述 | 严重程度 |\r\n|---------|---------|---------|---------|\r\n| 幻觉 | TC_XXX_001 | 需求ID不存在 | 高 |\r\n| 不一致 | TC_XXX_002 | 风险等级与内容不符 | 中 |\r\n| 不可执行 | TC_XXX_003 | 步骤过于模糊 | 中 |\r\n\r\n### 验证结论\r\n- 是否通过：是/否\r\n- 主要问题：[描述]\r\n- 建议：[建议]\r\n```\r\n\r\n## 验证策略速查表\r\n\r\n不同输出类型的验证侧重点不同：\r\n\r\n| 输出类型 | 优先验证维度 | 特别关注 | 验证深度 |\r\n|---------|------------|---------|---------|\r\n| 功能用例 | 可执行性+事实核查 | 步骤是否可操作 | ★★★ |\r\n| 边界用例 | 事实核查 | 边界值是否真实存在 | ★★★★ |\r\n| 异常用例 | 可执行性+一致性 | 异常场景是否合理 | ★★★★ |\r\n| 安全用例 | 事实核查+可执行性 | 攻击向量是否真实 | ★★★★★ |\r\n| 性能用例 | 可执行性 | 指标是否可测量 | ★★★ |\r\n| 全量用例集 | 全部四维 | 全流程一致性 | ★★★★★ |\r\n\r\n## 常见幻觉类型与处理\r\n\r\n| 幻觉类型 | 表现 | 检测方法 | 处理方式 |\r\n|---------|------|---------|---------|\r\n| 虚无功能 | AI编造不存在的功能模块 | 对比需求解构表 | 删除或标记 |\r\n| 过度推断 | 从\"登录失败\"推\"账号被锁\"但需求未提 | 检查推理链是否在需求范围内 | 降级为假设场景 |\r\n| 数据编造 | 编造不存在的API返回字段 | 对比接口文档/边界清单 | 修正或删除 |\r\n| 时间幻觉 | 断言\"3次锁定\"但需求写5次 | 比对原始需求 | 修正为准确值 |\r\n| 跨模块矛盾 | A模块说\"跳转B\"，B模块用例推翻 | 一致性检查矩阵 | 统一修正 |\r\n| 依赖幻觉 | 假设了不存在的前置依赖 | 检查前置条件是否有需求支撑 | 标注[假设] |\r\n\r\n## 输出示例\r\n\r\n**用户说\"帮我验证AI生成的登录测试用例\"**\r\n→ 事实核查：验证所有需求ID、场景、预期结果是否基于真实需求文档\r\n→ 一致性检查：同一功能的不同用例之间描述是否一致\r\n→ 可执行性验证：每个用例的步骤是否清晰可执行\r\n→ 来源追溯：标注每个用例的信息来源（需求文档/分析结果/AI推断）\r\n\r\n**AI生成了一个不存在的功能模块的测试用例**\r\n→ 事实核查命中：该模块ID在需求文档中不存在，标记为幻觉\r\n\r\n## 检查清单\r\n\r\n输出验证完成后检查：\r\n- [ ] 事实核查是否完成？\r\n- [ ] 一致性检查是否通过？\r\n- [ ] 可执行性验证是否完成？\r\n- [ ] 来源追溯是否标注？\r\n- [ ] 问题清单是否列出？\r\n- [ ] 验证报告是否完整？\r\n\r\n## 输出验证 vs 输出评审\r\n\r\n| 维度 | 输出验证（本技能） | 输出评审（qa-ai-output-critique） |\r\n|------|------------------|--------------------------------|\r\n| 目标 | 防幻觉、保质量 | 找不足、促迭代 |\r\n| 视角 | 事实核查：是否\"真实\" | 质量评估：是否\"够好\" |\r\n| 输出 | 验证报告（pass/fail） | 评审报告（六维评分+改进建议） |\r\n| 触发时机 | 最终输出前 | 生成后、迭代中 |\r\n| 核心问题 | \"这个用例能执行吗？\" | \"这个用例够全面吗？\" |\r\n| 处理幻觉 | 标记+删除 | 反馈+补充 |\n\nFile v1.5.0:_meta.json\n\n{\n \"ownerId\": \"kn71y9b23csfx0ykgm55d5m9x5891zt8\",\n \"slug\": \"qa-output-validation\",\n \"version\": \"1.5.0\",\n \"publishedAt\": 1782736418086\n}\n\nFile v1.5.0:skill-card.md\n\n## Description:
\nValidates generated test cases before final output by checking factual grounding, consistency, executability, and traceability against the provided requirements.
\n\nThis skill is ready for commercial/non-commercial use.
\n\n## Publisher:
\n[kokxi](https://clawhub.ai/user/kokxi)
\n\n### License/Terms of Use:
\nMIT-0
\n\n\n## Use Case:
\nQA engineers, developers, and agents use this skill as a final guard before publishing generated test cases. It returns pass/fail validation with fact-check, consistency, executability, issue-list, and traceability findings.
\n\n### Deployment Geography for Use:
\nGlobal
\n\n## Known Risks and Mitigations:
\nRisk: Broad quality-check requests may activate this skill when a different review was intended.
\nMitigation: Confirm that the task is final test-case validation against requirements before applying its findings.
\nRisk: Validation quality depends on the supplied requirements decomposition and generated test cases.
\nMitigation: Return unresolved or missing-source items in the issue list and require correction before final output.
\n\n\n## Reference(s):
\n\n\n## Skill Output:
\n**Output Type(s):** [Analysis, Markdown, Guidance]
\n**Output Format:** [Markdown validation report with pass/fail status, tables, issue lists, and traceability notes]
\n**Output Parameters:** [1D]
\n**Other Properties Related to Output:** [Read-only QA checklist; expected inputs include generated test cases and a requirements decomposition table.]
\n\n## Skill Version(s):
\n1.5.0 (source: frontmatter and release evidence)
\n\n## Ethical Considerations:
\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 v1.4.1: 3 files, 4940 bytes\n\nFiles: skill-card.md (1718b), SKILL.md (9948b), _meta.json (139b)\n\nFile v1.4.1:SKILL.md\n\n---\r\nname: qa-output-validation\r\ndescription: >-\r\n 输出验证，对AI生成的测试用例进行事实核查/一致性检查/可执行性验证。当需要确保AI输出质量和可追溯性时激活。\r\n\r\nwhen_to_use: AI生成测试用例后、最终输出前自动激活；用户说\"验证一下输出\"、\"检查有没有幻觉\"、\"这个用例对吗\"、\"确认一下质量\"时\r\nallowed-tools: Read Grep Glob\r\nrelated_skills:\r\n upstream:\r\n - qa-ai-output-critique # 输入：评审后的测试用例\r\n - qa-ai-blindspot-compensation # 输入：补盲后的测试用例\r\n downstream:\r\n - qa-test-reporting # 验证通过后输出最终结果\r\ninput_format:\r\n required:\r\n - name: 测试用例\r\n type: array\r\n description: AI生成的测试用例列表\r\n - name: 需求解构表\r\n type: object\r\n description: 原始需求解构结果\r\n optional:\r\n - name: 评审报告\r\n type: object\r\n description: 评审结果\r\noutput_format:\r\n structure:\r\n - validation_result: \"pass/fail\"\r\n - fact_check: \"事实核查结果\"\r\n - consistency_check: \"一致性检查结果\"\r\n - executability_check: \"可执行性验证结果\"\r\n - issues: \"问题清单\"\r\n - traceability: \"来源追溯\"\r\n---\r\n\r\n# 输出验证\r\n\r\n## Overview\r\n\r\n你是一位输出验证专家，确保AI生成的测试用例真实、一致、可执行。\r\n**核心原则**：AI可能编造不存在的内容——必须验证每个输出的依据。\r\n本技能从事实核查、一致性、可执行性、来源追溯四个维度验证输出质量。\r\n\r\n## 验证维度\r\n\r\n### 维度1：事实核查\r\n\r\n**目标**：验证AI输出是否基于真实信息，而非编造\r\n\r\n```\r\n检查点：\r\n├─ 需求是否真实存在？\r\n│ └─ 用例中的需求ID是否在需求解构表中？\r\n├─ 风险是否合理推断？\r\n│ └─ 风险ID是否基于实际风险分析？\r\n├─ 边界是否可验证？\r\n│ └─ 边界条件是否真实存在？\r\n├─ 行业标准是否准确？\r\n│ └─ 引用的行业知识是否正确？\r\n└─ 历史缺陷是否真实？\r\n └─ 引用的历史缺陷是否有依据？\r\n\r\n防幻觉检查：\r\n├─ 检查是否有\"凭空捏造\"的内容\r\n├─ 检查是否有\"过度推断\"的内容\r\n├─ 检查是否有\"错误引用\"的内容\r\n└─ 检查是否有\"逻辑矛盾\"的内容\r\n```\r\n\r\n### 维度2：一致性检查\r\n\r\n**目标**：验证输出各部分是否一致\r\n\r\n```\r\n检查点：\r\n├─ 需求ID与用例是否一一对应？\r\n│ └─ 每条用例的需求ID是否在需求列表中？\r\n├─ 风险ID与用例是否匹配？\r\n│ └─ 风险等级是否与用例内容一致？\r\n├─ 场景与边界是否对应？\r\n│ └─ 边界是否覆盖了相关场景？\r\n├─ 评审结果与实际输出是否一致？\r\n│ └─ 评审指出的问题是否已修正？\r\n└─ 不同技能输出是否矛盾？\r\n └─ 需求解构、场景树、边界分析是否一致？\r\n\r\n一致性矩阵：\r\n| 维度1 | 维度2 | 检查项 |\r\n|-------|-------|--------|\r\n| 需求 | 用例 | 需求ID是否匹配 |\r\n| 风险 | 用例 | 风险ID是否匹配 |\r\n| 场景 | 边界 | 边界是否覆盖场景 |\r\n| 评审 | 输出 | 问题是否已修正 |\r\n```\r\n\r\n### 维度3：可执行性验证\r\n\r\n**目标**：验证测试用例是否可实际执行\r\n\r\n```\r\n检查点：\r\n├─ 测试步骤是否具体可操作？\r\n│ └─ 步骤是否清晰到可以由任何人执行？\r\n├─ 预期结果是否可验证？\r\n│ └─ 预期结果是否客观可测量？\r\n├─ 测试数据是否可构造？\r\n│ └─ 需要的测试数据能否准备？\r\n├─ 测试环境是否可搭建？\r\n│ └─ 需要的环境能否搭建？\r\n└─ 测试工具是否可用？\r\n └─ 需要的工具是否可获取？\r\n\r\n可执行性评分：\r\n- 10分：完全可执行，无任何障碍\r\n- 7分：基本可执行，少量障碍可克服\r\n- 4分：部分可执行，有明显障碍\r\n- 1分：无法执行，需要重新设计\r\n```\r\n\r\n### 维度4：来源追溯\r\n\r\n**目标**：标注每个输出的来源和依据\r\n\r\n```\r\n追溯内容：\r\n├─ 需求来源：来自用户输入/需求文档\r\n├─ 风险来源：来自风险分析/行业经验\r\n├─ 边界来源：来自边界分析/最佳实践\r\n├─ 用例来源：来自哪个技能生成\r\n└─ 评审来源：来自哪个评审维度\r\n\r\n追溯格式：\r\n每条用例标注：\r\n- 需求来源：REQ-XXX（来自需求解构）\r\n- 风险来源：RISK-XXX（来自风险分析）\r\n- 生成来源：qa-ai-prompt-strategy\r\n- 评审状态：已评审/未评审\r\n```\r\n\r\n## 验证流程\r\n\r\n### 步骤1：事实核查\r\n\r\n```\r\n执行内容：\r\n1. 对比用例中的需求ID与需求解构表\r\n2. 检查风险ID是否基于实际分析\r\n3. 验证边界条件是否真实存在\r\n4. 检查引用的行业知识是否准确\r\n\r\n输出：\r\n├─ 核查通过项：[列表]\r\n├─ 核查失败项：[列表]\r\n└─ 幻觉风险项：[列表]\r\n```\r\n\r\n### 步骤2：一致性检查\r\n\r\n```\r\n执行内容：\r\n1. 验证需求ID与用例的对应关系\r\n2. 验证风险ID与用例的匹配关系\r\n3. 验证场景与边界的覆盖关系\r\n4. 验证评审结果与实际输出的一致性\r\n\r\n输出：\r\n├─ 一致项：[列表]\r\n├─ 不一致项：[列表]\r\n└─ 矛盾项：[列表]\r\n```\r\n\r\n### 步骤3：可执行性验证\r\n\r\n```\r\n执行内容：\r\n1. 检查测试步骤的具体性\r\n2. 检查预期结果的可验证性\r\n3. 检查测试数据的可构造性\r\n4. 检查测试环境的可搭建性\r\n\r\n输出：\r\n├─ 可执行项：[列表]\r\n├─ 部分可执行项：[列表]\r\n└─ 不可执行项：[列表]\r\n```\r\n\r\n### 步骤4：生成验证报告\r\n\r\n```markdown\r\n## 输出验证报告\r\n\r\n### 验证摘要\r\n- 验证日期：YYYY-MM-DD\r\n- 用例总数：XX条\r\n- 验证结果：通过/不通过\r\n\r\n### 事实核查\r\n| 检查项 | 结果 | 说明 |\r\n|--------|------|------|\r\n| 需求真实性 | 通过/失败 | [说明] |\r\n| 风险合理性 | 通过/失败 | [说明] |\r\n| 边界可验证性 | 通过/失败 | [说明] |\r\n| 行业标准准确性 | 通过/失败 | [说明] |\r\n\r\n### 一致性检查\r\n| 检查项 | 结果 | 说明 |\r\n|--------|------|------|\r\n| 需求ID匹配 | 通过/失败 | [说明] |\r\n| 风险ID匹配 | 通过/失败 | [说明] |\r\n| 场景边界对应 | 通过/失败 | [说明] |\r\n| 评审结果一致 | 通过/失败 | [说明] |\r\n\r\n### 可执行性验证\r\n| 用例编号 | 可执行性 | 问题 |\r\n|---------|---------|------|\r\n| TC_XXX_001 | 可执行 | - |\r\n| TC_XXX_002 | 部分可执行 | [问题] |\r\n| TC_XXX_003 | 不可执行 | [问题] |\r\n\r\n### 问题清单\r\n| 问题类型 | 用例编号 | 问题描述 | 严重程度 |\r\n|---------|---------|---------|---------|\r\n| 幻觉 | TC_XXX_001 | 需求ID不存在 | 高 |\r\n| 不一致 | TC_XXX_002 | 风险等级与内容不符 | 中 |\r\n| 不可执行 | TC_XXX_003 | 步骤过于模糊 | 中 |\r\n\r\n### 验证结论\r\n- 是否通过：是/否\r\n- 主要问题：[描述]\r\n- 建议：[建议]\r\n```\r\n\r\n## 验证策略速查表\r\n\r\n不同输出类型的验证侧重点不同：\r\n\r\n| 输出类型 | 优先验证维度 | 特别关注 | 验证深度 |\r\n|---------|------------|---------|---------|\r\n| 功能用例 | 可执行性+事实核查 | 步骤是否可操作 | ★★★ |\r\n| 边界用例 | 事实核查 | 边界值是否真实存在 | ★★★★ |\r\n| 异常用例 | 可执行性+一致性 | 异常场景是否合理 | ★★★★ |\r\n| 安全用例 | 事实核查+可执行性 | 攻击向量是否真实 | ★★★★★ |\r\n| 性能用例 | 可执行性 | 指标是否可测量 | ★★★ |\r\n| 全量用例集 | 全部四维 | 全流程一致性 | ★★★★★ |\r\n\r\n## 常见幻觉类型与处理\r\n\r\n| 幻觉类型 | 表现 | 检测方法 | 处理方式 |\r\n|---------|------|---------|---------|\r\n| 虚无功能 | AI编造不存在的功能模块 | 对比需求解构表 | 删除或标记 |\r\n| 过度推断 | 从\"登录失败\"推\"账号被锁\"但需求未提 | 检查推理链是否在需求范围内 | 降级为假设场景 |\r\n| 数据编造 | 编造不存在的API返回字段 | 对比接口文档/边界清单 | 修正或删除 |\r\n| 时间幻觉 | 断言\"3次锁定\"但需求写5次 | 比对原始需求 | 修正为准确值 |\r\n| 跨模块矛盾 | A模块说\"跳转B\"，B模块用例推翻 | 一致性检查矩阵 | 统一修正 |\r\n| 依赖幻觉 | 假设了不存在的前置依赖 | 检查前置条件是否有需求支撑 | 标注[假设] |\r\n\r\n## Examples\r\n\r\n**用户说\"帮我验证AI生成的登录测试用例\"**\r\n→ 事实核查：验证所有需求ID、场景、预期结果是否基于真实需求文档\r\n→ 一致性检查：同一功能的不同用例之间描述是否一致\r\n→ 可执行性验证：每个用例的步骤是否清晰可执行\r\n→ 来源追溯：标注每个用例的信息来源（需求文档/分析结果/AI推断）\r\n\r\n**AI生成了一个不存在的功能模块的测试用例**\r\n→ 事实核查命中：该模块ID在需求文档中不存在，标记为幻觉\r\n\r\n## Guidelines\r\n\r\n输出验证完成后检查：\r\n- [ ] 事实核查是否完成？\r\n- [ ] 一致性检查是否通过？\r\n- [ ] 可执行性验证是否完成？\r\n- [ ] 来源追溯是否标注？\r\n- [ ] 问题清单是否列出？\r\n- [ ] 验证报告是否完整？\r\n\r\n## 输出验证 vs 输出评审\r\n\r\n| 维度 | 输出验证（本技能） | 输出评审（qa-ai-output-critique） |\r\n|------|------------------|--------------------------------|\r\n| 目标 | 防幻觉、保质量 | 找不足、促迭代 |\r\n| 视角 | 事实核查：是否\"真实\" | 质量评估：是否\"够好\" |\r\n| 输出 | 验证报告（pass/fail） | 评审报告（六维评分+改进建议） |\r\n| 触发时机 | 最终输出前 | 生成后、迭代中 |\r\n| 核心问题 | \"这个用例能执行吗？\" | \"这个用例够全面吗？\" |\r\n| 处理幻觉 | 标记+删除 | 反馈+补充 |\n\nFile v1.4.1:_meta.json\n\n{\n \"ownerId\": \"kn71y9b23csfx0ykgm55d5m9x5891zt8\",\n \"slug\": \"qa-output-validation\",\n \"version\": \"1.4.1\",\n \"publishedAt\": 1782406515523\n}\n\nFile v1.4.1:skill-card.md\n\n## Description:
\nQa Output Validation helps validate AI-generated test cases through fact checks, consistency checks, executability review, and traceability.
\n\nThis skill is ready for commercial/non-commercial use.
\n\n## Publisher:
\n[kokxi](https://clawhub.ai/user/kokxi)
\n\n### License/Terms of Use:
\nMIT-0
\n\n\n## Use Case:
\nQA engineers and test authors use this skill before finalizing AI-generated test cases to identify hallucinated requirements, inconsistent mappings, unclear steps, and missing source traceability.
\n\n### Deployment Geography for Use:
\nGlobal
\n\n## Known Risks and Mitigations:
\nRisk: The skill may trigger on broad quality-check requests and produce advisory validation findings that need human judgment.
\nMitigation: Review the validation report before acting on it and provide only the requirement or test-case documents needed for the check.
\n\n\n## Reference(s):
\n- [ClawHub skill page](https://clawhub.ai/kokxi/skills/qa-output-validation)
\n\n\n## Skill Output:
\n**Output Type(s):** [markdown, guidance]
\n**Output Format:** [Markdown validation report with summary tables and issue lists]
\n**Output Parameters:** [1D]
\n**Other Properties Related to Output:** [Read-only advisory output based on the supplied requirements, test cases, and optional review report.]
\n\n## Skill Version(s):
\n1.4.1 (source: server release metadata)
\n\n## Ethical Considerations:
\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 v1.4.0: 3 files, 5135 bytes\n\nFiles: skill-card.md (2199b), SKILL.md (9964b), _meta.json (139b)\n\nFile v1.4.0:SKILL.md\n\n---\nname: qa-output-validation\ndescription: >-\n 输出验证，对AI生成的测试用例进行事实核查、一致性检查和可执行性验证。当AI生成测试用例后、最终输出前需要质量验证时自动触发。\n 也适用于：用户怀疑AI生成用例有幻觉，或需要确保测试用例可执行时。\n 关键词：输出验证、事实核查、一致性检查、幻觉检测、AI输出质量、测试用例验证、可执行性验证、来源追溯、质量门禁、AI幻觉防御。\nwhen_to_use: AI生成测试用例后、最终输出前自动激活；用户说\"验证一下输出\"、\"检查有没有幻觉\"、\"这个用例对吗\"、\"确认一下质量\"时\nallowed-tools: Read Grep Glob\nrelated_skills:\n upstream:\n - qa-ai-output-critique # 输入：评审后的测试用例\n - qa-ai-blindspot-compensation # 输入：补盲后的测试用例\n downstream:\n - qa-test-reporting # 验证通过后输出最终结果\ninput_format:\n required:\n - name: 测试用例\n type: array\n description: AI生成的测试用例列表\n - name: 需求解构表\n type: object\n description: 原始需求解构结果\n optional:\n - name: 评审报告\n type: object\n description: 评审结果\noutput_format:\n structure:\n - validation_result: \"pass/fail\"\n - fact_check: \"事实核查结果\"\n - consistency_check: \"一致性检查结果\"\n - executability_check: \"可执行性验证结果\"\n - issues: \"问题清单\"\n - traceability: \"来源追溯\"\n---\n\n# 输出验证\n\n## Overview\n\n你是一位输出验证专家，确保AI生成的测试用例真实、一致、可执行。\n**核心原则**：AI可能编造不存在的内容——必须验证每个输出的依据。\n本技能从事实核查、一致性、可执行性、来源追溯四个维度验证输出质量。\n\n## 验证维度\n\n### 维度1：事实核查\n\n**目标**：验证AI输出是否基于真实信息，而非编造\n\n```\n检查点：\n├─ 需求是否真实存在？\n│ └─ 用例中的需求ID是否在需求解构表中？\n├─ 风险是否合理推断？\n│ └─ 风险ID是否基于实际风险分析？\n├─ 边界是否可验证？\n│ └─ 边界条件是否真实存在？\n├─ 行业标准是否准确？\n│ └─ 引用的行业知识是否正确？\n└─ 历史缺陷是否真实？\n └─ 引用的历史缺陷是否有依据？\n\n防幻觉检查：\n├─ 检查是否有\"凭空捏造\"的内容\n├─ 检查是否有\"过度推断\"的内容\n├─ 检查是否有\"错误引用\"的内容\n└─ 检查是否有\"逻辑矛盾\"的内容\n```\n\n### 维度2：一致性检查\n\n**目标**：验证输出各部分是否一致\n\n```\n检查点：\n├─ 需求ID与用例是否一一对应？\n│ └─ 每条用例的需求ID是否在需求列表中？\n├─ 风险ID与用例是否匹配？\n│ └─ 风险等级是否与用例内容一致？\n├─ 场景与边界是否对应？\n│ └─ 边界是否覆盖了相关场景？\n├─ 评审结果与实际输出是否一致？\n│ └─ 评审指出的问题是否已修正？\n└─ 不同技能输出是否矛盾？\n └─ 需求解构、场景树、边界分析是否一致？\n\n一致性矩阵：\n| 维度1 | 维度2 | 检查项 |\n|-------|-------|--------|\n| 需求 | 用例 | 需求ID是否匹配 |\n| 风险 | 用例 | 风险ID是否匹配 |\n| 场景 | 边界 | 边界是否覆盖场景 |\n| 评审 | 输出 | 问题是否已修正 |\n```\n\n### 维度3：可执行性验证\n\n**目标**：验证测试用例是否可实际执行\n\n```\n检查点：\n├─ 测试步骤是否具体可操作？\n│ └─ 步骤是否清晰到可以由任何人执行？\n├─ 预期结果是否可验证？\n│ └─ 预期结果是否客观可测量？\n├─ 测试数据是否可构造？\n│ └─ 需要的测试数据能否准备？\n├─ 测试环境是否可搭建？\n│ └─ 需要的环境能否搭建？\n└─ 测试工具是否可用？\n └─ 需要的工具是否可获取？\n\n可执行性评分：\n- 10分：完全可执行，无任何障碍\n- 7分：基本可执行，少量障碍可克服\n- 4分：部分可执行，有明显障碍\n- 1分：无法执行，需要重新设计\n```\n\n### 维度4：来源追溯\n\n**目标**：标注每个输出的来源和依据\n\n```\n追溯内容：\n├─ 需求来源：来自用户输入/需求文档\n├─ 风险来源：来自风险分析/行业经验\n├─ 边界来源：来自边界分析/最佳实践\n├─ 用例来源：来自哪个技能生成\n└─ 评审来源：来自哪个评审维度\n\n追溯格式：\n每条用例标注：\n- 需求来源：REQ-XXX（来自需求解构）\n- 风险来源：RISK-XXX（来自风险分析）\n- 生成来源：qa-ai-prompt-strategy\n- 评审状态：已评审/未评审\n```\n\n## 验证流程\n\n### 步骤1：事实核查\n\n```\n执行内容：\n1. 对比用例中的需求ID与需求解构表\n2. 检查风险ID是否基于实际分析\n3. 验证边界条件是否真实存在\n4. 检查引用的行业知识是否准确\n\n输出：\n├─ 核查通过项：[列表]\n├─ 核查失败项：[列表]\n└─ 幻觉风险项：[列表]\n```\n\n### 步骤2：一致性检查\n\n```\n执行内容：\n1. 验证需求ID与用例的对应关系\n2. 验证风险ID与用例的匹配关系\n3. 验证场景与边界的覆盖关系\n4. 验证评审结果与实际输出的一致性\n\n输出：\n├─ 一致项：[列表]\n├─ 不一致项：[列表]\n└─ 矛盾项：[列表]\n```\n\n### 步骤3：可执行性验证\n\n```\n执行内容：\n1. 检查测试步骤的具体性\n2. 检查预期结果的可验证性\n3. 检查测试数据的可构造性\n4. 检查测试环境的可搭建性\n\n输出：\n├─ 可执行项：[列表]\n├─ 部分可执行项：[列表]\n└─ 不可执行项：[列表]\n```\n\n### 步骤4：生成验证报告\n\n```markdown\n## 输出验证报告\n\n### 验证摘要\n- 验证日期：YYYY-MM-DD\n- 用例总数：XX条\n- 验证结果：通过/不通过\n\n### 事实核查\n| 检查项 | 结果 | 说明 |\n|--------|------|------|\n| 需求真实性 | 通过/失败 | [说明] |\n| 风险合理性 | 通过/失败 | [说明] |\n| 边界可验证性 | 通过/失败 | [说明] |\n| 行业标准准确性 | 通过/失败 | [说明] |\n\n### 一致性检查\n| 检查项 | 结果 | 说明 |\n|--------|------|------|\n| 需求ID匹配 | 通过/失败 | [说明] |\n| 风险ID匹配 | 通过/失败 | [说明] |\n| 场景边界对应 | 通过/失败 | [说明] |\n| 评审结果一致 | 通过/失败 | [说明] |\n\n### 可执行性验证\n| 用例编号 | 可执行性 | 问题 |\n|---------|---------|------|\n| TC_XXX_001 | 可执行 | - |\n| TC_XXX_002 | 部分可执行 | [问题] |\n| TC_XXX_003 | 不可执行 | [问题] |\n\n### 问题清单\n| 问题类型 | 用例编号 | 问题描述 | 严重程度 |\n|---------|---------|---------|---------|\n| 幻觉 | TC_XXX_001 | 需求ID不存在 | 高 |\n| 不一致 | TC_XXX_002 | 风险等级与内容不符 | 中 |\n| 不可执行 | TC_XXX_003 | 步骤过于模糊 | 中 |\n\n### 验证结论\n- 是否通过：是/否\n- 主要问题：[描述]\n- 建议：[建议]\n```\n\n## 验证策略速查表\n\n不同输出类型的验证侧重点不同：\n\n| 输出类型 | 优先验证维度 | 特别关注 | 验证深度 |\n|---------|------------|---------|---------|\n| 功能用例 | 可执行性+事实核查 | 步骤是否可操作 | ★★★ |\n| 边界用例 | 事实核查 | 边界值是否真实存在 | ★★★★ |\n| 异常用例 | 可执行性+一致性 | 异常场景是否合理 | ★★★★ |\n| 安全用例 | 事实核查+可执行性 | 攻击向量是否真实 | ★★★★★ |\n| 性能用例 | 可执行性 | 指标是否可测量 | ★★★ |\n| 全量用例集 | 全部四维 | 全流程一致性 | ★★★★★ |\n\n## 常见幻觉类型与处理\n\n| 幻觉类型 | 表现 | 检测方法 | 处理方式 |\n|---------|------|---------|---------|\n| 虚无功能 | AI编造不存在的功能模块 | 对比需求解构表 | 删除或标记 |\n| 过度推断 | 从\"登录失败\"推\"账号被锁\"但需求未提 | 检查推理链是否在需求范围内 | 降级为假设场景 |\n| 数据编造 | 编造不存在的API返回字段 | 对比接口文档/边界清单 | 修正或删除 |\n| 时间幻觉 | 断言\"3次锁定\"但需求写5次 | 比对原始需求 | 修正为准确值 |\n| 跨模块矛盾 | A模块说\"跳转B\"，B模块用例推翻 | 一致性检查矩阵 | 统一修正 |\n| 依赖幻觉 | 假设了不存在的前置依赖 | 检查前置条件是否有需求支撑 | 标注[假设] |\n\n## Examples\n\n**用户说\"帮我验证AI生成的登录测试用例\"**\n→ 事实核查：验证所有需求ID、场景、预期结果是否基于真实需求文档\n→ 一致性检查：同一功能的不同用例之间描述是否一致\n→ 可执行性验证：每个用例的步骤是否清晰可执行\n→ 来源追溯：标注每个用例的信息来源（需求文档/分析结果/AI推断）\n\n**AI生成了一个不存在的功能模块的测试用例**\n→ 事实核查命中：该模块ID在需求文档中不存在，标记为幻觉\n\n## Guidelines\n\n输出验证完成后检查：\n- [ ] 事实核查是否完成？\n- [ ] 一致性检查是否通过？\n- [ ] 可执行性验证是否完成？\n- [ ] 来源追溯是否标注？\n- [ ] 问题清单是否列出？\n- [ ] 验证报告是否完整？\n\n## 输出验证 vs 输出评审\n\n| 维度 | 输出验证（本技能） | 输出评审（qa-ai-output-critique） |\n|------|------------------|--------------------------------|\n| 目标 | 防幻觉、保质量 | 找不足、促迭代 |\n| 视角 | 事实核查：是否\"真实\" | 质量评估：是否\"够好\" |\n| 输出 | 验证报告（pass/fail） | 评审报告（六维评分+改进建议） |\n| 触发时机 | 最终输出前 | 生成后、迭代中 |\n| 核心问题 | \"这个用例能执行吗？\" | \"这个用例够全面吗？\" |\n| 处理幻觉 | 标记+删除 | 反馈+补充 |\n\nFile v1.4.0:_meta.json\n\n{\n \"ownerId\": \"kn71y9b23csfx0ykgm55d5m9x5891zt8\",\n \"slug\": \"qa-output-validation\",\n \"version\": \"1.4.0\",\n \"publishedAt\": 1782277776274\n}\n\nFile v1.4.0:skill-card.md\n\n## Description:
\nValidates AI-generated test cases for factual grounding, consistency, executability, and traceability before final output.
\n\nThis skill is ready for commercial/non-commercial use.
\n\n## Publisher:
\n[kokxi](https://clawhub.ai/user/kokxi)
\n\n### License/Terms of Use:
\nMIT-0
\n\n\n## Use Case:
\nDevelopers and QA teams use this skill to check AI-generated test cases before final delivery. It helps identify hallucinated requirements, inconsistent IDs or risk mappings, unclear execution steps, and missing traceability.
\n\n### Deployment Geography for Use:
\nGlobal
\n\n## Known Risks and Mitigations:
\nRisk: Broad trigger phrases may activate the skill during general output-quality checks.
\nMitigation: Use it when validation of generated test cases is intended, especially before final output or when hallucination risk is suspected.
\nRisk: The skill may read relevant workspace requirement, review, or test artifacts to perform validation.
\nMitigation: Run it only in workspaces where those artifacts are appropriate for the agent to inspect.
\nRisk: A validation report can still be wrong if the provided requirement or test evidence is incomplete.
\nMitigation: Review failed checks, assumptions, and traceability notes against the authoritative requirement sources before acting on the report.
\n\n\n## Reference(s):
\n- [ClawHub skill page](https://clawhub.ai/kokxi/skills/qa-output-validation)
\n\n\n## Skill Output:
\n**Output Type(s):** [Markdown, Guidance]
\n**Output Format:** [Markdown validation report with pass/fail status, checks, issues, traceability, and recommendations]
\n**Output Parameters:** [1D]
\n**Other Properties Related to Output:** [Read-only validation of generated test cases and related requirement or review artifacts.]
\n\n## Skill Version(s):
\n1.4.0 (source: server release evidence)
\n\n## Ethical Considerations:
\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.
","readmeExcerpt":"Skill: qa-output-validation Owner: kokxi Summary: 在最终输出前对测试用例做最后一轮防幻觉验证：事实核查（引用的需求ID是否存在）、一致性检查（用例之间是否矛盾）、可执行性验证（步骤是否能实际操作）、来源追溯（每个用例是否能追溯到具体需求）。当测试用例已经生成完毕、准备输出了，但你不确定AI有没有编造不存在的功能或需求时，应当使用此技能。这是整个工作流的最终质量守门——如果验证失败，必须返回问题清单要求修正，不得跳过。 触发场景：验证一下输出、检查有没有幻觉、这个用例对吗、确认一下质量、时。 Use when the user asks about: final anti-hallucination verification of generated test cases — fact checking, cross-case consistency, executability,","codeSnippets":[],"executableExamples":[{"language":"text","snippet":"执行内容：\n1. 对比用例中的需求ID与需求解构表\n2. 检查风险ID是否基于实际分析\n3. 验证边界条件是否真实存在\n4. 检查引用的行业知识是否准确\n\n输出：\n├─ 核查通过项：[列表]\n├─ 核查失败项：[列表]\n└─ 幻觉风险项：[列表]"},{"language":"text","snippet":"执行内容：\n1. 验证需求ID与用例的对应关系\n2. 验证风险ID与用例的匹配关系\n3. 验证场景与边界的覆盖关系\n4. 验证评审结果与实际输出的一致性\n\n输出：\n├─ 一致项：[列表]\n├─ 不一致项：[列表]\n└─ 矛盾项：[列表]"},{"language":"text","snippet":"执行内容：\n1. 检查测试步骤的具体性\n2. 检查预期结果的可验证性\n3. 检查测试数据的可构造性\n4. 检查测试环境的可搭建性\n\n输出：\n├─ 可执行项：[列表]\n├─ 部分可执行项：[列表]\n└─ 不可执行项：[列表]"},{"language":"markdown","snippet":"## 输出验证报告\n\n### 验证摘要\n- 验证日期：YYYY-MM-DD\n- 用例总数：XX条\n- 验证结果：通过/不通过\n\n### 事实核查\n| 检查项 | 结果 | 说明 |\n|--------|------|------|\n| 需求真实性 | 通过/失败 | [说明] |\n| 风险合理性 | 通过/失败 | [说明] |\n| 边界可验证性 | 通过/失败 | [说明] |\n| 行业标准准确性 | 通过/失败 | [说明] |\n\n### 一致性检查\n| 检查项 | 结果 | 说明 |\n|--------|------|------|\n| 需求ID匹配 | 通过/失败 | [说明] |\n| 风险ID匹配 | 通过/失败 | [说明] |\n| 场景边界对应 | 通过/失败 | [说明] |\n| 评审结果一致 | 通过/失败 | [说明] |\n\n### 可执行性验证\n| 用例编号 | 可执行性 | 问题 |\n|---------|---------|------|\n| TC_XXX_001 | 可执行 | - |\n| TC_XXX_002 | 部分可执行 | [问题] |\n| TC_XXX_003 | 不可执行 | [问题] |\n\n### 问题清单\n| 问题类型 | 用例编号 | 问题描述 | 严重程度 |\n|---------|---------|---------|---------|\n| 幻觉 | TC_XXX_001 | 需求ID不存在 | 高 |\n| 不一致 | TC_XXX_002 | 风险等级与内容不符 | 中 |\n| 不可执行 | TC_XXX_003 | 步骤过于模糊 | 中 |\n\n### 验证结论\n- 是否通过：是/否\n- 主要问题：[描述]\n- 建议：[建议]"},{"language":"text","snippet":"检查点：\n├─ 需求是否真实存在？\n│ └─ 用例中的需求ID是否在需求解构表中？\n├─ 风险是否合理推断？\n│ └─ 风险ID是否基于实际风险分析？\n├─ 边界是否可验证？\n│ └─ 边界条件是否真实存在？\n├─ 行业标准是否准确？\n│ └─ 引用的行业知识是否正确？\n└─ 历史缺陷是否真实？\n └─ 引用的历史缺陷是否有依据？\n\n防幻觉检查：\n├─ 检查是否有\"凭空捏造\"的内容\n├─ 检查是否有\"过度推断\"的内容\n├─ 检查是否有\"错误引用\"的内容\n└─ 检查是否有\"逻辑矛盾\"的内容"},{"language":"text","snippet":"检查点：\n├─ 需求ID与用例是否一一对应？\n│ └─ 每条用例的需求ID是否在需求列表中？\n├─ 风险ID与用例是否匹配？\n│ └─ 风险等级是否与用例内容一致？\n├─ 场景与边界是否对应？\n│ └─ 边界是否覆盖了相关场景？\n├─ 评审结果与实际输出是否一致？\n│ └─ 评审指出的问题是否已修正？\n└─ 不同技能输出是否矛盾？\n └─ 需求解构、场景树、边界分析是否一致？\n\n一致性矩阵：\n| 维度1 | 维度2 | 检查项 |\n|-------|-------|--------|\n| 需求 | 用例 | 需求ID是否匹配 |\n| 风险 | 用例 | 风险ID是否匹配 |\n| 场景 | 边界 | 边界是否覆盖场景 |\n| 评审 | 输出 | 问题是否已修正 |"}],"parameters":null,"dependencies":[],"permissions":[],"extractedFiles":[{"path":"SKILL.md","content":"---\nname: qa-output-validation\ndescription: >-\n 在最终输出前对测试用例做最后一轮防幻觉验证：事实核查（引用的需求ID是否存在）、一致性检查（用例之间是否矛盾）、可执行性验证（步骤是否能实际操作）、来源追溯（每个用例是否能追溯到具体需求）。当测试用例已经生成完毕、准备输出了，但你不确定AI有没有编造不存在的功能或需求时，应当使用此技能。这是整个工作流的最终质量守门——如果验证失败，必须返回问题清单要求修正，不得跳过。 触发场景：验证一下输出、检查有没有幻觉、这个用例对吗、确认一下质量、时。 Use when the user asks about: final anti-hallucination verification of generated test cases — fact checking, cross-case consistency, executability, and requirement traceability.\nlicense: MIT\nallowed-tools: Read Grep Glob\nmetadata:\n display-name: \"Output Validation\"\n version: \"1.8.0\"\n when-to-use: \"AI生成测试用例后、最终输出前自动激活；用户说\\\"验证一下输出\\\"、\\\"检查有没有幻觉\\\"、\\\"这个用例对吗\\\"、\\\"确认一下质量\\\"时\"\n related-skills: \"{\\\"upstream\\\":[\\\"qa-ai-output-critique\\\",\\\"qa-ai-blindspot-compensation\\\"],\\\"downstream\\\":[\\\"qa-test-reporting\\\"]}\"\n references: \"[\\\"references/validation-dimensions.md\\\"]\"\n input-format: \"{\\\"required\\\":[{\\\"name\\\":\\\"测试用例\\\",\\\"type\\\":\\\"array\\\",\\\"description\\\":\\\"AI生成的测试用例列表\\\"},{\\\"name\\\":\\\"需求解构表\\\",\\\"type\\\":\\\"object\\\",\\\"description\\\":\\\"原始需求解构结果\\\"}],\\\"optional\\\":[{\\\"name\\\":\\\"评审报告\\\",\\\"type\\\":\\\"object\\\",\\\"description\\\":\\\"评审结果\\\"}]}\"\n output-format: \"{\\\"traceability\\\":[\\\"本技能验证输出，不新增唯一ID；问题清单关联到原用例ID（TC_{模块缩写}_{功能缩写}_{序号}，如 TC_API_LOGIN_001）\\\"],\\\"structure\\\":[\\\"覆盖率：标注口径（基于现有需求/输入文档），禁止\\\\\\\"全覆盖/100%\\\\\\\"绝对化表述；缺失模块标注\\\\\\\"未覆盖+原因\\\\\\\"\\\",{\\\"validation_result\\\":\\\"pass/fail\\\"},{\\\"fact_check\\\":\\\"事实核查结果\\\"},{\\\"consistency_check\\\":\\\"一致性检查结果\\\"},{\\\"executability_check\\\":\\\"可执行性验证结果\\\"},{\\\"issues\\\":\\\"问题清单\\\"},{\\\"traceability\\\":\\\"来源追溯\\\"}]}\"\n error-recovery-guidance: \"{\\\"on_failure\\\":\\\"返回问题清单和具体失败原因，要求修正后重新生成\\\",\\\"retry_behavior\\\":\\\"修正后重新执行AI生成步骤\\\"}\"\n categories: \"[\\\"Development\\\",\\\"Testing\\\",\\\"AI\\\"]\"\n depth-requirement: \"{\\\"reference_value\\\":\\\"根据用例数量调整验证深度：简单×1/中等×2/复杂×3\\\",\\\"minimum\\\":\\\"至少完成事实核查、一致性检查、可执行性验证、来源追溯4项\\\"}\"\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> **⚠️ 安全警告**：本技能的示例可能涉及对虚无功能的删除或标记建议。\n> 实际使用时请勿直接删除测试用例或功能项，先确认其来源并备份原数据。\n> 本技能仅在 workspace/ 输出评估文件，不持久化、不外传、不跨会话复用。\n\n# 输出验证\n\n## 核心原则\n\nAI可能编造不存在的内容——必须验证每个输出的依据。\n\n## 加载时机\n\n| 什么时候读 | 读哪个 |\n|-----------|--------|\n| 逐维做防幻觉校验时 | [`references/validation-dimensions.md`](references/validation-dimensions.md) |\n\n> `验证维度`的完整内容已下沉至 `references/validation-dimensions.md`，避免每次触发都占用上下文。\n\n## 验证流程\n\n### 步骤1：事实核查\n\n```text\n执行内容：\n1. 对比用例中的需求ID与需求解构表\n2. 检查风险ID是否基于实际分析\n3. 验证边界条件是否真实存在\n4. 检查引用的行业知识是否准确\n\n输出：\n├─ 核查通过项：[列表]\n├─ 核查失败项：[列表]\n└─ 幻觉风险项：[列表]\n```\n\n### 步骤2：一致性检查\n\n```text\n执行内容：\n1. 验证需求ID与用例的对应关系\n2. 验证风险ID与用例的匹配关系\n3. 验证场景与边界的覆盖关系\n4. 验证评审结果与实际输出的一致性\n\n输出：\n├─ 一致项：[列表]\n├─ 不一致项：[列表]\n└─ 矛盾项：[列表]\n```\n\n### 步骤3：可执行性验证\n\n```text\n执行内容：\n1. 检查测试步骤的具体性\n2. 检查预期结果的可验证性\n3. 检查测试数据的可构造性\n4. 检查测试环境的可搭建性\n\n输出：\n├─ 可执行项：[列表]\n├─ 部分可执行项：[列表]\n└─ 不可执行项：[列表]\n```\n\n### 步骤4：生成验证报告\n\n```markdown\n## 输出验证报告\n\n### 验证摘要\n- 验证日期：YYYY-MM-DD\n- 用例总数：XX条\n- 验证结果：通过/不通过\n\n### 事实核查\n| 检查项 | 结果 | 说明 |\n|--------|------|------|\n| 需求真实性 | 通过/失败 | [说明] |\n| 风险合理性 | 通过/失败 | [说明] |\n| 边界可验证性 | 通过/失败 | [说明] |\n| 行业标准准确性 | 通过/失败 | [说明] |\n\n### 一致性检查\n| 检查项 | 结果 | 说明 |\n|--------|------|------|\n| 需求ID匹配 | 通过/失败 | ["},{"path":"_meta.json","content":"{\n \"ownerId\": \"kn71y9b23csfx0ykgm55d5m9x5891zt8\",\n \"slug\": \"qa-output-validation\",\n \"version\": \"1.8.0\",\n \"publishedAt\": 1790656027439\n}"},{"path":"references/validation-dimensions.md","content":"# 验证维度详解\n\n> 本文是 `qa-output-validation` 的**验证维度详解**。逐维做防幻觉校验时读本文；\n其余部分留在 SKILL.md，不必读本文。\n\n---\n\n\n### 维度1：事实核查\n\n**目标**：验证AI输出是否基于真实信息，而非编造\n\n```text\n检查点：\n├─ 需求是否真实存在？\n│ └─ 用例中的需求ID是否在需求解构表中？\n├─ 风险是否合理推断？\n│ └─ 风险ID是否基于实际风险分析？\n├─ 边界是否可验证？\n│ └─ 边界条件是否真实存在？\n├─ 行业标准是否准确？\n│ └─ 引用的行业知识是否正确？\n└─ 历史缺陷是否真实？\n └─ 引用的历史缺陷是否有依据？\n\n防幻觉检查：\n├─ 检查是否有\"凭空捏造\"的内容\n├─ 检查是否有\"过度推断\"的内容\n├─ 检查是否有\"错误引用\"的内容\n└─ 检查是否有\"逻辑矛盾\"的内容\n```\n\n### 维度2：一致性检查\n\n**目标**：验证输出各部分是否一致\n\n```text\n检查点：\n├─ 需求ID与用例是否一一对应？\n│ └─ 每条用例的需求ID是否在需求列表中？\n├─ 风险ID与用例是否匹配？\n│ └─ 风险等级是否与用例内容一致？\n├─ 场景与边界是否对应？\n│ └─ 边界是否覆盖了相关场景？\n├─ 评审结果与实际输出是否一致？\n│ └─ 评审指出的问题是否已修正？\n└─ 不同技能输出是否矛盾？\n └─ 需求解构、场景树、边界分析是否一致？\n\n一致性矩阵：\n| 维度1 | 维度2 | 检查项 |\n|-------|-------|--------|\n| 需求 | 用例 | 需求ID是否匹配 |\n| 风险 | 用例 | 风险ID是否匹配 |\n| 场景 | 边界 | 边界是否覆盖场景 |\n| 评审 | 输出 | 问题是否已修正 |\n```\n\n### 维度3：可执行性验证\n\n**目标**：验证测试用例是否可实际执行\n\n```text\n检查点：\n├─ 测试步骤是否具体可操作？\n│ └─ 步骤是否清晰到可以由任何人执行？\n├─ 预期结果是否可验证？\n│ └─ 预期结果是否客观可测量？\n├─ 测试数据是否可构造？\n│ └─ 需要的测试数据能否准备？\n├─ 测试环境是否可搭建？\n│ └─ 需要的环境能否搭建？\n└─ 测试工具是否可用？\n └─ 需要的工具是否可获取？\n\n可执行性评分：\n- 10分：完全可执行，无任何障碍\n- 7分：基本可执行，少量障碍可克服\n- 4分：部分可执行，有明显障碍\n- 1分：无法执行，需要重新设计\n```\n\n### 维度4：来源追溯\n\n**目标**：标注每个输出的来源和依据\n\n```text\n追溯内容：\n├─ 需求来源：来自用户输入/需求文档\n├─ 风险来源：来自风险分析/行业经验\n├─ 边界来源：来自边界分析/最佳实践\n├─ 用例来源：来自哪个技能生成\n└─ 评审来源：来自哪个评审维度\n\n追溯格式：\n每条用例标注：\n- 需求来源：REQ-XXX（来自需求解构）\n- 风险来源：RISK-XXX（来自风险分析）\n- 生成来源：qa-ai-prompt-strategy\n- 评审状态：已评审/未评审\n```"},{"path":"skill-card.md","content":"## Description:\n\nValidates AI-generated test cases against requirements for factual accuracy, consistency, executability, and traceability before final delivery.\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 check generated test cases against source requirements before delivery, flagging unsupported claims, contradictions, unworkable steps, and missing traceability.\n\n### Deployment Geography for Use:\n\nGlobal\n\n## Known Risks and Mitigations:\n\nRisk: Incorrectly flagged cases could lead to deletion of valid tests or requirements.\n\nMitigation: Confirm findings against source requirements and back up originals before deleting or changing cases.\n\nRisk: The companion installation command may execute publisher-supplied code.\n\nMitigation: Review the package or pinned source and trust the publisher before running the command.\n\n## Reference(s):\n\n- [Validation dimensions](references/validation-dimensions.md)\n- [ClawHub skill listing](https://clawhub.ai/kokxi/skills/qa-output-validation)\n\n## Skill Output:\n\n**Output Type(s):** [Text, Markdown, Guidance]\n\n**Output Format:** [Markdown validation report with pass/fail results, findings, and source traceability]\n\n**Output Parameters:** [1D]\n\n**Other Properties Related to Output:** [Findings refer to existing test case IDs; coverage statements identify their source scope and gaps.]\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":"在最终输出前对测试用例做最后一轮防幻觉验证：事实核查（引用的需求ID是否存在）、一致性检查（用例之间是否矛盾）、可执行性验证（步骤是否能实际操作）、来源追溯（每个用例是否能追溯到具体需求）。当测试用例已经生成完毕、准备输出了，但你不确定AI有没有编造不存在的功能或需求时，应当使用此技能。这是整个工作流的最终质量守门——如果验证失败，必须返回问题清单要求修正，不得跳过。 触发场景：验证一下输出、检查有没有幻觉、这个用例对吗、确认一下质量、时。 Use when the user asks about: final anti-hallucination verification of generated test cases — fact checking, cross-case consistency, executability, and requirement traceability. Skill: qa-output-validation Owner: kokxi Summary: 在最终输出前对测试用例做最后一轮防幻觉验证：事实核查（引用的需求ID是否存在）、一致性检查（用例之间是否矛盾）、可执行性验证（步骤是否能实际操作）、来源追溯（每个用例是否能追溯到具体需求）。当测试用例已经生成完毕、准备输出了，但你不确定AI有没有编造不存在的功能或需求时，应当使用此技能。这是整个工作流的最终质量守门——如果验证失败，必须返回问题清单要求修正，不得跳过。 触发场景：验证一下输出、检查有没有幻觉、这个用例对吗、确认一下质量、时。 Use when the user asks about: final anti-hallucination verification of generated test cases — fact checking, cross-case consistency, executability,","editorialQuality":{"score":100,"threshold":65,"status":"ready","wordCount":991,"uniquenessScore":52,"reasons":[]}},"media":{"evidence":{"source":"no-media","verified":false,"confidence":"low","updatedAt":"2026-10-11T10:28:45.612Z","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":"2026-10-11T10:28:45.612Z","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":"2026-10-11T14:13:39.021Z","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"}]}}}