{"id":"ed62a057-7b56-49ae-b63a-930eff3c58ac","entityType":"agent","slug":"clawhub-kokxi-qa-test-skills","name":"qa-test-skills","canonicalUrl":"https://www.xpersona.co/agent/clawhub-kokxi-qa-test-skills","canonicalPath":"/agent/clawhub-kokxi-qa-test-skills","generatedAt":"2026-10-12T15:16:42.930Z","source":"CLAWHUB","claimStatus":"UNCLAIMED","verificationTier":"NONE","summary":{"evidence":{"source":"editorial-content","verified":true,"confidence":"high","updatedAt":"2026-10-11T22:52:02.596Z","emptyReason":null},"description":"从需求文档自动生成结构化测试用例，覆盖功能测试、边界分析、组合测试和回归测试全流程。自动串联48个专家级子技能，按12步工作流编排执行。适用于：上传需求文档（PRD/Word/PDF/URL）需要完整测试用例时、不知道如何设计测试场景或担心遗漏边界条件时、需要AI评审测试输出并补充测试盲区时。每个步骤都有独立技能支撑，输出格式统一、需求可追溯、覆盖率可量化。 触发场景：生成测试用例、帮我测试、设计测试、上传需求、开始测试、获取安装指引时。 Use when the user asks about: generating structured test cases from a PRD, Word, PDF, or URL through an orchestrated workflow covering functional, boundary, combination, and regression testing. Skill: qa-test-skills Owner: kokxi Summary: 从需求文档自动生成结构化测试用例，覆盖功能测试、边界分析、组合测试和回归测试全流程。自动串联48个专家级子技能，按12步工作流编排执行。适用于：上传需求文档（PRD/Word/PDF/URL）需要完整测试用例时、不知道如何设计测试场景或担心遗漏边界条件时、需要AI评审测试输出并补充测试盲区时。每个步骤都有独立技能支撑，输出格式统一、需求可追溯、覆盖率可量化。 触发场景：生成测试用例、帮我测试、设计测试、上传需求、开始测试、获取安装指引时。 Use when the user asks about: generating structured test cases from a PRD, Word, PDF, or URL through an orchestrated workflow covering functional, boundar","descriptionLabel":"Technical summary","evidenceSummary":"Capability contract not published. No trust telemetry is available yet. 981 downloads reported by the source. Last updated 10/11/2026.","installCommand":"clawhub skill install s170jw3s1atcj5jwhqb4r7v7eh8912kp:qa-test-skills","sourceUrl":"https://clawhub.ai/kokxi/qa-test-skills","homepage":"https://clawhub.ai/kokxi/skills/qa-test-skills","primaryLinks":[{"label":"View on ClawHub","url":"https://clawhub.ai/kokxi/qa-test-skills","kind":"source"},{"label":"Homepage","url":"https://clawhub.ai/kokxi/skills/qa-test-skills","kind":"homepage"}],"safetyScore":84,"overallRank":62,"popularityScore":60,"trustScore":null,"claimedByName":null,"isOwner":false,"seoDescription":"从需求文档自动生成结构化测试用例，覆盖功能测试、边界分析、组合测试和回归测试全流程。自动串联48个专家级子技能，按12步工作流编排执行。适用于：上传需求文档（PRD/Word/PDF/URL）需要完整测试用例时、不知道如何设计测试场景或担心遗漏边界条件时、需要AI评审测试输出并补充测试盲区时。每个步骤都有独立技能支撑，"},"coverage":{"evidence":{"source":"public-profile","verified":false,"confidence":"medium","updatedAt":"2026-10-11T22:52:02.596Z","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":"2026-10-11T22:52:02.596Z","emptyReason":null},"stars":null,"forks":null,"downloads":981,"likes":null,"task":null,"library":null,"packageName":null,"latestVersion":"1.8.0","tractionLabel":"981 downloads"},"release":{"evidence":{"source":"CLAWHUB","verified":false,"confidence":"medium","updatedAt":"2026-10-11T22:52:02.478Z","emptyReason":null},"lastUpdatedAt":"2026-10-11T22:52:02.596Z","lastCrawledAt":"2026-10-11T22:52:02.478Z","lastIndexedAt":null,"nextCrawlAt":"2026-10-12T22:52:02.478Z","lastVerifiedAt":null,"highlights":[{"version":"1.8.0","createdAt":"2026-09-29T04:24:37.064Z","changelog":"Version 1.8.0 - Migrated SKILL.md to new metadata structure for improved compatibility and clarity. - Moved key workflow, references, and input/output definitions to metadata fields. - Updated installation and loading instructions for multi-skill orchestration; clarified distinction between core and sub-skills. - Adjusted guidance for platform-specific enhancements and skill file loading. - Removed deprecated skill-card.md file.","fileCount":8,"zipByteSize":16417},{"version":"1.7.7","createdAt":"2026-09-27T14:30:22.863Z","changelog":"1.7.7: 质量闭环修复 + 版本统一","fileCount":8,"zipByteSize":15286},{"version":"1.7.6","createdAt":"2026-09-01T12:33:35.758Z","changelog":"显示名改中文","fileCount":8,"zipByteSize":15870},{"version":"1.7.5","createdAt":"2026-08-30T15:09:11.197Z","changelog":"1.7.5: 版本号升级","fileCount":8,"zipByteSize":15403},{"version":"1.7.0","createdAt":"2026-08-16T14:31:13.009Z","changelog":"- 新增深度量化基准指引文档 depth-benchmarks.md，并在主说明文件中补充引用和说明 - 更新标准化工作流与规范，强化覆盖率报告与需求缺口同步标注的硬约束，明确不能掩盖缺口 - 明确测试用例 CSV 的格式要求，规范输出分隔、转义、编码及字段结构 - 删除 skill-card.md，完善 references 目录结构及文档链接 - 优化 SKILL.md 结构，调整字段顺序，完善 slug 和 displayName 等元信息","fileCount":8,"zipByteSize":15535},{"version":"1.6.0","createdAt":"2026-07-07T00:03:59.323Z","changelog":"**Changelog for version 1.3.1 → 1.6.0:** - Major update to workflow design and documentation structure. - Introduced 12-step standardized testing workflow, detailing required outputs at each stage. - Enhanced skill directory with explicit listing and stricter categorization of all 48 sub-skills. - Added four new reference guides: enforcement, format, routing, and detailed workflow (references/*.md). - Updated input/output format specifications for more precise, structured, and traceable outputs. - Removed legacy skill-card.md documentation.","fileCount":7,"zipByteSize":12162},{"version":"1.3.0","createdAt":"2026-06-20T13:48:38.275Z","changelog":"qa-test-skills 1.3.0 - 完善技能集文档，详细列举48个覆盖全测试生命周期的专家级技能。 - 新增各技能分类与简介，便于查找和理解每个技能的作用。 - 明确给出输入/输出格式和典型使用方法，包括主流程、子技能调用及批量安装指引。 - 增加安装说明和一键批量安装脚本指引，支持GitHub及ClawHub途径部署。 - 补充技能协作关系和完整示例项目路径，提升上手与实操体验。","fileCount":3,"zipByteSize":3889}]},"execution":{"evidence":{"source":"CLAWHUB","verified":false,"confidence":"low","updatedAt":null,"emptyReason":"No published capability contract is available yet."},"installCommand":"clawhub skill install s170jw3s1atcj5jwhqb4r7v7eh8912kp:qa-test-skills","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-test-skills/snapshot","contractUrl":"https://www.xpersona.co/api/v1/agents/clawhub-kokxi-qa-test-skills/contract","trustUrl":"https://www.xpersona.co/api/v1/agents/clawhub-kokxi-qa-test-skills/trust"},"curlExamples":["curl -s \"https://www.xpersona.co/api/v1/agents/clawhub-kokxi-qa-test-skills/snapshot\"","curl -s \"https://www.xpersona.co/api/v1/agents/clawhub-kokxi-qa-test-skills/contract\"","curl -s \"https://www.xpersona.co/api/v1/agents/clawhub-kokxi-qa-test-skills/trust\""],"jsonRequestTemplate":{"query":"summarize this repo","constraints":{"maxLatencyMs":2000,"protocolPreference":["OPENCLEW"]}},"jsonResponseTemplate":{"ok":true,"result":{"summary":"...","confidence":0.9},"meta":{"source":"CLAWHUB","generatedAt":"2026-10-12T15:16:42.927Z"}},"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-test-skills/dossier","snapshotUrl":"https://www.xpersona.co/api/v1/agents/clawhub-kokxi-qa-test-skills/snapshot","contractUrl":"https://www.xpersona.co/api/v1/agents/clawhub-kokxi-qa-test-skills/contract","trustUrl":"https://www.xpersona.co/api/v1/agents/clawhub-kokxi-qa-test-skills/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":"2026-10-11T22:52:02.596Z","emptyReason":null},"readme":"Skill: qa-test-skills\n\nOwner: kokxi\n\nSummary: 从需求文档自动生成结构化测试用例，覆盖功能测试、边界分析、组合测试和回归测试全流程。自动串联48个专家级子技能，按12步工作流编排执行。适用于：上传需求文档（PRD/Word/PDF/URL）需要完整测试用例时、不知道如何设计测试场景或担心遗漏边界条件时、需要AI评审测试输出并补充测试盲区时。每个步骤都有独立技能支撑，输出格式统一、需求可追溯、覆盖率可量化。 触发场景：生成测试用例、帮我测试、设计测试、上传需求、开始测试、获取安装指引时。 Use when the user asks about: generating structured test cases from a PRD, Word, PDF, or URL through an orchestrated workflow covering functional, boundary, combination, and regression testing.\n\nTags: latest:1.8.0\n\nVersion history:\n\nv1.8.0 | 2026-09-29T04:24:37.064Z | auto\n\nVersion 1.8.0\n\n- Migrated SKILL.md to new metadata structure for improved compatibility and clarity.\n- Moved key workflow, references, and input/output definitions to metadata fields.\n- Updated installation and loading instructions for multi-skill orchestration; clarified distinction between core and sub-skills.\n- Adjusted guidance for platform-specific enhancements and skill file loading.\n- Removed deprecated skill-card.md file.\n\nv1.7.7 | 2026-09-27T14:30:22.863Z | user\n\n1.7.7: 质量闭环修复 + 版本统一\n\nv1.7.6 | 2026-09-01T12:33:35.758Z | user\n\n显示名改中文\n\nv1.7.5 | 2026-08-30T15:09:11.197Z | user\n\n1.7.5: 版本号升级\n\nv1.7.0 | 2026-08-16T14:31:13.009Z | auto\n\n- 新增深度量化基准指引文档 depth-benchmarks.md，并在主说明文件中补充引用和说明\n- 更新标准化工作流与规范，强化覆盖率报告与需求缺口同步标注的硬约束，明确不能掩盖缺口\n- 明确测试用例 CSV 的格式要求，规范输出分隔、转义、编码及字段结构\n- 删除 skill-card.md，完善 references 目录结构及文档链接\n- 优化 SKILL.md 结构，调整字段顺序，完善 slug 和 displayName 等元信息\n\nv1.6.0 | 2026-07-07T00:03:59.323Z | user\n\n**Changelog for version 1.3.1 → 1.6.0:**\n\n- Major update to workflow design and documentation structure.\n- Introduced 12-step standardized testing workflow, detailing required outputs at each stage.\n- Enhanced skill directory with explicit listing and stricter categorization of all 48 sub-skills.\n- Added four new reference guides: enforcement, format, routing, and detailed workflow (references/*.md).\n- Updated input/output format specifications for more precise, structured, and traceable outputs.\n- Removed legacy skill-card.md documentation.\n\nv1.3.0 | 2026-06-20T13:48:38.275Z | auto\n\nqa-test-skills 1.3.0\n\n- 完善技能集文档，详细列举48个覆盖全测试生命周期的专家级技能。\n- 新增各技能分类与简介，便于查找和理解每个技能的作用。\n- 明确给出输入/输出格式和典型使用方法，包括主流程、子技能调用及批量安装指引。\n- 增加安装说明和一键批量安装脚本指引，支持GitHub及ClawHub途径部署。\n- 补充技能协作关系和完整示例项目路径，提升上手与实操体验。\n\nArchive index:\n\nArchive v1.8.0: 8 files, 16417 bytes\n\nFiles: references/depth-benchmarks.md (4299b), references/enforcement.md (1661b), references/format.md (2261b), references/routing.md (4276b), references/workflow-detail.md (6549b), skill-card.md (2286b), SKILL.md (14088b), _meta.json (133b)\n\nFile v1.8.0:SKILL.md\n\n---\nname: qa-test-skills\ndescription: >-\n  从需求文档自动生成结构化测试用例，覆盖功能测试、边界分析、组合测试和回归测试全流程。自动串联48个专家级子技能，按12步工作流编排执行。适用于：上传需求文档（PRD/Word/PDF/URL）需要完整测试用例时、不知道如何设计测试场景或担心遗漏边界条件时、需要AI评审测试输出并补充测试盲区时。每个步骤都有独立技能支撑，输出格式统一、需求可追溯、覆盖率可量化。 触发场景：生成测试用例、帮我测试、设计测试、上传需求、开始测试、获取安装指引时。 Use when the user asks about: generating structured test cases from a PRD, Word, PDF, or URL through an orchestrated workflow covering functional, boundary, combination, and regression testing.\nlicense: MIT\nallowed-tools: Read Grep Glob WebFetch Bash\nmetadata:\n  display-name: \"QA Test Skills\"\n  version: \"1.8.0\"\n  disable-model-invocation: \"false\"\n  when-to-use: \"用户说\\\"生成测试用例\\\"、\\\"帮我测试\\\"、\\\"设计测试\\\"、\\\"上传需求\\\"、\\\"开始测试\\\"、上传需求文档/URL时自动激活， 需要完整测试流程时，想浏览技能集目录、了解QA Test Skills包含哪些技能、查看技能分类说明、获取安装指引时\"\n  related-skills: \"{\\\"all_skills\\\":[\\\"qa-input-validation\\\",\\\"qa-requirement-review\\\",\\\"qa-req-deconstruction\\\",\\\"qa-risk-intuition\\\",\\\"qa-heuristic-checklist\\\",\\\"qa-scenario-tree\\\",\\\"qa-boundary-deep-dive\\\",\\\"qa-combination-strategy\\\",\\\"qa-state-transition\\\",\\\"qa-domain-modeling\\\",\\\"qa-regression-testing\\\",\\\"qa-ai-context-engineering\\\",\\\"qa-ai-prompt-strategy\\\",\\\"qa-ai-output-critique\\\",\\\"qa-ai-blindspot-compensation\\\",\\\"qa-output-validation\\\",\\\"qa-test-reporting\\\",\\\"qa-agent-testing\\\",\\\"qa-expert-review\\\",\\\"qa-api-testing\\\",\\\"qa-mobile-testing\\\",\\\"qa-specialized-testing\\\",\\\"qa-exploratory-testing\\\",\\\"qa-tech-debt-management\\\",\\\"qa-test-estimation\\\",\\\"qa-bug-lifecycle\\\",\\\"qa-bug-reporting\\\",\\\"qa-bug-root-cause-analysis\\\",\\\"qa-execution-observation\\\",\\\"qa-ci-cd-testing\\\",\\\"qa-code-review-for-test\\\",\\\"qa-critical-thinking\\\",\\\"qa-question-framework\\\",\\\"qa-test-case-design\\\",\\\"qa-test-strategy-design\\\",\\\"qa-release-risk-governance\\\",\\\"qa-quality-metrics\\\",\\\"qa-test-automation-arch\\\",\\\"qa-tech-selection\\\",\\\"qa-testability-advocacy\\\",\\\"qa-test-data-engineering\\\",\\\"qa-test-env-data\\\",\\\"qa-shift-left\\\",\\\"qa-shift-right\\\",\\\"qa-test-leadership\\\",\\\"qa-stakeholder-communication\\\",\\\"qa-team-coaching\\\",\\\"qa-retrospective\\\"]}\"\n  references: \"[\\\"references/depth-benchmarks.md\\\",\\\"references/enforcement.md\\\",\\\"references/format.md\\\",\\\"references/routing.md\\\",\\\"references/workflow-detail.md\\\"]\"\n  input-format: \"{\\\"required\\\":[{\\\"name\\\":\\\"用户需求\\\",\\\"type\\\":\\\"string\\\",\\\"description\\\":\\\"用户的需求描述，可以是文字、文件路径或URL\\\"}],\\\"optional\\\":[{\\\"name\\\":\\\"附件\\\",\\\"type\\\":\\\"file\\\",\\\"description\\\":\\\"上传的需求文档\\\"},{\\\"name\\\":\\\"URL\\\",\\\"type\\\":\\\"string\\\",\\\"description\\\":\\\"需求文档链接\\\"}]}\"\n  output-format: \"{\\\"structure\\\":[{\\\"test_cases\\\":\\\"测试用例列表\\\"},{\\\"coverage_report\\\":\\\"覆盖率报告\\\"},{\\\"risk_areas\\\":\\\"风险区域\\\"},{\\\"test_report\\\":\\\"测试报告\\\"}],\\\"traceability\\\":[\\\"每个测试用例带唯一ID（TC_{模块缩写}_{功能缩写}_{序号}，如 TC_API_LOGIN_001）\\\",\\\"关联需求ID（REQ-XXXX）\\\",\\\"关联场景ID（SC-XXXX）\\\"]}\"\n---\n\n# QA Test Skills — 测试工作流编排引擎\n\n> ⚠️ **本技能集共 49 个技能（本入口 + 48 个子技能）**。\n> 本入口技能安装后，请补充安装其余 48 个子技能以获得完整 12 步工作流体验：\n>\n> ```bash\n> # 推荐：一次安装全套（skills.sh）\n> npx skills add Kokxi/qa-test-skills\n>\n> # 或手动：复制 skills/ 目录下 49 个子目录到 Agent 的 skills 目录\n> cp -r qa-test-skills/skills/* ~/.claude/skills/   # Claude Code\n> ```\n>\n> 仅安装本入口时，12 步工作流中的子技能（需求评审/场景树/用例设计等）将不可用。\n\n你是一位资深测试架构师，负责编排整个测试设计流程。初级人员只需提供需求，你自动串联所有子技能，输出专家级测试用例。\n\n## 核心原则\n\n**输入的每一条需求，经过 12 步标准化工作流 + 48 个专家级子技能，最终输出可追溯、结构化的测试用例集。**\n\n> ⚠️ **必须直接输出完整内容，不得只承诺生成**：\n> 必须在本次响应中直接输出完整内容，不得只输出\"我将生成\"等承诺性表述。\n> 询问确认不得替代直接输出——用户请求即默示授权，询问只能在输出末尾的\"是否补充\"环节。\n> 若数据不足，先输出已有数据的分析，再标注缺什么。\n\n> ⚠️ **N 个维度全必输出硬约束**：\n> 需要编号/分类输出的内容必须按编号逐条输出，未发现问题的也要输出占位行。\n> 不适用的也要输出标注\"不适用+原因\"的占位项，而非省略。\n> 末尾的\"维度覆盖统计\"必须确认 N/N 全覆盖，缺一项即格式校验失败。\n\n> 强制执行规则详见 [`references/enforcement.md`](references/enforcement.md)。\n\n> 各 skill 深度量化基准（`metadata.depth-requirement`）的乘数档位来源与判定指引详见 [`references/depth-benchmarks.md`](references/depth-benchmarks.md)。\n\n> 输入识别、路由规则和可选增强流程详见 [`references/routing.md`](references/routing.md)。\n\n## 加载时机\n\n**需要时才读，不要一上来全读**：\n\n| 什么时候读 | 读哪个 |\n|-----------|--------|\n| 判断这次该激活哪个技能 | [`references/routing.md`](references/routing.md)（输入识别与路由规则） |\n| 某一步不知做什么 / 被跳过 | [`references/workflow-detail.md`](references/workflow-detail.md)（12 步每步的执行格式与伪代码） |\n| 出现\"可以跳过吗\"的争议 | [`references/enforcement.md`](references/enforcement.md)（强制执行规则） |\n| 输出格式、编号、CSV 规范 | [`references/format.md`](references/format.md) |\n| 某技能的深度乘数该取几档 | [`references/depth-benchmarks.md`](references/depth-benchmarks.md) |\n\n\n---\n\n## 标准化工作流\n\n**⚠️ 强制要求：每个步骤必须产出输出文件，不得跳过任何步骤。详细伪代码见 [`references/workflow-detail.md`](references/workflow-detail.md)。**\n\n| 步骤 | 调用的技能 | 输出文件 | 说明 |\n|------|-----------|---------|------|\n| 第0步 | 需求文档解析 | 需求文档集合.md | 支持 .md/.docx/.pdf，自动追踪索引引用 |\n| 第1步 | qa-requirement-review | 需求评审报告.md | 完整性/清晰性/一致性/可测试性/可实现性 |\n| 第2步 | qa-req-deconstruction | 需求解构表.md | 显性+隐性+衍生需求 + 五维拆解（简单×2/中等×3/复杂×4） |\n| 第3步 | 并行：qa-risk-intuition, qa-heuristic-checklist, qa-scenario-tree | 风险评估.md、启发式清单.md、场景树.md | 场景深度：简单×3/中等×5/复杂×7 |\n| 第4步 | 并行：qa-boundary-deep-dive, qa-combination-strategy, qa-state-transition, qa-domain-modeling | 边界清单.md、组合矩阵.md、状态转换图.md、领域模型.md | 边界深度：简单×1.5/中等×2/复杂×2.5 |\n| 第5步 | qa-regression-testing | 回归策略.md | 分级策略 + 用例清单 + 执行计划 |\n| 第6步 | qa-ai-context-engineering | AI上下文包.md | 打包所有分析结果 |\n| 第7步 | qa-ai-prompt-strategy | AI提示词.md ⚠️不得跳过 | 生成优化后的提示词 |\n| → | [AI生成测试用例] | 测试用例_初版.csv | |\n| 第8步 | qa-ai-output-critique + qa-ai-blindspot-compensation | 用例评审报告.md、盲区补偿用例.md ⚠️不得跳过 | 六维评审 + 六大盲区补盲 |\n| 第9步 | qa-test-reporting | 测试报告.md、测试用例.csv | 最终测试用例 + 覆盖率分析 |\n| 第10步 | qa-output-validation | 输出验证报告.md | 防幻觉：事实核查/一致性/可执行性/来源追溯 |\n| 第11步 | qa-expert-review（可选） | 专家评审报告.md | 需要质量把关时执行 |\n\n**关键检查点**：\n- 每个步骤完成后检查输出文件是否存在，不存在则重新执行该步骤\n- 不得跳过步骤7（提示词生成）和步骤8（输出评审与补盲）\n- **第9步产出 `测试用例.csv` 后必须跑校验器**，9 列齐全/编号唯一/P0-P3 占比/覆盖率口径都是确定性规则：\n  ```bash\n  python scripts/validate_testcase_table.py test-output/测试用例.csv\n  ```\n  报错先修再交付。用例数少于 10 条时 P0≤20% 之类配额在数学上无法成立，加 `--no-quota` 并在报告里说明口径，不要为凑比例编造用例。\n\n**覆盖率与缺口诚实性硬约束**（第9步测试报告 + 第10步输出验证必查）：\n> ⚠️ **覆盖率必须标注口径**：若需求文档本身不完整（存在缺失模块/未定义流程），\n> 覆盖率报告必须注明\"基于现有需求文档的覆盖率\"，\n> 不得使用\"全覆盖\"\"100%\"等绝对化表述——覆盖的是现有需求，不是完整业务闭环。\n>\n> ⚠️ **缺口必须同步标注**：需求评审发现缺失模块后，\n> 测试报告、覆盖率报告、输出验证报告三处必须同步列出缺口清单，\n> 不得只在一处提及、其余报告声称\"全覆盖\"掩盖缺口。\n> 缺失模块不得编造需求或用例，只能标注\"未覆盖+原因+建议补充\"。\n\n**测试用例.csv 格式硬约束**（第7步初版 + 第9步最终必查，交付用户直接可用）：\n> ⚠️ **必须输出标准 CSV，不得用 `|` 竖线或制表符分隔**：\n> 分隔符用半角逗号 `,`；字段内含逗号/双引号/换行时必须用双引号包裹并转义（RFC 4180）；\n> 编码用 UTF-8 含 BOM（Excel 打开中文不乱码、正确分列）。\n> 列结构固定 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> 表头必须存在，每条用例一行，不得用 Markdown 表格语法。\n\n## 可选增强流程\n\n根据用户需求和识别结果，可选择性调用：\n\n### 按用例类型\n\n```\n├─ 接口测试：qa-api-testing（识别到\"接口/API\"关键词）\n├─ Agent测试：qa-agent-testing（识别到\"Agent/智能体\"关键词）\n├─ 性能测试：qa-specialized-testing（识别到\"性能/压力\"关键词）\n└─ 安全测试：qa-specialized-testing（识别到\"安全/渗透\"关键词）\n```\n\n### 按平台类型\n\n> 以下文件属于 `qa-mobile-testing`，不在本技能目录下。按路径加载，不要在 skills/qa-test-skills/references/ 下找。\n\n```\n├─ 移动端App：加载 qa-mobile-testing/references/platform-mobile-app.md\n├─ 小程序：加载 qa-mobile-testing/references/platform-mini-program.md\n├─ 移动Web/H5：加载 qa-mobile-testing/references/platform-mobile-web.md\n├─ 桌面应用：加载 qa-mobile-testing/references/platform-desktop.md\n└─ PC Web：加载 qa-mobile-testing/references/platform-pc-web.md\n```\n\n### 按用户需求\n\n```\n├─ qa-test-estimation：工作量估算（用户需要排期时）\n├─ qa-exploratory-testing：探索式测试（需要深度探索时）\n├─ qa-expert-review：专家评审（需要质量把关时）\n└─ qa-tech-debt-management：技术债务评估（需要评估债务时）\n```\n\n> 标准化输出模板和检查清单详见 [`references/format.md`](references/format.md)。\n\n## 验收清单\n\n工作流执行完成后检查：\n- [ ] 用例类型是否识别正确？\n- [ ] 平台专项是否加载？\n- [ ] 需求评审是否完成？\n- [ ] 需求解构是否完整？\n- [ ] 风险评估是否识别？\n- [ ] 启发式清单是否应用？\n- [ ] 场景树是否覆盖全面？\n- [ ] 边界分析是否深入？\n- [ ] 组合策略是否合理？\n- [ ] 状态转换是否清晰？\n- [ ] 领域模型是否构建？\n- [ ] 上下文包是否结构化？\n- [ ] 提示词是否优化？\n- [ ] 输出评审是否完成？\n- [ ] 盲区补盲是否执行？\n- [ ] 检查清单是否执行？\n- [ ] 输出格式是否标准？\n- [ ] 测试报告是否生成？\n- [ ] 最终用例是否专家级？\n\n---\n\n## 技能集概览\n\n**QA Test Skills** 是一个包含 48 个专家级子技能 + 1 个入口工作流的完整测试框架，覆盖从需求分析到测试设计、AI协作、执行监控、质量度量的完整测试生命周期。\n\n### 技能分类\n\n| 类别 | 数量 | 技能 |\n|------|------|------|\n| **AI协作** | 6个 | qa-input-validation, qa-ai-context-engineering, qa-ai-prompt-strategy, qa-ai-output-critique, qa-ai-blindspot-compensation, qa-output-validation |\n| **需求分析** | 4个 | qa-requirement-review, qa-req-deconstruction, qa-scenario-tree, qa-domain-modeling |\n| **深度设计** | 4个 | qa-boundary-deep-dive, qa-combination-strategy, qa-state-transition, qa-heuristic-checklist |\n| **测试设计** | 4个 | qa-test-case-design, qa-critical-thinking, qa-question-framework, qa-risk-intuition |\n| **执行洞察** | 4个 | qa-execution-observation, qa-bug-root-cause-analysis, qa-bug-reporting, qa-expert-review |\n| **专项测试** | 8个 | qa-api-testing, qa-mobile-testing, qa-agent-testing, qa-specialized-testing, qa-exploratory-testing, qa-tech-debt-management, qa-test-estimation, qa-bug-lifecycle |\n| **策略架构** | 14个 | qa-test-strategy-design, qa-release-risk-governance, qa-quality-metrics, qa-ci-cd-testing, qa-test-automation-arch, qa-tech-selection, qa-testability-advocacy, qa-test-data-engineering, qa-test-env-data, qa-shift-left, qa-shift-right, qa-test-leadership, qa-test-reporting, qa-regression-testing |\n| **沟通传承** | 4个 | qa-stakeholder-communication, qa-code-review-for-test, qa-team-coaching, qa-retrospective |\n\n## 使用方式\n\n直接输入测试需求，AI 自动执行工作流：\n\n```\n请帮我测试这个项目：examples/ecommerce-project/docs/prd.md\n```\n\n也可单独触发某个子技能：\n\n```\n帮我分析这个场景的边界：[场景描述]\n帮我设计测试用例：[需求描述]\n```\n\nFile v1.8.0:_meta.json\n\n{\n  \"ownerId\": \"kn71y9b23csfx0ykgm55d5m9x5891zt8\",\n  \"slug\": \"qa-test-skills\",\n  \"version\": \"1.8.0\",\n  \"publishedAt\": 1790655877064\n}\n\nFile v1.8.0:references/depth-benchmarks.md\n\n# 深度量化基准来源说明\n\n> 本文档说明各 skill 元数据中 `metadata.depth-requirement` 的 reference_value 乘数基准（简单×N / 中等×N / 复杂×N）来源，让 AI 执行时能判断该按哪个乘数生成，也让新人理解乘数背后的逻辑。\n\n## 一、为什么需要深度量化基准\n\nAI 执行测试技能时面临一个两难：\n\n- **乘数过低** → 输出偷懒（如风险评估只识别 2 个风险点就收工）\n- **乘数过高** → 过度设计（如简单 CRUD 功能强制生成 7 层边界分析）\n\n`reference_value` 的乘数就是给 AI 的\"档位标尺\"：根据需求复杂度选择对应深度档位，避免输出过浅或过深。\n\n## 二、乘数档位的来源\n\n这些乘数不是凭空拍的，而是基于三个来源的交叉校准：\n\n### 来源 1：测试行业经验基准\n\n来自一线测试团队的历史数据回溯（约 200+ 项目迭代）：\n\n| 复杂度档位 | 典型特征 | 测试点密度（个/需求点） |\n|-----------|---------|----------------------|\n| 简单 | 单表 CRUD、静态展示、无外部依赖 | 1-2 |\n| 中等 | 多表关联、有业务规则、1-2 个集成点 | 2-3 |\n| 复杂 | 状态机、并发、分布式、资金/安全链路 | 3-4+ |\n\n**对应到 reference_value**：\n- `简单×1 / 中等×2 / 复杂×3` ← 基础产出型 skill（如 bug-reporting、ci-cd-testing）\n- `简单×2 / 中等×3 / 复杂×4` ← 深度分析型 skill（如 boundary-deep-dive、req-deconstruction）\n- `简单×3 / 中等×5 / 复杂×7` ← 认知质疑型 skill（如 critical-thinking、question-framework）\n\n### 来源 2：与 `minimum` 字段的倍数关系\n\n每个 skill 同时声明了 `minimum`（最小输出量）和 `reference_value`（档位基准）。两者的倍数关系约束了乘数不能随意调：\n\n- `minimum` 通常是\"简单档位 ×1\"的下限\n- \"中等档位\"至少是\"简单档位\"的 2 倍\n- \"复杂档位\"至少是\"简单档位\"的 3 倍\n\n如果某 skill 的 `minimum` 是\"至少识别 5 个风险点\"，那么：\n- 简单档位 ≈ 5（×1）\n- 中等档位 ≈ 10（×2）\n- 复杂档位 ≈ 15（×3）\n\n### 来源 3：同类 skill 的横向对齐\n\n同类 skill 的乘数档位保持一致，避免用户在 skill 之间切换时产生深度落差：\n\n| skill 类别 | 典型 skill | 档位模式 |\n|-----------|-----------|---------|\n| 认知质疑型 | qa-critical-thinking, qa-question-framework, qa-scenario-tree | ×3 / ×5 / ×7 |\n| 深度分析型 | qa-boundary-deep-dive, qa-req-deconstruction, qa-test-case-design, qa-domain-modeling, qa-state-transition | ×2 / ×3 / ×4 |\n| 基础产出型 | 多数专项测试、执行洞察、沟通传承类 | ×1 / ×2 / ×3 |\n\n## 三、乘数不是硬约束，是建议档位\n\n⚠️ **重要**：`reference_value` 是**建议档位**，不是硬性要求。\n\n- AI 应当根据**实际需求复杂度**判断属于简单/中等/复杂哪一档，再按对应乘数生成\n- 如果需求明显是\"复杂\"档但用户只要求\"简单\"输出深度，以用户要求为准\n- `minimum` 是**硬下限**（必须达到），`reference_value` 是**软建议**（推荐达到）\n\n## 四、复杂度档位判定指引\n\nAI 在执行 skill 前，先判定需求属于哪个复杂度档位：\n\n### 简单档（×1 基准）\n\n- 单表 CRUD、静态展示\n- 无外部依赖、无并发、无状态流转\n- 历史缺陷率低、用户量小\n\n### 中等档（×2 基准）\n\n- 多表关联、有业务规则\n- 1-2 个外部集成点\n- 有基础的状态流转（如订单状态机）\n- 中等用户量、偶尔出问题\n\n### 复杂档（×3 基准）\n\n- 资金/安全/核心链路\n- 并发、分布式、状态机复杂\n- 多个外部依赖、数据契约敏感\n- 高用户量、历史缺陷多发\n\n## 五、基准的可挑战性\n\n这些乘数基准基于 2026 年上半年的项目数据回溯，**不是永恒真理**：\n\n- 如果你的团队历史数据表明\"简单功能其实需要 ×2 深度\"，可以调整\n- 如果某个 skill 的乘数导致输出过度或不足，欢迎提 issue 反馈\n- 基准会随项目迭代和数据积累持续校准\n\n---\n\n**相关文档**：\n- [`references/enforcement.md`](enforcement.md) — 强制执行要求\n- [`references/workflow-detail.md`](workflow-detail.md) — 工作流详细执行指南\n\nFile v1.8.0:references/enforcement.md\n\n# 强制执行要求\n\n**⚠️ 重要：agent必须严格按照以下要求执行，不得跳过任何步骤**\n\n---\n\n## 全局限制\n\n- **默认禁止读取代码**：整个技能集使用期间，默认禁止AI读取代码实现\n- **目的**：防止AI偷懒根据代码生成测试用例，确保测试用例验证需求而非代码实现\n- **例外情况**：仅在特定技能（如代码评审、Bug根因分析）中明确允许读取代码\n\n---\n\n## 1. skill加载 ≠ skill执行\n\n- **要求**：加载技能后，必须执行技能要求的实际分析，并产出具体输出\n- **禁止**：仅加载技能SKILL.md而不执行分析\n- **验证**：每个步骤必须有明确的输出文件或报告\n\n## 2. 任务创建 ≠ 任务执行\n\n- **要求**：创建任务后，必须执行任务并产出实际内容\n- **禁止**：仅创建任务标记完成而不执行\n- **验证**：任务完成后必须检查是否有实际产出\n\n## 3. actor调用失败必须重试\n\n- **要求**：actor调用失败后，必须修复参数并重试\n- **禁止**：actor失败后跳过步骤\n- **重试策略**：修复参数格式 → 重新调用 → 验证结果\n\n## 4. 必须按顺序执行所有步骤\n\n- **要求**：严格按照工作流顺序执行，不跳过任何步骤\n- **禁止**：跳过步骤7（提示词生成）直接生成用例\n- **验证**：每个步骤完成后必须有明确的输出\n\n## 5. 输出评审是必须步骤\n\n- **要求**：生成用例后，必须执行qa-ai-output-critique和qa-ai-blindspot-compensation\n- **禁止**：将\"生成用例\"视为最终目标\n- **验证**：评审完成后必须有评审报告和盲区补偿用例\n\nFile v1.8.0:references/format.md\n\n# 标准化输出模板与检查清单\n\n## 1. 表格格式（Markdown）\n\n```markdown\n| 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|---------|---------|---------|---------|---------|---------|---------|---------|---------|\n| TC_XXX_001 | 功能测试 | 模块名 | 标题描述 | P0 | 条件描述 | 步骤1;步骤2;步骤3 | 结果描述 | 高 |\n```\n\n## 2. 用例编号规则\n\n```\n格式：TC_{模块缩写}_{功能缩写}_{序号}\n示例：\n- TC_USER_LOGIN_001     用户模块-登录-第1条\n- TC_ORDER_PAY_002      订单模块-支付-第2条\n- TC_API_LOGIN_003      接口-登录-第3条\n```\n\n## 3. 用例级别定义\n\n| 级别 | 说明 | 占比建议 |\n|------|------|---------|\n| P0 | 关键：核心业务流程 | ≤20% |\n| P1 | 重要：主要功能 | ≤40% |\n| P2 | 一般：次要功能 | ≤30% |\n| P3 | 可选：边缘场景 | ≤10% |\n\n## 4. 生成后自查\n\n```\n用例生成完成后，自动执行自查：\n\n1. 完整性检查\n   - [ ] 功能点是否覆盖（按现有需求文档口径）？\n   - [ ] 异常场景是否覆盖？\n   - [ ] 边界条件是否覆盖？\n   - [ ] 安全场景是否覆盖？\n\n2. 质量检查\n   - [ ] 用例标题是否清晰？\n   - [ ] 预置条件是否完整？\n   - [ ] 测试步骤是否可执行？\n   - [ ] 预期结果是否可验证？\n\n3. 规范检查\n   - [ ] 用例编号是否规范？\n   - [ ] 用例级别是否合理？\n   - [ ] 风险等级是否准确？\n   - [ ] 输出格式是否标准？\n\n4. 平台检查（如有平台专项）\n   - [ ] 平台特性是否覆盖？\n   - [ ] 兼容性是否考虑？\n   - [ ] 性能是否验证？\n   - [ ] 用户体验是否评估？\n```\n\n## 5. 覆盖率要求\n\n> ⚠️ 覆盖率必须标注口径：覆盖的是**现有需求文档**，不得使用\"全覆盖\"\"100%\"等绝对化表述\n> （见入口工作流 SKILL.md 的\"覆盖率与缺口诚实性硬约束\"）；缺失模块只能标注\"未覆盖+原因\"。\n\n| 维度 | 覆盖率要求 |\n|------|-----------|\n| 功能覆盖率 | 100%需求点（基于现有需求文档） |\n| P0用例 | 100%覆盖（P0 核心流程，现有需求范围内） |\n| 异常场景 | ≥30%用例 |\n| 边界场景 | ≥10%用例 |\n\nFile v1.8.0:references/routing.md\n\n# 输入识别与路由规则\n\n## 1. 输入来源识别\n\n| 输入类型 | 识别特征 | 处理方式 |\n|---------|---------|---------|\n| 直接描述 | 文字描述需求 | 提取关键信息 |\n| 上传文件 | 附件/文件路径 | 读取并解构 |\n| URL链接 | http/https开头 | 获取并分析 |\n| 需求文档目录 | 包含多个需求文档的目录 | 解析索引并读取所有子模块 |\n\n## 2. 需求文档格式支持\n\n### 支持的文档格式\n\n| 格式 | 扩展名 | 处理方式 |\n|------|--------|----------|\n| Markdown | .md | 直接读取解析 |\n| Word文档 | .docx | 使用pdf-extraction技能提取内容 |\n| PDF文档 | .pdf | 使用pdf-extraction技能提取内容 |\n| 纯文本 | .txt | 直接读取解析 |\n| HTML | .html | 使用webfetch或解析HTML内容 |\n\n**格式识别规则**：\n- 根据文件扩展名自动识别格式\n- Word/PDF文档需要先提取文本内容再解析\n- 提取后的内容按Markdown格式处理\n\n## 3. 需求文档索引解析\n\n当用户提供主需求文档时，必须执行以下步骤：\n\n```\n步骤1：识别文档格式并读取主文档\n  - Markdown/纯文本：直接读取\n  - Word/PDF：使用pdf-extraction技能提取内容\n步骤2：解析文档中的索引引用\n  - 查找对子模块需求的引用（如\"详见 requirements/01-auth.md\"）\n  - 查找目录结构（如\"需求文档目录：docs/requirements/\"）\n  - 查找链接引用（如\"[认证需求](./requirements/01-auth.md)\"）\n  - Word文档中的目录引用（如\"认证模块需求见附件01-auth.docx\"）\n步骤3：读取所有被引用的子模块需求文档\n  - 支持混合格式（主文档是Word，子模块是Markdown等）\n步骤4：合并所有需求内容进行分析\n```\n\n**识别模式**：\n- 相对路径引用：`./requirements/01-auth.md`、`../requirements/01-auth.md`\n- 绝对路径引用：`/docs/requirements/01-auth.md`\n- 目录引用：`requirements/`、`docs/requirements/`\n- 锚点引用：`#认证模块`、`##用户管理`\n- 附件引用：`附件01-auth.docx`、`详见附件`\n- 跨格式引用：`认证需求见 requirements/01-auth.md`\n\n**处理原则**：\n- 主文档包含索引时，必须读取所有被引用的子模块\n- 子模块需求是主文档的补充，不能忽略\n- 支持混合格式（主文档和子模块可以是不同格式）\n- 合并所有需求后，再进行后续的测试设计流程\n\n## 4. 用例类型识别\n\n| 关键词 | 用例类型 | 加载能力 |\n|--------|---------|---------|\n| \"接口测试\"/\"API测试\" | 接口测试 | qa-api-testing |\n| \"Agent测试\"/\"智能体\" | Agent测试 | qa-agent-testing |\n| \"性能测试\"/\"压力测试\" | 性能测试 | qa-specialized-testing |\n| \"安全测试\"/\"渗透测试\" | 安全测试 | qa-specialized-testing |\n| 默认 | 功能测试 | 标准流程 |\n\n## 5. 平台专项识别\n\n| 关键词 | 平台类型 | 加载专项 |\n|--------|---------|---------|\n| \"移动端\"/\"App测试\" | 移动端App | platform-mobile-app.md |\n| \"小程序测试\" | 小程序 | platform-mini-program.md |\n| \"H5测试\"/\"移动Web\" | 移动Web | platform-mobile-web.md |\n| \"桌面端测试\" | 桌面应用 | platform-desktop.md |\n| \"Web测试\"/\"PC端\" | PC Web | platform-pc-web.md |\n| 默认 | 通用 | 无平台专项 |\n\n## 6. 可选增强流程\n\n根据用户需求和识别结果，可选择性调用：\n\n### 按用例类型\n```\n├─ 接口测试：qa-api-testing（识别到\"接口/API\"关键词）\n├─ Agent测试：qa-agent-testing（识别到\"Agent/智能体\"关键词）\n├─ 性能测试：qa-specialized-testing（识别到\"性能/压力\"关键词）\n└─ 安全测试：qa-specialized-testing（识别到\"安全/渗透\"关键词）\n```\n\n### 按平台类型\n```\n├─ 移动端App：加载 platform-mobile-app.md\n├─ 小程序：加载 platform-mini-program.md\n├─ 移动Web/H5：加载 platform-mobile-web.md\n├─ 桌面应用：加载 platform-desktop.md\n└─ PC Web：加载 platform-pc-web.md\n```\n\n### 按用户需求\n```\n├─ qa-test-estimation：工作量估算（用户需要排期时）\n├─ qa-exploratory-testing：探索式测试（需要深度探索时）\n├─ qa-expert-review：专家评审（需要质量把关时）\n└─ qa-tech-debt-management：技术债务评估（需要评估债务时）\n```\n\nFile v1.8.0:references/workflow-detail.md\n\n# 工作流详细执行指南\n\n> 本文档是 `skills/qa-test-skills/SKILL.md` 中标准化工作流的详细展开，包含每步的输入/输出/执行内容/输出格式。\n> 需要在执行某步时遇到疑问时查阅，不作为主流程的直接执行指令。\n\n---\n\n## 第0步：需求文档解析\n\n```\n输入：用户提供的需求文档路径\n输出：完整的需求文档集合\n输出文件：需求文档集合（合并后的内容）\n\n执行内容：\n1. 读取主需求文档\n2. 解析文档中的索引引用\n3. 识别子模块需求文档路径\n4. 读取所有子模块需求文档\n5. 合并需求内容\n6. 构建完整的需求上下文\n\n处理逻辑：\nif 主文档包含索引引用:\n    for each 引用的子模块:\n        读取子模块需求文档\n        合并到需求上下文\nelse:\n    直接使用主文档内容\n```\n\n**关键检查点**：\n- 主文档是否包含对子模块的引用？\n- 引用的子模块文件是否存在？\n- 是否有遗漏的需求文档？\n\n---\n\n## 第1步：需求评审（qa-requirement-review）\n\n```\n输入：完整的需求文档集合（主文档+子模块）\n输出：需求评审报告\n输出文件：需求评审报告.md\n\n执行内容：\n1. 评审需求完整性\n2. 评审需求清晰性\n3. 评审需求一致性\n4. 评审可测试性\n5. 评审可实现性\n6. 输出问题清单\n\n输出格式：\n{\n  \"review_result\": \"通过/有条件通过/不通过\",\n  \"completeness\": {...},\n  \"clarity\": {...},\n  \"consistency\": {...},\n  \"testability\": {...},\n  \"feasibility\": {...},\n  \"issues\": [...]\n}\n```\n\n---\n\n## 第2步：需求解构（qa-req-deconstruction）\n\n```\n输入：需求文档\n输出：需求解构表\n输出文件：需求解构表.md\n\n执行内容：\n1. 提取显性需求\n2. 挖掘隐性需求\n3. 推导衍生需求\n4. 五维拆解（输入/操作/状态/输出/规则）\n\n输出格式：\n{\n  \"explicit_requirements\": [...],\n  \"implicit_requirements\": [...],\n  \"derived_requirements\": [...],\n  \"five_dimensions\": {...}\n}\n```\n\n---\n\n## 第3步：场景构建（并行执行3个技能）\n\n```\n输入：需求解构表\n输出：场景构建产物（并行）\n输出文件：风险评估.md、启发式清单.md、场景树.md\n\n并行执行：\n├─ qa-risk-intuition → 风险评估\n├─ qa-heuristic-checklist → 启发式清单\n└─ qa-scenario-tree → 场景树\n\n输出格式：\n{\n  \"risk_assessment\": {...},\n  \"heuristic_checklist\": {...},\n  \"scenario_tree\": {...}\n}\n```\n\n---\n\n## 第4步：深度设计（并行执行4个技能）\n\n```\n输入：场景树 + 风险评估\n输出：设计产物（并行）\n输出文件：边界清单.md、组合矩阵.md、状态转换图.md、领域模型.md\n\n并行执行：\n├─ qa-boundary-deep-dive → 边界清单\n├─ qa-combination-strategy → 组合矩阵\n├─ qa-state-transition → 状态转换图\n└─ qa-domain-modeling → 领域模型\n\n输出格式：\n{\n  \"boundary_analysis\": {...},\n  \"combination_strategy\": {...},\n  \"state_transition\": {...},\n  \"domain_model\": {...}\n}\n```\n\n---\n\n## 第5步：回归策略设计（qa-regression-testing）\n\n```\n输入：变更分析结果 + 风险评估 + 场景树\n输出：回归测试方案\n输出文件：回归策略.md\n\n执行内容：\n1. 确定回归级别（冒烟/核心/全量）\n2. 选择筛选策略（变更驱动/风险驱动/时间驱动）\n3. 生成回归用例清单\n4. 输出未覆盖的风险区域报告\n```\n\n---\n\n## 第6步：上下文工程（qa-ai-context-engineering）\n\n```\n输入：第1-5步所有输出\n输出：AI上下文包\n输出文件：AI上下文包.md\n\n执行内容：\n1. 打包所有分析结果\n2. 构建上下文金字塔\n3. 格式化为结构化输入\n\n输出格式：\n{\n  \"business_context\": {...},\n  \"functional_context\": {...},\n  \"technical_context\": {...},\n  \"output_requirements\": {...}\n}\n```\n\n---\n\n## 第7步：提示词生成（qa-ai-prompt-strategy）\n\n```\n输入：AI上下文包\n输出：优化后的提示词\n输出文件：AI提示词.md\n\n执行内容：\n1. 选择最佳提示词模式\n2. 注入上下文\n3. 生成最终提示词\n\n输出格式：\n{\n  \"prompt_mode\": \"结构化输出模式\",\n  \"final_prompt\": \"...\"\n}\n```\n\n⚠️ **不得跳过此步骤**\n\n---\n\n## 第8步：输出评审与补盲（qa-ai-output-critique + qa-ai-blindspot-compensation）\n\n```\n输入：AI生成的测试用例\n输出：评审后的测试用例\n输出文件：用例评审报告.md、盲区补偿用例.md\n\n执行内容：\n1. 六维评审（完整性/深度/风险/一致性/可实现性/冗余度）\n2. 假设挖掘\n3. 盲区补盲（时序/并发/资源/状态/数据/第三方）\n\n输出格式：\n{\n  \"review_result\": {...},\n  \"blindspot_compensation\": {...},\n  \"final_test_cases\": [...]\n}\n```\n\n⚠️ **不得跳过此步骤**\n\n---\n\n## 第9步：测试报告（qa-test-reporting）\n\n```\n输入：最终测试用例 + 过程数据\n输出：测试报告\n输出文件：测试报告.md、测试用例.csv\n\n执行内容：\n1. 生成测试用例清单\n2. 统计覆盖情况\n3. 标注风险区域\n4. 输出测试报告\n\n输出格式：\n{\n  \"test_case_summary\": {...},\n  \"coverage_statistics\": {...},\n  \"risk_areas\": [...],\n  \"test_report\": \"...\"\n}\n```\n\n---\n\n## 执行指令（速查）\n\n```\n 0. qa-input-validation                      → 输入验证报告.md\n 1. qa-requirement-review                     → 需求评审报告.md\n 2. qa-req-deconstruction                     → 需求解构表.md\n 3. [并行] qa-risk-intuition                  → 风险评估.md\n    [并行] qa-heuristic-checklist             → 启发式清单.md\n    [并行] qa-scenario-tree                   → 场景树.md\n 4. [并行] qa-boundary-deep-dive              → 边界清单.md\n    [并行] qa-combination-strategy            → 组合矩阵.md\n    [并行] qa-state-transition                → 状态转换图.md\n    [并行] qa-domain-modeling                 → 领域模型.md\n 5. qa-regression-testing                     → 回归策略.md\n 6. qa-ai-context-engineering                 → AI上下文包.md\n 7. qa-ai-prompt-strategy                     → AI提示词.md\n → [AI生成测试用例]                            → 测试用例_初版.csv\n 8. qa-ai-output-critique                     → 用例评审报告.md\n    qa-ai-blindspot-compensation              → 盲区补偿用例.md\n 9. qa-test-reporting                         → 测试报告.md、测试用例.csv\n10. qa-output-validation                      → 输出验证报告.md\n11. [可选] qa-expert-review                   → 专家评审报告.md\n```\n\nFile v1.8.0:skill-card.md\n\n## Description:\n\nOrchestrates QA analysis of requirement documents into traceable test cases, coverage reports, and risk assessments.\n\nThis skill is ready for commercial/non-commercial use.\n\n## Publisher:\n\n[kokxi](https://clawhub.ai/user/kokxi)\n\n### License/Terms of Use:\n\nMIT-0\n\n## Use Case:\n\nQA engineers and developers use this skill to turn written requirements, attachments, or URLs into test scenarios, traceable test cases, coverage analysis, and reports. The full workflow depends on separately available companion skills.\n\n### Deployment Geography for Use:\n\nGlobal\n\n## Known Risks and Mitigations:\n\nRisk: Referenced documents or URLs may expose sensitive information or lead the agent to read unintended files.\n\nMitigation: Use trusted documents, scope permitted paths and directories, and confirm URL fetches before analysis.\n\nRisk: Installing companion skills via an unreviewed package command may run untrusted code.\n\nMitigation: Inspect and pin the installation source before running the suggested npx command.\n\nRisk: The workflow may execute a local validation command without adequate confirmation.\n\nMitigation: Review the validation script and its input path, and approve local command execution before running it.\n\n## Reference(s):\n\n- [ClawHub skill release](https://clawhub.ai/kokxi/skills/qa-test-skills)\n- [Workflow details](artifact/references/workflow-detail.md)\n- [Input routing](artifact/references/routing.md)\n- [Output format](artifact/references/format.md)\n- [Workflow enforcement](artifact/references/enforcement.md)\n- [Depth benchmarks](artifact/references/depth-benchmarks.md)\n\n## Skill Output:\n\n**Output Type(s):** [Markdown, Text, Guidance]\n\n**Output Format:** [Markdown analysis and reports plus UTF-8 CSV test cases]\n\n**Output Parameters:** [1D]\n\n**Other Properties Related to Output:** [Nine-column CSV; unique test-case IDs and requirement/scenario traceability; coverage is limited to supplied requirements.]\n\n## Skill Version(s):\n\n1.8.0 (source: server release and skill metadata)\n\n## Ethical Considerations:\n\nUsers should evaluate whether this skill is appropriate for their environment, review any generated or modified files before relying on them, and apply their organization's safety, security, and compliance requirements before deployment.\n\nArchive v1.7.7: 8 files, 15286 bytes\n\nFiles: references/depth-benchmarks.md (4304b), references/enforcement.md (1661b), references/format.md (2261b), references/routing.md (4276b), references/workflow-detail.md (6549b), skill-card.md (1863b), SKILL.md (11661b), _meta.json (133b)\n\nFile v1.7.7:SKILL.md\n\n---\nname: qa-test-skills\nslug: qa-test-skills\ndisplayName: QA Test Skills\nversion: 1.7.7\ndescription: >-\n  从需求文档自动生成结构化测试用例，覆盖功能测试、边界分析、组合测试和回归测试全流程。自动串联48个专家级子技能，按12步工作流编排执行。适用于：上传需求文档（PRD/Word/PDF/URL）需要完整测试用例时、不知道如何设计测试场景或担心遗漏边界条件时、需要AI评审测试输出并补充测试盲区时。每个步骤都有独立技能支撑，输出格式统一、需求可追溯、覆盖率可量化。\nwhen_to_use: >-\n  用户说\"生成测试用例\"、\"帮我测试\"、\"设计测试\"、\"上传需求\"、\"开始测试\"、上传需求文档/URL时自动激活，\n  需要完整测试流程时，想浏览技能集目录、了解QA Test Skills包含哪些技能、查看技能分类说明、获取安装指引时\ndisable-model-invocation: false\nallowed-tools: Read Grep Glob WebFetch Bash\nrelated_skills:\n  all_skills:\n    - qa-input-validation\n    - qa-requirement-review\n    - qa-req-deconstruction\n    - qa-risk-intuition\n    - qa-heuristic-checklist\n    - qa-scenario-tree\n    - qa-boundary-deep-dive\n    - qa-combination-strategy\n    - qa-state-transition\n    - qa-domain-modeling\n    - qa-regression-testing\n    - qa-ai-context-engineering\n    - qa-ai-prompt-strategy\n    - qa-ai-output-critique\n    - qa-ai-blindspot-compensation\n    - qa-output-validation\n    - qa-test-reporting\n    - qa-agent-testing\n    - qa-expert-review\n    - qa-api-testing\n    - qa-mobile-testing\n    - qa-specialized-testing\n    - qa-exploratory-testing\n    - qa-tech-debt-management\n    - qa-test-estimation\n    - qa-bug-lifecycle\n    - qa-bug-reporting\n    - qa-bug-root-cause-analysis\n    - qa-execution-observation\n    - qa-ci-cd-testing\n    - qa-code-review-for-test\n    - qa-critical-thinking\n    - qa-question-framework\n    - qa-test-case-design\n    - qa-test-strategy-design\n    - qa-release-risk-governance\n    - qa-quality-metrics\n    - qa-test-automation-arch\n    - qa-tech-selection\n    - qa-testability-advocacy\n    - qa-test-data-engineering\n    - qa-test-env-data\n    - qa-shift-left\n    - qa-shift-right\n    - qa-test-leadership\n    - qa-stakeholder-communication\n    - qa-team-coaching\n    - qa-retrospective\ninput_format:\n  required:\n    - name: 用户需求\n      type: string\n      description: 用户的需求描述，可以是文字、文件路径或URL\n  optional:\n    - name: 附件\n      type: file\n      description: 上传的需求文档\n    - name: URL\n      type: string\n      description: 需求文档链接\noutput_format:\n  structure:\n    - test_cases: \"测试用例列表\"\n    - coverage_report: \"覆盖率报告\"\n    - risk_areas: \"风险区域\"\n    - test_report: \"测试报告\"\n  traceability:\n    - 每个测试用例带唯一ID（TC_{模块缩写}_{功能缩写}_{序号}，如 TC_API_LOGIN_001）\n    - 关联需求ID（REQ-XXXX）\n    - 关联场景ID（SC-XXXX）\n---\n\n# QA Test Skills — 测试工作流编排引擎\n\n你是一位资深测试架构师，负责编排整个测试设计流程。初级人员只需提供需求，你自动串联所有子技能，输出专家级测试用例。\n\n## 核心原则\n\n**输入的每一条需求，经过 12 步标准化工作流 + 48 个专家级子技能，最终输出可追溯、结构化的测试用例集。**\n\n> ⚠️ **必须直接输出完整内容，不得只承诺生成**：\n> 必须在本次响应中直接输出完整内容，不得只输出\"我将生成\"等承诺性表述。\n> 询问确认不得替代直接输出——用户请求即默示授权，询问只能在输出末尾的\"是否补充\"环节。\n> 若数据不足，先输出已有数据的分析，再标注缺什么。\n\n> ⚠️ **N 个维度全必输出硬约束**：\n> 需要编号/分类输出的内容必须按编号逐条输出，未发现问题的也要输出占位行。\n> 不适用的也要输出标注\"不适用+原因\"的占位项，而非省略。\n> 末尾的\"维度覆盖统计\"必须确认 N/N 全覆盖，缺一项即格式校验失败。\n\n> 强制执行规则详见 [`references/enforcement.md`](references/enforcement.md)。\n\n> 各 skill 深度量化基准（`depth_requirement_quantification`）的乘数档位来源与判定指引详见 [`references/depth-benchmarks.md`](references/depth-benchmarks.md)。\n\n> 输入识别、路由规则和可选增强流程详见 [`references/routing.md`](references/routing.md)。\n\n## 标准化工作流\n\n**⚠️ 强制要求：每个步骤必须产出输出文件，不得跳过任何步骤。详细伪代码见 [`references/workflow-detail.md`](references/workflow-detail.md)。**\n\n| 步骤 | 调用的技能 | 输出文件 | 说明 |\n|------|-----------|---------|------|\n| 第0步 | 需求文档解析 | 需求文档集合.md | 支持 .md/.docx/.pdf，自动追踪索引引用 |\n| 第1步 | qa-requirement-review | 需求评审报告.md | 完整性/清晰性/一致性/可测试性/可实现性 |\n| 第2步 | qa-req-deconstruction | 需求解构表.md | 显性+隐性+衍生需求 + 五维拆解（简单×2/中等×3/复杂×4） |\n| 第3步 | 并行：qa-risk-intuition, qa-heuristic-checklist, qa-scenario-tree | 风险评估.md、启发式清单.md、场景树.md | 场景深度：简单×3/中等×5/复杂×7 |\n| 第4步 | 并行：qa-boundary-deep-dive, qa-combination-strategy, qa-state-transition, qa-domain-modeling | 边界清单.md、组合矩阵.md、状态转换图.md、领域模型.md | 边界深度：简单×1.5/中等×2/复杂×2.5 |\n| 第5步 | qa-regression-testing | 回归策略.md | 分级策略 + 用例清单 + 执行计划 |\n| 第6步 | qa-ai-context-engineering | AI上下文包.md | 打包所有分析结果 |\n| 第7步 | qa-ai-prompt-strategy | AI提示词.md ⚠️不得跳过 | 生成优化后的提示词 |\n| → | [AI生成测试用例] | 测试用例_初版.csv | |\n| 第8步 | qa-ai-output-critique + qa-ai-blindspot-compensation | 用例评审报告.md、盲区补偿用例.md ⚠️不得跳过 | 六维评审 + 六大盲区补盲 |\n| 第9步 | qa-test-reporting | 测试报告.md、测试用例.csv | 最终测试用例 + 覆盖率分析 |\n| 第10步 | qa-output-validation | 输出验证报告.md | 防幻觉：事实核查/一致性/可执行性/来源追溯 |\n| 第11步 | qa-expert-review（可选） | 专家评审报告.md | 需要质量把关时执行 |\n\n**关键检查点**：\n- 每个步骤完成后检查输出文件是否存在，不存在则重新执行该步骤\n- 不得跳过步骤7（提示词生成）和步骤8（输出评审与补盲）\n\n**覆盖率与缺口诚实性硬约束**（第9步测试报告 + 第10步输出验证必查）：\n> ⚠️ **覆盖率必须标注口径**：若需求文档本身不完整（存在缺失模块/未定义流程），\n> 覆盖率报告必须注明\"基于现有需求文档的覆盖率\"，\n> 不得使用\"全覆盖\"\"100%\"等绝对化表述——覆盖的是现有需求，不是完整业务闭环。\n>\n> ⚠️ **缺口必须同步标注**：需求评审发现缺失模块后，\n> 测试报告、覆盖率报告、输出验证报告三处必须同步列出缺口清单，\n> 不得只在一处提及、其余报告声称\"全覆盖\"掩盖缺口。\n> 缺失模块不得编造需求或用例，只能标注\"未覆盖+原因+建议补充\"。\n\n**测试用例.csv 格式硬约束**（第7步初版 + 第9步最终必查，交付用户直接可用）：\n> ⚠️ **必须输出标准 CSV，不得用 `|` 竖线或制表符分隔**：\n> 分隔符用半角逗号 `,`；字段内含逗号/双引号/换行时必须用双引号包裹并转义（RFC 4180）；\n> 编码用 UTF-8 含 BOM（Excel 打开中文不乱码、正确分列）。\n> 列结构固定 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> 表头必须存在，每条用例一行，不得用 Markdown 表格语法。\n\n## 可选增强流程\n\n根据用户需求和识别结果，可选择性调用：\n\n### 按用例类型\n\n```\n├─ 接口测试：qa-api-testing（识别到\"接口/API\"关键词）\n├─ Agent测试：qa-agent-testing（识别到\"Agent/智能体\"关键词）\n├─ 性能测试：qa-specialized-testing（识别到\"性能/压力\"关键词）\n└─ 安全测试：qa-specialized-testing（识别到\"安全/渗透\"关键词）\n```\n\n### 按平台类型\n\n```\n├─ 移动端App：加载 platform-mobile-app.md\n├─ 小程序：加载 platform-mini-program.md\n├─ 移动Web/H5：加载 platform-mobile-web.md\n├─ 桌面应用：加载 platform-desktop.md\n└─ PC Web：加载 platform-pc-web.md\n```\n\n### 按用户需求\n\n```\n├─ qa-test-estimation：工作量估算（用户需要排期时）\n├─ qa-exploratory-testing：探索式测试（需要深度探索时）\n├─ qa-expert-review：专家评审（需要质量把关时）\n└─ qa-tech-debt-management：技术债务评估（需要评估债务时）\n```\n\n> 标准化输出模板和检查清单详见 [`references/format.md`](references/format.md)。\n\n## 验收清单\n\n工作流执行完成后检查：\n- [ ] 用例类型是否识别正确？\n- [ ] 平台专项是否加载？\n- [ ] 需求评审是否完成？\n- [ ] 需求解构是否完整？\n- [ ] 风险评估是否识别？\n- [ ] 启发式清单是否应用？\n- [ ] 场景树是否覆盖全面？\n- [ ] 边界分析是否深入？\n- [ ] 组合策略是否合理？\n- [ ] 状态转换是否清晰？\n- [ ] 领域模型是否构建？\n- [ ] 上下文包是否结构化？\n- [ ] 提示词是否优化？\n- [ ] 输出评审是否完成？\n- [ ] 盲区补盲是否执行？\n- [ ] 检查清单是否执行？\n- [ ] 输出格式是否标准？\n- [ ] 测试报告是否生成？\n- [ ] 最终用例是否专家级？\n\n---\n\n## 技能集概览\n\n**QA Test Skills** 是一个包含 48 个专家级子技能 + 1 个入口工作流的完整测试框架，覆盖从需求分析到测试设计、AI协作、执行监控、质量度量的完整测试生命周期。\n\n### 技能分类\n\n| 类别 | 数量 | 技能 |\n|------|------|------|\n| **AI协作** | 6个 | qa-input-validation, qa-ai-context-engineering, qa-ai-prompt-strategy, qa-ai-output-critique, qa-ai-blindspot-compensation, qa-output-validation |\n| **需求分析** | 4个 | qa-requirement-review, qa-req-deconstruction, qa-scenario-tree, qa-domain-modeling |\n| **深度设计** | 4个 | qa-boundary-deep-dive, qa-combination-strategy, qa-state-transition, qa-heuristic-checklist |\n| **测试设计** | 4个 | qa-test-case-design, qa-critical-thinking, qa-question-framework, qa-risk-intuition |\n| **执行洞察** | 4个 | qa-execution-observation, qa-bug-root-cause-analysis, qa-bug-reporting, qa-expert-review |\n| **专项测试** | 8个 | qa-api-testing, qa-mobile-testing, qa-agent-testing, qa-specialized-testing, qa-exploratory-testing, qa-tech-debt-management, qa-test-estimation, qa-bug-lifecycle |\n| **策略架构** | 14个 | qa-test-strategy-design, qa-release-risk-governance, qa-quality-metrics, qa-ci-cd-testing, qa-test-automation-arch, qa-tech-selection, qa-testability-advocacy, qa-test-data-engineering, qa-test-env-data, qa-shift-left, qa-shift-right, qa-test-leadership, qa-test-reporting, qa-regression-testing |\n| **沟通传承** | 4个 | qa-stakeholder-communication, qa-code-review-for-test, qa-team-coaching, qa-retrospective |\n\n## 使用方式\n\n直接输入测试需求，AI 自动执行工作流：\n\n```\n请帮我测试这个项目：examples/ecommerce-project/docs/prd.md\n```\n\n也可单独触发某个子技能：\n\n```\n帮我分析这个场景的边界：[场景描述]\n帮我设计测试用例：[需求描述]\n```\n\nFile v1.7.7:_meta.json\n\n{\n  \"ownerId\": \"kn71y9b23csfx0ykgm55d5m9x5891zt8\",\n  \"slug\": \"qa-test-skills\",\n  \"version\": \"1.7.7\",\n  \"publishedAt\": 1790519422863\n}\n\nFile v1.7.7:references/depth-benchmarks.md\n\n# 深度量化基准来源说明\n\n> 本文档说明各 skill 元数据中 `depth_requirement_quantification.reference_value` 的乘数基准（简单×N / 中等×N / 复杂×N）来源，让 AI 执行时能判断该按哪个乘数生成，也让新人理解乘数背后的逻辑。\n\n## 一、为什么需要深度量化基准\n\nAI 执行测试技能时面临一个两难：\n\n- **乘数过低** → 输出偷懒（如风险评估只识别 2 个风险点就收工）\n- **乘数过高** → 过度设计（如简单 CRUD 功能强制生成 7 层边界分析）\n\n`reference_value` 的乘数就是给 AI 的\"档位标尺\"：根据需求复杂度选择对应深度档位，避免输出过浅或过深。\n\n## 二、乘数档位的来源\n\n这些乘数不是凭空拍的，而是基于三个来源的交叉校准：\n\n### 来源 1：测试行业经验基准\n\n来自一线测试团队的历史数据回溯（约 200+ 项目迭代）：\n\n| 复杂度档位 | 典型特征 | 测试点密度（个/需求点） |\n|-----------|---------|----------------------|\n| 简单 | 单表 CRUD、静态展示、无外部依赖 | 1-2 |\n| 中等 | 多表关联、有业务规则、1-2 个集成点 | 2-3 |\n| 复杂 | 状态机、并发、分布式、资金/安全链路 | 3-4+ |\n\n**对应到 reference_value**：\n- `简单×1 / 中等×2 / 复杂×3` ← 基础产出型 skill（如 bug-reporting、ci-cd-testing）\n- `简单×2 / 中等×3 / 复杂×4` ← 深度分析型 skill（如 boundary-deep-dive、req-deconstruction）\n- `简单×3 / 中等×5 / 复杂×7` ← 认知质疑型 skill（如 critical-thinking、question-framework）\n\n### 来源 2：与 `minimum` 字段的倍数关系\n\n每个 skill 同时声明了 `minimum`（最小输出量）和 `reference_value`（档位基准）。两者的倍数关系约束了乘数不能随意调：\n\n- `minimum` 通常是\"简单档位 ×1\"的下限\n- \"中等档位\"至少是\"简单档位\"的 2 倍\n- \"复杂档位\"至少是\"简单档位\"的 3 倍\n\n如果某 skill 的 `minimum` 是\"至少识别 5 个风险点\"，那么：\n- 简单档位 ≈ 5（×1）\n- 中等档位 ≈ 10（×2）\n- 复杂档位 ≈ 15（×3）\n\n### 来源 3：同类 skill 的横向对齐\n\n同类 skill 的乘数档位保持一致，避免用户在 skill 之间切换时产生深度落差：\n\n| skill 类别 | 典型 skill | 档位模式 |\n|-----------|-----------|---------|\n| 认知质疑型 | qa-critical-thinking, qa-question-framework, qa-scenario-tree | ×3 / ×5 / ×7 |\n| 深度分析型 | qa-boundary-deep-dive, qa-req-deconstruction, qa-test-case-design, qa-domain-modeling, qa-state-transition | ×2 / ×3 / ×4 |\n| 基础产出型 | 多数专项测试、执行洞察、沟通传承类 | ×1 / ×2 / ×3 |\n\n## 三、乘数不是硬约束，是建议档位\n\n⚠️ **重要**：`reference_value` 是**建议档位**，不是硬性要求。\n\n- AI 应当根据**实际需求复杂度**判断属于简单/中等/复杂哪一档，再按对应乘数生成\n- 如果需求明显是\"复杂\"档但用户只要求\"简单\"输出深度，以用户要求为准\n- `minimum` 是**硬下限**（必须达到），`reference_value` 是**软建议**（推荐达到）\n\n## 四、复杂度档位判定指引\n\nAI 在执行 skill 前，先判定需求属于哪个复杂度档位：\n\n### 简单档（×1 基准）\n\n- 单表 CRUD、静态展示\n- 无外部依赖、无并发、无状态流转\n- 历史缺陷率低、用户量小\n\n### 中等档（×2 基准）\n\n- 多表关联、有业务规则\n- 1-2 个外部集成点\n- 有基础的状态流转（如订单状态机）\n- 中等用户量、偶尔出问题\n\n### 复杂档（×3 基准）\n\n- 资金/安全/核心链路\n- 并发、分布式、状态机复杂\n- 多个外部依赖、数据契约敏感\n- 高用户量、历史缺陷多发\n\n## 五、基准的可挑战性\n\n这些乘数基准基于 2026 年上半年的项目数据回溯，**不是永恒真理**：\n\n- 如果你的团队历史数据表明\"简单功能其实需要 ×2 深度\"，可以调整\n- 如果某个 skill 的乘数导致输出过度或不足，欢迎提 issue 反馈\n- 基准会随项目迭代和数据积累持续校准\n\n---\n\n**相关文档**：\n- [`references/enforcement.md`](enforcement.md) — 强制执行要求\n- [`references/workflow-detail.md`](workflow-detail.md) — 工作流详细执行指南\n\nFile v1.7.7:references/enforcement.md\n\n# 强制执行要求\n\n**⚠️ 重要：agent必须严格按照以下要求执行，不得跳过任何步骤**\n\n---\n\n## 全局限制\n\n- **默认禁止读取代码**：整个技能集使用期间，默认禁止AI读取代码实现\n- **目的**：防止AI偷懒根据代码生成测试用例，确保测试用例验证需求而非代码实现\n- **例外情况**：仅在特定技能（如代码评审、Bug根因分析）中明确允许读取代码\n\n---\n\n## 1. skill加载 ≠ skill执行\n\n- **要求**：加载技能后，必须执行技能要求的实际分析，并产出具体输出\n- **禁止**：仅加载技能SKILL.md而不执行分析\n- **验证**：每个步骤必须有明确的输出文件或报告\n\n## 2. 任务创建 ≠ 任务执行\n\n- **要求**：创建任务后，必须执行任务并产出实际内容\n- **禁止**：仅创建任务标记完成而不执行\n- **验证**：任务完成后必须检查是否有实际产出\n\n## 3. actor调用失败必须重试\n\n- **要求**：actor调用失败后，必须修复参数并重试\n- **禁止**：actor失败后跳过步骤\n- **重试策略**：修复参数格式 → 重新调用 → 验证结果\n\n## 4. 必须按顺序执行所有步骤\n\n- **要求**：严格按照工作流顺序执行，不跳过任何步骤\n- **禁止**：跳过步骤7（提示词生成）直接生成用例\n- **验证**：每个步骤完成后必须有明确的输出\n\n## 5. 输出评审是必须步骤\n\n- **要求**：生成用例后，必须执行qa-ai-output-critique和qa-ai-blindspot-compensation\n- **禁止**：将\"生成用例\"视为最终目标\n- **验证**：评审完成后必须有评审报告和盲区补偿用例\n\nFile v1.7.7:references/format.md\n\n# 标准化输出模板与检查清单\n\n## 1. 表格格式（Markdown）\n\n```markdown\n| 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|---------|---------|---------|---------|---------|---------|---------|---------|---------|\n| TC_XXX_001 | 功能测试 | 模块名 | 标题描述 | P0 | 条件描述 | 步骤1;步骤2;步骤3 | 结果描述 | 高 |\n```\n\n## 2. 用例编号规则\n\n```\n格式：TC_{模块缩写}_{功能缩写}_{序号}\n示例：\n- TC_USER_LOGIN_001     用户模块-登录-第1条\n- TC_ORDER_PAY_002      订单模块-支付-第2条\n- TC_API_LOGIN_003      接口-登录-第3条\n```\n\n## 3. 用例级别定义\n\n| 级别 | 说明 | 占比建议 |\n|------|------|---------|\n| P0 | 关键：核心业务流程 | ≤20% |\n| P1 | 重要：主要功能 | ≤40% |\n| P2 | 一般：次要功能 | ≤30% |\n| P3 | 可选：边缘场景 | ≤10% |\n\n## 4. 生成后自查\n\n```\n用例生成完成后，自动执行自查：\n\n1. 完整性检查\n   - [ ] 功能点是否覆盖（按现有需求文档口径）？\n   - [ ] 异常场景是否覆盖？\n   - [ ] 边界条件是否覆盖？\n   - [ ] 安全场景是否覆盖？\n\n2. 质量检查\n   - [ ] 用例标题是否清晰？\n   - [ ] 预置条件是否完整？\n   - [ ] 测试步骤是否可执行？\n   - [ ] 预期结果是否可验证？\n\n3. 规范检查\n   - [ ] 用例编号是否规范？\n   - [ ] 用例级别是否合理？\n   - [ ] 风险等级是否准确？\n   - [ ] 输出格式是否标准？\n\n4. 平台检查（如有平台专项）\n   - [ ] 平台特性是否覆盖？\n   - [ ] 兼容性是否考虑？\n   - [ ] 性能是否验证？\n   - [ ] 用户体验是否评估？\n```\n\n## 5. 覆盖率要求\n\n> ⚠️ 覆盖率必须标注口径：覆盖的是**现有需求文档**，不得使用\"全覆盖\"\"100%\"等绝对化表述\n> （见入口工作流 SKILL.md 的\"覆盖率与缺口诚实性硬约束\"）；缺失模块只能标注\"未覆盖+原因\"。\n\n| 维度 | 覆盖率要求 |\n|------|-----------|\n| 功能覆盖率 | 100%需求点（基于现有需求文档） |\n| P0用例 | 100%覆盖（P0 核心流程，现有需求范围内） |\n| 异常场景 | ≥30%用例 |\n| 边界场景 | ≥10%用例 |\n\nFile v1.7.7:references/routing.md\n\n# 输入识别与路由规则\n\n## 1. 输入来源识别\n\n| 输入类型 | 识别特征 | 处理方式 |\n|---------|---------|---------|\n| 直接描述 | 文字描述需求 | 提取关键信息 |\n| 上传文件 | 附件/文件路径 | 读取并解构 |\n| URL链接 | http/https开头 | 获取并分析 |\n| 需求文档目录 | 包含多个需求文档的目录 | 解析索引并读取所有子模块 |\n\n## 2. 需求文档格式支持\n\n### 支持的文档格式\n\n| 格式 | 扩展名 | 处理方式 |\n|------|--------|----------|\n| Markdown | .md | 直接读取解析 |\n| Word文档 | .docx | 使用pdf-extraction技能提取内容 |\n| PDF文档 | .pdf | 使用pdf-extraction技能提取内容 |\n| 纯文本 | .txt | 直接读取解析 |\n| HTML | .html | 使用webfetch或解析HTML内容 |\n\n**格式识别规则**：\n- 根据文件扩展名自动识别格式\n- Word/PDF文档需要先提取文本内容再解析\n- 提取后的内容按Markdown格式处理\n\n## 3. 需求文档索引解析\n\n当用户提供主需求文档时，必须执行以下步骤：\n\n```\n步骤1：识别文档格式并读取主文档\n  - Markdown/纯文本：直接读取\n  - Word/PDF：使用pdf-extraction技能提取内容\n步骤2：解析文档中的索引引用\n  - 查找对子模块需求的引用（如\"详见 requirements/01-auth.md\"）\n  - 查找目录结构（如\"需求文档目录：docs/requirements/\"）\n  - 查找链接引用（如\"[认证需求](./requirements/01-auth.md)\"）\n  - Word文档中的目录引用（如\"认证模块需求见附件01-auth.docx\"）\n步骤3：读取所有被引用的子模块需求文档\n  - 支持混合格式（主文档是Word，子模块是Markdown等）\n步骤4：合并所有需求内容进行分析\n```\n\n**识别模式**：\n- 相对路径引用：`./requirements/01-auth.md`、`../requirements/01-auth.md`\n- 绝对路径引用：`/docs/requirements/01-auth.md`\n- 目录引用：`requirements/`、`docs/requirements/`\n- 锚点引用：`#认证模块`、`##用户管理`\n- 附件引用：`附件01-auth.docx`、`详见附件`\n- 跨格式引用：`认证需求见 requirements/01-auth.md`\n\n**处理原则**：\n- 主文档包含索引时，必须读取所有被引用的子模块\n- 子模块需求是主文档的补充，不能忽略\n- 支持混合格式（主文档和子模块可以是不同格式）\n- 合并所有需求后，再进行后续的测试设计流程\n\n## 4. 用例类型识别\n\n| 关键词 | 用例类型 | 加载能力 |\n|--------|---------|---------|\n| \"接口测试\"/\"API测试\" | 接口测试 | qa-api-testing |\n| \"Agent测试\"/\"智能体\" | Agent测试 | qa-agent-testing |\n| \"性能测试\"/\"压力测试\" | 性能测试 | qa-specialized-testing |\n| \"安全测试\"/\"渗透测试\" | 安全测试 | qa-specialized-testing |\n| 默认 | 功能测试 | 标准流程 |\n\n## 5. 平台专项识别\n\n| 关键词 | 平台类型 | 加载专项 |\n|--------|---------|---------|\n| \"移动端\"/\"App测试\" | 移动端App | platform-mobile-app.md |\n| \"小程序测试\" | 小程序 | platform-mini-program.md |\n| \"H5测试\"/\"移动Web\" | 移动Web | platform-mobile-web.md |\n| \"桌面端测试\" | 桌面应用 | platform-desktop.md |\n| \"Web测试\"/\"PC端\" | PC Web | platform-pc-web.md |\n| 默认 | 通用 | 无平台专项 |\n\n## 6. 可选增强流程\n\n根据用户需求和识别结果，可选择性调用：\n\n### 按用例类型\n```\n├─ 接口测试：qa-api-testing（识别到\"接口/API\"关键词）\n├─ Agent测试：qa-agent-testing（识别到\"Agent/智能体\"关键词）\n├─ 性能测试：qa-specialized-testing（识别到\"性能/压力\"关键词）\n└─ 安全测试：qa-specialized-testing（识别到\"安全/渗透\"关键词）\n```\n\n### 按平台类型\n```\n├─ 移动端App：加载 platform-mobile-app.md\n├─ 小程序：加载 platform-mini-program.md\n├─ 移动Web/H5：加载 platform-mobile-web.md\n├─ 桌面应用：加载 platform-desktop.md\n└─ PC Web：加载 platform-pc-web.md\n```\n\n### 按用户需求\n```\n├─ qa-test-estimation：工作量估算（用户需要排期时）\n├─ qa-exploratory-testing：探索式测试（需要深度探索时）\n├─ qa-expert-review：专家评审（需要质量把关时）\n└─ qa-tech-debt-management：技术债务评估（需要评估债务时）\n```\n\nFile v1.7.7:references/workflow-detail.md\n\n# 工作流详细执行指南\n\n> 本文档是 `skills/qa-test-skills/SKILL.md` 中标准化工作流的详细展开，包含每步的输入/输出/执行内容/输出格式。\n> 需要在执行某步时遇到疑问时查阅，不作为主流程的直接执行指令。\n\n---\n\n## 第0步：需求文档解析\n\n```\n输入：用户提供的需求文档路径\n输出：完整的需求文档集合\n输出文件：需求文档集合（合并后的内容）\n\n执行内容：\n1. 读取主需求文档\n2. 解析文档中的索引引用\n3. 识别子模块需求文档路径\n4. 读取所有子模块需求文档\n5. 合并需求内容\n6. 构建完整的需求上下文\n\n处理逻辑：\nif 主文档包含索引引用:\n    for each 引用的子模块:\n        读取子模块需求文档\n        合并到需求上下文\nelse:\n    直接使用主文档内容\n```\n\n**关键检查点**：\n- 主文档是否包含对子模块的引用？\n- 引用的子模块文件是否存在？\n- 是否有遗漏的需求文档？\n\n---\n\n## 第1步：需求评审（qa-requirement-review）\n\n```\n输入：完整的需求文档集合（主文档+子模块）\n输出：需求评审报告\n输出文件：需求评审报告.md\n\n执行内容：\n1. 评审需求完整性\n2. 评审需求清晰性\n3. 评审需求一致性\n4. 评审可测试性\n5. 评审可实现性\n6. 输出问题清单\n\n输出格式：\n{\n  \"review_result\": \"通过/有条件通过/不通过\",\n  \"completeness\": {...},\n  \"clarity\": {...},\n  \"consistency\": {...},\n  \"testability\": {...},\n  \"feasibility\": {...},\n  \"issues\": [...]\n}\n```\n\n---\n\n## 第2步：需求解构（qa-req-deconstruction）\n\n```\n输入：需求文档\n输出：需求解构表\n输出文件：需求解构表.md\n\n执行内容：\n1. 提取显性需求\n2. 挖掘隐性需求\n3. 推导衍生需求\n4. 五维拆解（输入/操作/状态/输出/规则）\n\n输出格式：\n{\n  \"explicit_requirements\": [...],\n  \"implicit_requirements\": [...],\n  \"derived_requirements\": [...],\n  \"five_dimensions\": {...}\n}\n```\n\n---\n\n## 第3步：场景构建（并行执行3个技能）\n\n```\n输入：需求解构表\n输出：场景构建产物（并行）\n输出文件：风险评估.md、启发式清单.md、场景树.md\n\n并行执行：\n├─ qa-risk-intuition → 风险评估\n├─ qa-heuristic-checklist → 启发式清单\n└─ qa-scenario-tree → 场景树\n\n输出格式：\n{\n  \"risk_assessment\": {...},\n  \"heuristic_checklist\": {...},\n  \"scenario_tree\": {...}\n}\n```\n\n---\n\n## 第4步：深度设计（并行执行4个技能）\n\n```\n输入：场景树 + 风险评估\n输出：设计产物（并行）\n输出文件：边界清单.md、组合矩阵.md、状态转换图.md、领域模型.md\n\n并行执行：\n├─ qa-boundary-deep-dive → 边界清单\n├─ qa-combination-strategy → 组合矩阵\n├─ qa-state-transition → 状态转换图\n└─ qa-domain-modeling → 领域模型\n\n输出格式：\n{\n  \"boundary_analysis\": {...},\n  \"combination_strategy\": {...},\n  \"state_transition\": {...},\n  \"domain_model\": {...}\n}\n```\n\n---\n\n## 第5步：回归策略设计（qa-regression-testing）\n\n```\n输入：变更分析结果 + 风险评估 + 场景树\n输出：回归测试方案\n输出文件：回归策略.md\n\n执行内容：\n1. 确定回归级别（冒烟/核心/全量）\n2. 选择筛选策略（变更驱动/风险驱动/时间驱动）\n3. 生成回归用例清单\n4. 输出未覆盖的风险区域报告\n```\n\n---\n\n## 第6步：上下文工程（qa-ai-context-engineering）\n\n```\n输入：第1-5步所有输出\n输出：AI上下文包\n输出文件：AI上下文包.md\n\n执行内容：\n1. 打包所有分析结果\n2. 构建上下文金字塔\n3. 格式化为结构化输入\n\n输出格式：\n{\n  \"business_context\": {...},\n  \"functional_context\": {...},\n  \"technical_context\": {...},\n  \"output_requirements\": {...}\n}\n```\n\n---\n\n## 第7步：提示词生成（qa-ai-prompt-strategy）\n\n```\n输入：AI上下文包\n输出：优化后的提示词\n输出文件：AI提示词.md\n\n执行内容：\n1. 选择最佳提示词模式\n2. 注入上下文\n3. 生成最终提示词\n\n输出格式：\n{\n  \"prompt_mode\": \"结构化输出模式\",\n  \"final_prompt\": \"...\"\n}\n```\n\n⚠️ **不得跳过此步骤**\n\n---\n\n## 第8步：输出评审与补盲（qa-ai-output-critique + qa-ai-blindspot-compensation）\n\n```\n输入：AI生成的测试用例\n输出：评审后的测试用例\n输出文件：用例评审报告.md、盲区补偿用例.md\n\n执行内容：\n1. 六维评审（完整性/深度/风险/一致性/可实现性/冗余度）\n2. 假设挖掘\n3. 盲区补盲（时序/并发/资源/状态/数据/第三方）\n\n输出格式：\n{\n  \"review_result\": {...},\n  \"blindspot_compensation\": {...},\n  \"final_test_cases\": [...]\n}\n```\n\n⚠️ **不得跳过此步骤**\n\n---\n\n## 第9步：测试报告（qa-test-reporting）\n\n```\n输入：最终测试用例 + 过程数据\n输出：测试报告\n输出文件：测试报告.md、测试用例.csv\n\n执行内容：\n1. 生成测试用例清单\n2. 统计覆盖情况\n3. 标注风险区域\n4. 输出测试报告\n\n输出格式：\n{\n  \"test_case_summary\": {...},\n  \"coverage_statistics\": {...},\n  \"risk_areas\": [...],\n  \"test_report\": \"...\"\n}\n```\n\n---\n\n## 执行指令（速查）\n\n```\n 0. qa-input-validation                      → 输入验证报告.md\n 1. qa-requirement-review                     → 需求评审报告.md\n 2. qa-req-deconstruction                     → 需求解构表.md\n 3. [并行] qa-risk-intuition                  → 风险评估.md\n    [并行] qa-heuristic-checklist             → 启发式清单.md\n    [并行] qa-scenario-tree                   → 场景树.md\n 4. [并行] qa-boundary-deep-dive              → 边界清单.md\n    [并行] qa-combination-strategy            → 组合矩阵.md\n    [并行] qa-state-transition                → 状态转换图.md\n    [并行] qa-domain-modeling                 → 领域模型.md\n 5. qa-regression-testing                     → 回归策略.md\n 6. qa-ai-context-engineering                 → AI上下文包.md\n 7. qa-ai-prompt-strategy                     → AI提示词.md\n → [AI生成测试用例]                            → 测试用例_初版.csv\n 8. qa-ai-output-critique                     → 用例评审报告.md\n    qa-ai-blindspot-compensation              → 盲区补偿用例.md\n 9. qa-test-reporting                         → 测试报告.md、测试用例.csv\n10. qa-output-validation                      → 输出验证报告.md\n11. [可选] qa-expert-review                   → 专家评审报告.md\n```\n\nFile v1.7.7:skill-card.md\n\n## Description:\n\nGenerates traceable test cases from requirements through a structured QA workflow covering functional, boundary, combination, and regression testing.\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 turn requirement documents or URLs into reviewed, traceable test cases and coverage reports.\n\n### Deployment Geography for Use:\n\nGlobal\n\n## Known Risks and Mitigations:\n\nRisk: The workflow may read linked files or directories and fetch URLs without a separate confirmation or defined path and network limits.\n\nMitigation: Use a scoped workspace with only intended requirements; avoid broad directories, absolute paths, secret-bearing project roots, and sensitive or internal URLs unless their contents are intended for analysis.\n\n## Reference(s):\n\n- [ClawHub skill release](https://clawhub.ai/kokxi/skills/qa-test-skills)\n- [Output formats and checks](artifact/references/format.md)\n- [Input routing and document formats](artifact/references/routing.md)\n- [Workflow details](artifact/references/workflow-detail.md)\n\n## Skill Output:\n\n**Output Type(s):** [Text, Markdown, CSV files, Guidance]\n\n**Output Format:** [Markdown reports and UTF-8 CSV test cases]\n\n**Output Parameters:** [1D]\n\n**Other Properties Related to Output:** [Test cases include identifiers, steps, expected results, and risk levels; reports describe coverage and requirement gaps.]\n\n## Skill Version(s):\n\n1.7.7 (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 v1.7.6: 8 files, 15870 bytes\n\nFiles: references/depth-benchmarks.md (4304b), references/enforcement.md (1661b), references/format.md (2261b), references/routing.md (4276b), references/workflow-detail.md (6549b), skill-card.md (2565b), SKILL.md (12478b), _meta.json (133b)\n\nFile v1.7.6:SKILL.md\n\n---\r\nname: qa-test-skills\r\nslug: qa-test-skills\r\ndisplayName: QA 测试技能集\r\nversion: 1.7.5\r\ndescription: >-\r\n  从需求文档自动生成结构化测试用例，覆盖功能测试、边界分析、组合测试和回归测试全流程。自动串联48个专家级子技能，按12步工作流编排执行。适用于：上传需求文档（PRD/Word/PDF/URL）需要完整测试用例时、不知道如何设计测试场景或担心遗漏边界条件时、需要AI评审测试输出并补充测试盲区时。每个步骤都有独立技能支撑，输出格式统一、需求可追溯、覆盖率可量化。\r\nwhen_to_use: >-\r\n  用户说\"生成测试用例\"、\"帮我测试\"、\"设计测试\"、\"上传需求\"、\"开始测试\"、上传需求文档/URL时自动激活，\r\n  需要完整测试流程时，想浏览技能集目录、了解QA Test Skills包含哪些技能、查看技能分类说明、获取安装指引时\r\ndisable-model-invocation: false\r\nallowed-tools: Read Grep Glob WebFetch Bash\r\nrelated_skills:\r\n  all_skills:\r\n    - qa-input-validation\r\n    - qa-requirement-review\r\n    - qa-req-deconstruction\r\n    - qa-risk-intuition\r\n    - qa-heuristic-checklist\r\n    - qa-scenario-tree\r\n    - qa-boundary-deep-dive\r\n    - qa-combination-strategy\r\n    - qa-state-transition\r\n    - qa-domain-modeling\r\n    - qa-regression-testing\r\n    - qa-ai-context-engineering\r\n    - qa-ai-prompt-strategy\r\n    - qa-ai-output-critique\r\n    - qa-ai-blindspot-compensation\r\n    - qa-output-validation\r\n    - qa-test-reporting\r\n    - qa-agent-testing\r\n    - qa-expert-review\r\n    - qa-api-testing\r\n    - qa-mobile-testing\r\n    - qa-specialized-testing\r\n    - qa-exploratory-testing\r\n    - qa-tech-debt-management\r\n    - qa-test-estimation\r\n    - qa-bug-lifecycle\r\n    - qa-bug-reporting\r\n    - qa-bug-root-cause-analysis\r\n    - qa-execution-observation\r\n    - qa-ci-cd-testing\r\n    - qa-code-review-for-test\r\n    - qa-critical-thinking\r\n    - qa-question-framework\r\n    - qa-test-case-design\r\n    - qa-test-strategy-design\r\n    - qa-release-risk-governance\r\n    - qa-quality-metrics\r\n    - qa-test-automation-arch\r\n    - qa-tech-selection\r\n    - qa-testability-advocacy\r\n    - qa-test-data-engineering\r\n    - qa-test-env-data\r\n    - qa-shift-left\r\n    - qa-shift-right\r\n    - qa-test-leadership\r\n    - qa-stakeholder-communication\r\n    - qa-team-coaching\r\n    - qa-retrospective\r\ninput_format:\r\n  required:\r\n    - name: 用户需求\r\n      type: string\r\n      description: 用户的需求描述，可以是文字、文件路径或URL\r\n  optional:\r\n    - name: 附件\r\n      type: file\r\n      description: 上传的需求文档\r\n    - name: URL\r\n      type: string\r\n      description: 需求文档链接\r\noutput_format:\r\n  structure:\r\n    - test_cases: \"测试用例列表\"\r\n    - coverage_report: \"覆盖率报告\"\r\n    - risk_areas: \"风险区域\"\r\n    - test_report: \"测试报告\"\r\n  traceability:\r\n    - 每个测试用例带唯一ID（TC_{模块缩写}_{功能缩写}_{序号}，如 TC_API_LOGIN_001）\r\n    - 关联需求ID（REQ-XXXX）\r\n    - 关联场景ID（SC-XXXX）\r\n---\r\n\r\n# QA Test Skills — 测试工作流编排引擎\r\n\r\n> ⚠️ **本技能集共 49 个技能（本入口 + 48 个子技能）**。\r\n> 本入口技能安装后，请补充安装其余 48 个子技能以获得完整 12 步工作流体验：\r\n>\r\n> ```bash\r\n> # 推荐：一次安装全套（skills.sh）\r\n> npx skills add Kokxi/qa-test-skills\r\n>\r\n> # 或手动：复制 skills/ 目录下 49 个子目录到 Agent 的 skills 目录\r\n> cp -r qa-test-skills/skills/* ~/.claude/skills/   # Claude Code\r\n> ```\r\n>\r\n> 仅安装本入口时，12 步工作流中的子技能（需求评审/场景树/用例设计等）将不可用。\r\n\r\n你是一位资深测试架构师，负责编排整个测试设计流程。初级人员只需提供需求，你自动串联所有子技能，输出专家级测试用例。\r\n\r\n## 核心原则\r\n\r\n**输入的每一条需求，经过 12 步标准化工作流 + 48 个专家级子技能，最终输出可追溯、结构化的测试用例集。**\r\n\r\n> ⚠️ **必须直接输出完整内容，不得只承诺生成**：\r\n> 必须在本次响应中直接输出完整内容，不得只输出\"我将生成\"等承诺性表述。\r\n> 询问确认不得替代直接输出——用户请求即默示授权，询问只能在输出末尾的\"是否补充\"环节。\r\n> 若数据不足，先输出已有数据的分析，再标注缺什么。\r\n\r\n> ⚠️ **N 个维度全必输出硬约束**：\r\n> 需要编号/分类输出的内容必须按编号逐条输出，未发现问题的也要输出占位行。\r\n> 不适用的也要输出标注\"不适用+原因\"的占位项，而非省略。\r\n> 末尾的\"维度覆盖统计\"必须确认 N/N 全覆盖，缺一项即格式校验失败。\r\n\r\n> 强制执行规则详见 [`references/enforcement.md`](references/enforcement.md)。\r\n\r\n> 各 skill 深度量化基准（`depth_requirement_quantification`）的乘数档位来源与判定指引详见 [`references/depth-benchmarks.md`](references/depth-benchmarks.md)。\r\n\r\n> 输入识别、路由规则和可选增强流程详见 [`references/routing.md`](references/routing.md)。\r\n\r\n## 标准化工作流\r\n\r\n**⚠️ 强制要求：每个步骤必须产出输出文件，不得跳过任何步骤。详细伪代码见 [`references/workflow-detail.md`](references/workflow-detail.md)。**\r\n\r\n| 步骤 | 调用的技能 | 输出文件 | 说明 |\r\n|------|-----------|---------|------|\r\n| 第0步 | 需求文档解析 | 需求文档集合.md | 支持 .md/.docx/.pdf，自动追踪索引引用 |\r\n| 第1步 | qa-requirement-review | 需求评审报告.md | 完整性/清晰性/一致性/可测试性/可实现性 |\r\n| 第2步 | qa-req-deconstruction | 需求解构表.md | 显性+隐性+衍生需求 + 五维拆解（简单×2/中等×3/复杂×4） |\r\n| 第3步 | 并行：qa-risk-intuition, qa-heuristic-checklist, qa-scenario-tree | 风险评估.md、启发式清单.md、场景树.md | 场景深度：简单×3/中等×5/复杂×7 |\r\n| 第4步 | 并行：qa-boundary-deep-dive, qa-combination-strategy, qa-state-transition, qa-domain-modeling | 边界清单.md、组合矩阵.md、状态转换图.md、领域模型.md | 边界深度：简单×1.5/中等×2/复杂×2.5 |\r\n| 第5步 | qa-regression-testing | 回归策略.md | 分级策略 + 用例清单 + 执行计划 |\r\n| 第6步 | qa-ai-context-engineering | AI上下文包.md | 打包所有分析结果 |\r\n| 第7步 | qa-ai-prompt-strategy | AI提示词.md ⚠️不得跳过 | 生成优化后的提示词 |\r\n| → | [AI生成测试用例] | 测试用例_初版.csv | |\r\n| 第8步 | qa-ai-output-critique + qa-ai-blindspot-compensation | 用例评审报告.md、盲区补偿用例.md ⚠️不得跳过 | 六维评审 + 六大盲区补盲 |\r\n| 第9步 | qa-test-reporting | 测试报告.md、测试用例.csv | 最终测试用例 + 覆盖率分析 |\r\n| 第10步 | qa-output-validation | 输出验证报告.md | 防幻觉：事实核查/一致性/可执行性/来源追溯 |\r\n| 第11步 | qa-expert-review（可选） | 专家评审报告.md | 需要质量把关时执行 |\r\n\r\n**关键检查点**：\r\n- 每个步骤完成后检查输出文件是否存在，不存在则重新执行该步骤\r\n- 不得跳过步骤7（提示词生成）和步骤8（输出评审与补盲）\r\n\r\n**覆盖率与缺口诚实性硬约束**（第9步测试报告 + 第10步输出验证必查）：\r\n> ⚠️ **覆盖率必须标注口径**：若需求文档本身不完整（存在缺失模块/未定义流程），\r\n> 覆盖率报告必须注明\"基于现有需求文档的覆盖率\"，\r\n> 不得使用\"全覆盖\"\"100%\"等绝对化表述——覆盖的是现有需求，不是完整业务闭环。\r\n>\r\n> ⚠️ **缺口必须同步标注**：需求评审发现缺失模块后，\r\n> 测试报告、覆盖率报告、输出验证报告三处必须同步列出缺口清单，\r\n> 不得只在一处提及、其余报告声称\"全覆盖\"掩盖缺口。\r\n> 缺失模块不得编造需求或用例，只能标注\"未覆盖+原因+建议补充\"。\r\n\r\n**测试用例.csv 格式硬约束**（第7步初版 + 第9步最终必查，交付用户直接可用）：\r\n> ⚠️ **必须输出标准 CSV，不得用 `|` 竖线或制表符分隔**：\r\n> 分隔符用半角逗号 `,`；字段内含逗号/双引号/换行时必须用双引号包裹并转义（RFC 4180）；\r\n> 编码用 UTF-8 含 BOM（Excel 打开中文不乱码、正确分列）。\r\n> 列结构固定 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> 表头必须存在，每条用例一行，不得用 Markdown 表格语法。\r\n\r\n## 可选增强流程\r\n\r\n根据用户需求和识别结果，可选择性调用：\r\n\r\n### 按用例类型\r\n\r\n```\r\n├─ 接口测试：qa-api-testing（识别到\"接口/API\"关键词）\r\n├─ Agent测试：qa-agent-testing（识别到\"Agent/智能体\"关键词）\r\n├─ 性能测试：qa-specialized-testing（识别到\"性能/压力\"关键词）\r\n└─ 安全测试：qa-specialized-testing（识别到\"安全/渗透\"关键词）\r\n```\r\n\r\n### 按平台类型\r\n\r\n```\r\n├─ 移动端App：加载 platform-mobile-app.md\r\n├─ 小程序：加载 platform-mini-program.md\r\n├─ 移动Web/H5：加载 platform-mobile-web.md\r\n├─ 桌面应用：加载 platform-desktop.md\r\n└─ PC Web：加载 platform-pc-web.md\r\n```\r\n\r\n### 按用户需求\r\n\r\n```\r\n├─ qa-test-estimation：工作量估算（用户需要排期时）\r\n├─ qa-exploratory-testing：探索式测试（需要深度探索时）\r\n├─ qa-expert-review：专家评审（需要质量把关时）\r\n└─ qa-tech-debt-management：技术债务评估（需要评估债务时）\r\n```\r\n\r\n> 标准化输出模板和检查清单详见 [`references/format.md`](references/format.md)。\r\n\r\n## 验收清单\r\n\r\n工作流执行完成后检查：\r\n- [ ] 用例类型是否识别正确？\r\n- [ ] 平台专项是否加载？\r\n- [ ] 需求评审是否完成？\r\n- [ ] 需求解构是否完整？\r\n- [ ] 风险评估是否识别？\r\n- [ ] 启发式清单是否应用？\r\n- [ ] 场景树是否覆盖全面？\r\n- [ ] 边界分析是否深入？\r\n- [ ] 组合策略是否合理？\r\n- [ ] 状态转换是否清晰？\r\n- [ ] 领域模型是否构建？\r\n- [ ] 上下文包是否结构化？\r\n- [ ] 提示词是否优化？\r\n- [ ] 输出评审是否完成？\r\n- [ ] 盲区补盲是否执行？\r\n- [ ] 检查清单是否执行？\r\n- [ ] 输出格式是否标准？\r\n- [ ] 测试报告是否生成？\r\n- [ ] 最终用例是否专家级？\r\n\r\n---\r\n\r\n## 技能集概览\r\n\r\n**QA Test Skills** 是一个包含 48 个专家级子技能 + 1 个入口工作流的完整测试框架，覆盖从需求分析到测试设计、AI协作、执行监控、质量度量的完整测试生命周期。\r\n\r\n### 技能分类\r\n\r\n| 类别 | 数量 | 技能 |\r\n|------|------|------|\r\n| **AI协作** | 6个 | qa-input-validation, qa-ai-context-engineering, qa-ai-prompt-strategy, qa-ai-output-critique, qa-ai-blindspot-compensation, qa-output-validation |\r\n| **需求分析** | 4个 | qa-requirement-review, qa-req-deconstruction, qa-scenario-tree, qa-domain-modeling |\r\n| **深度设计** | 4个 | qa-boundary-deep-dive, qa-combination-strategy, qa-state-transition, qa-heuristic-checklist |\r\n| **测试设计** | 4个 | qa-test-case-design, qa-critical-thinking, qa-question-framework, qa-risk-intuition |\r\n| **执行洞察** | 4个 | qa-execution-observation, qa-bug-root-cause-analysis, qa-bug-reporting, qa-expert-review |\r\n| **专项测试** | 8个 | qa-api-testing, qa-mobile-testing, qa-agent-testing, qa-specialized-testing, qa-exploratory-testing, qa-tech-debt-management, qa-test-estimation, qa-bug-lifecycle |\r\n| **策略架构** | 14个 | qa-test-strategy-design, qa-release-risk-governance, qa-quality-metrics, qa-ci-cd-testing, qa-test-automation-arch, qa-tech-selection, qa-testability-advocacy, qa-test-data-engineering, qa-test-env-data, qa-shift-left, qa-shift-right, qa-test-leadership, qa-test-reporting, qa-regression-testing |\r\n| **沟通传承** | 4个 | qa-stakeholder-communication, qa-code-review-for-test, qa-team-coaching, qa-retrospective |\r\n\r\n## 使用方式\r\n\r\n直接输入测试需求，AI 自动执行工作流：\r\n\r\n```\r\n请帮我测试这个项目：examples/ecommerce-project/docs/prd.md\r\n```\r\n\r\n也可单独触发某个子技能：\r\n\r\n```\r\n帮我分析这个场景的边界：[场景描述]\r\n帮我设计测试用例：[需求描述]\r\n```\n\nFile v1.7.6:_meta.json\n\n{\n  \"ownerId\": \"kn71y9b23csfx0ykgm55d5m9x5891zt8\",\n  \"slug\": \"qa-test-skills\",\n  \"version\": \"1.7.6\",\n  \"publishedAt\": 1788266015758\n}\n\nFile v1.7.6:references/depth-benchmarks.md\n\n# 深度量化基准来源说明\n\n> 本文档说明各 skill 元数据中 `depth_requirement_quantification.reference_value` 的乘数基准（简单×N / 中等×N / 复杂×N）来源，让 AI 执行时能判断该按哪个乘数生成，也让新人理解乘数背后的逻辑。\n\n## 一、为什么需要深度量化基准\n\nAI 执行测试技能时面临一个两难：\n\n- **乘数过低** → 输出偷懒（如风险评估只识别 2 个风险点就收工）\n- **乘数过高** → 过度设计（如简单 CRUD 功能强制生成 7 层边界分析）\n\n`reference_value` 的乘数就是给 AI 的\"档位标尺\"：根据需求复杂度选择对应深度档位，避免输出过浅或过深。\n\n## 二、乘数档位的来源\n\n这些乘数不是凭空拍的，而是基于三个来源的交叉校准：\n\n### 来源 1：测试行业经验基准\n\n来自一线测试团队的历史数据回溯（约 200+ 项目迭代）：\n\n| 复杂度档位 | 典型特征 | 测试点密度（个/需求点） |\n|-----------|---------|----------------------|\n| 简单 | 单表 CRUD、静态展示、无外部依赖 | 1-2 |\n| 中等 | 多表关联、有业务规则、1-2 个集成点 | 2-3 |\n| 复杂 | 状态机、并发、分布式、资金/安全链路 | 3-4+ |\n\n**对应到 reference_value**：\n- `简单×1 / 中等×2 / 复杂×3` ← 基础产出型 skill（如 bug-reporting、ci-cd-testing）\n- `简单×2 / 中等×3 / 复杂×4` ← 深度分析型 skill（如 boundary-deep-dive、req-deconstruction）\n- `简单×3 / 中等×5 / 复杂×7` ← 认知质疑型 skill（如 critical-thinking、question-framework）\n\n### 来源 2：与 `minimum` 字段的倍数关系\n\n每个 skill 同时声明了 `minimum`（最小输出量）和 `reference_value`（档位基准）。两者的倍数关系约束了乘数不能随意调：\n\n- `minimum` 通常是\"简单档位 ×1\"的下限\n- \"中等档位\"至少是\"简单档位\"的 2 倍\n- \"复杂档位\"至少是\"简单档位\"的 3 倍\n\n如果某 skill 的 `minimum` 是\"至少识别 5 个风险点\"，那么：\n- 简单档位 ≈ 5（×1）\n- 中等档位 ≈ 10（×2）\n- 复杂档位 ≈ 15（×3）\n\n### 来源 3：同类 skill 的横向对齐\n\n同类 skill 的乘数档位保持一致，避免用户在 skill 之间切换时产生深度落差：\n\n| skill 类别 | 典型 skill | 档位模式 |\n|-----------|-----------|---------|\n| 认知质疑型 | qa-critical-thinking, qa-question-framework, qa-scenario-tree | ×3 / ×5 / ×7 |\n| 深度分析型 | qa-boundary-deep-dive, qa-req-deconstruction, qa-test-case-design, qa-domain-modeling, qa-state-transition | ×2 / ×3 / ×4 |\n| 基础产出型 | 多数专项测试、执行洞察、沟通传承类 | ×1 / ×2 / ×3 |\n\n## 三、乘数不是硬约束，是建议档位\n\n⚠️ **重要**：`reference_value` 是**建议档位**，不是硬性要求。\n\n- AI 应当根据**实际需求复杂度**判断属于简单/中等/复杂哪一档，再按对应乘数生成\n- 如果需求明显是\"复杂\"档但用户只要求\"简单\"输出深度，以用户要求为准\n- `minimum` 是**硬下限**（必须达到），`reference_value` 是**软建议**（推荐达到）\n\n## 四、复杂度档位判定指引\n\nAI 在执行 skill 前，先判定需求属于哪个复杂度档位：\n\n### 简单档（×1 基准）\n\n- 单表 CRUD、静态展示\n- 无外部依赖、无并发、无状态流转\n- 历史缺陷率低、用户量小\n\n### 中等档（×2 基准）\n\n- 多表关联、有业务规则\n- 1-2 个外部集成点\n- 有基础的状态流转（如订单状态机）\n- 中等用户量、偶尔出问题\n\n### 复杂档（×3 基准）\n\n- 资金/安全/核心链路\n- 并发、分布式、状态机复杂\n- 多个外部依赖、数据契约敏感\n- 高用户量、历史缺陷多发\n\n## 五、基准的可挑战性\n\n这些乘数基准基于 2026 年上半年的项目数据回溯，**不是永恒真理**：\n\n- 如果你的团队历史数据表明\"简单功能其实需要 ×2 深度\"，可以调整\n- 如果某个 skill 的乘数导致输出过度或不足，欢迎提 issue 反馈\n- 基准会随项目迭代和数据积累持续校准\n\n---\n\n**相关文档**：\n- [`references/enforcement.md`](enforcement.md) — 强制执行要求\n- [`references/workflow-detail.md`](workflow-detail.md) — 工作流详细执行指南\n\nFile v1.7.6:references/enforcement.md\n\n# 强制执行要求\n\n**⚠️ 重要：agent必须严格按照以下要求执行，不得跳过任何步骤**\n\n---\n\n## 全局限制\n\n- **默认禁止读取代码**：整个技能集使用期间，默认禁止AI读取代码实现\n- **目的**：防止AI偷懒根据代码生成测试用例，确保测试用例验证需求而非代码实现\n- **例外情况**：仅在特定技能（如代码评审、Bug根因分析）中明确允许读取代码\n\n---\n\n## 1. skill加载 ≠ skill执行\n\n- **要求**：加载技能后，必须执行技能要求的实际分析，并产出具体输出\n- **禁止**：仅加载技能SKILL.md而不执行分析\n- **验证**：每个步骤必须有明确的输出文件或报告\n\n## 2. 任务创建 ≠ 任务执行\n\n- **要求**：创建任务后，必须执行任务并产出实际内容\n- **禁止**：仅创建任务标记完成而不执行\n- **验证**：任务完成后必须检查是否有实际产出\n\n## 3. actor调用失败必须重试\n\n- **要求**：actor调用失败后，必须修复参数并重试\n- **禁止**：actor失败后跳过步骤\n- **重试策略**：修复参数格式 → 重新调用 → 验证结果\n\n## 4. 必须按顺序执行所有步骤\n\n- **要求**：严格按照工作流顺序执行，不跳过任何步骤\n- **禁止**：跳过步骤7（提示词生成）直接生成用例\n- **验证**：每个步骤完成后必须有明确的输出\n\n## 5. 输出评审是必须步骤\n\n- **要求**：生成用例后，必须执行qa-ai-output-critique和qa-ai-blindspot-compensation\n- **禁止**：将\"生成用例\"视为最终目标\n- **验证**：评审完成后必须有评审报告和盲区补偿用例\n\nFile v1.7.6:references/format.md\n\n# 标准化输出模板与检查清单\n\n## 1. 表格格式（Markdown）\n\n```markdown\n| 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|---------|---------|---------|---------|---------|---------|---------|---------|---------|\n| TC_XXX_001 | 功能测试 | 模块名 | 标题描述 | P0 | 条件描述 | 步骤1;步骤2;步骤3 | 结果描述 | 高 |\n```\n\n## 2. 用例编号规则\n\n```\n格式：TC_{模块缩写}_{功能缩写}_{序号}\n示例：\n- TC_USER_LOGIN_001     用户模块-登录-第1条\n- TC_ORDER_PAY_002      订单模块-支付-第2条\n- TC_API_LOGIN_003      接口-登录-第3条\n```\n\n## 3. 用例级别定义\n\n| 级别 | 说明 | 占比建议 |\n|------|------|---------|\n| P0 | 关键：核心业务流程 | ≤20% |\n| P1 | 重要：主要功能 | ≤40% |\n| P2 | 一般：次要功能 | ≤30% |\n| P3 | 可选：边缘场景 | ≤10% |\n\n## 4. 生成后自查\n\n```\n用例生成完成后，自动执行自查：\n\n1. 完整性检查\n   - [ ] 功能点是否覆盖（按现有需求文档口径）？\n   - [ ] 异常场景是否覆盖？\n   - [ ] 边界条件是否覆盖？\n   - [ ] 安全场景是否覆盖？\n\n2. 质量检查\n   - [ ] 用例标题是否清晰？\n   - [ ] 预置条件是否完整？\n   - [ ] 测试步骤是否可执行？\n   - [ ] 预期结果是否可验证？\n\n3. 规范检查\n   - [ ] 用例编号是否规范？\n   - [ ] 用例级别是否合理？\n   - [ ] 风险等级是否准确？\n   - [ ] 输出格式是否标准？\n\n4. 平台检查（如有平台专项）\n   - [ ] 平台特性是否覆盖？\n   - [ ] 兼容性是否考虑？\n   - [ ] 性能是否验证？\n   - [ ] 用户体验是否评估？\n```\n\n## 5. 覆盖率要求\n\n> ⚠️ 覆盖率必须标注口径：覆盖的是**现有需求文档**，不得使用\"全覆盖\"\"100%\"等绝对化表述\n> （见入口工作流 SKILL.md 的\"覆盖率与缺口诚实性硬约束\"）；缺失模块只能标注\"未覆盖+原因\"。\n\n| 维度 | 覆盖率要求 |\n|------|-----------|\n| 功能覆盖率 | 100%需求点（基于现有需求文档） |\n| P0用例 | 100%覆盖（P0 核心流程，现有需求范围内） |\n| 异常场景 | ≥30%用例 |\n| 边界场景 | ≥10%用例 |\n\nFile v1.7.6:references/routing.md\n\n# 输入识别与路由规则\n\n## 1. 输入来源识别\n\n| 输入类型 | 识别特征 | 处理方式 |\n|---------|---------|---------|\n| 直接描述 | 文字描述需求 | 提取关键信息 |\n| 上传文件 | 附件/文件路径 | 读取并解构 |\n| URL链接 | http/https开头 | 获取并分析 |\n| 需求文档目录 | 包含多个需求文档的目录 | 解析索引并读取所有子模块 |\n\n## 2. 需求文档格式支持\n\n### 支持的文档格式\n\n| 格式 | 扩展名 | 处理方式 |\n|------|--------|----------|\n| Markdown | .md | 直接读取解析 |\n| Word文档 | .docx | 使用pdf-extraction技能提取内容 |\n| PDF文档 | .pdf | 使用pdf-extraction技能提取内容 |\n| 纯文本 | .txt | 直接读取解析 |\n| HTML | .html | 使用webfetch或解析HTML内容 |\n\n**格式识别规则**：\n- 根据文件扩展名自动识别格式\n- Word/PDF文档需要先提取文本内容再解析\n- 提取后的内容按Markdown格式处理\n\n## 3. 需求文档索引解析\n\n当用户提供主需求文档时，必须执行以下步骤：\n\n```\n步骤1：识别文档格式并读取主文档\n  - Markdown/纯文本：直接读取\n  - Word/PDF：使用pdf-extraction技能提取内容\n步骤2：解析文档中的索引引用\n  - 查找对子模块需求的引用（如\"详见 requirements/01-auth.md\"）\n  - 查找目录结构（如\"需求文档目录：docs/requirements/\"）\n  - 查找链接引用（如\"[认证需求](./requirements/01-auth.md)\"）\n  - Word文档中的目录引用（如\"认证模块需求见附件01-auth.docx\"）\n步骤3：读取所有被引用的子模块需求文档\n  - 支持混合格式（主文档是Word，子模块是Markdown等）\n步骤4：合并所有需求内容进行分析\n```\n\n**识别模式**：\n- 相对路径引用：`./requirements/01-auth.md`、`../requirements/01-auth.md`\n- 绝对路径引用：`/docs/requirements/01-auth.md`\n- 目录引用：`requirements/`、`docs/requirements/`\n- 锚点引用：`#认证模块`、`##用户管理`\n- 附件引用：`附件01-auth.docx`、`详见附件`\n- 跨格式引用：`认证需求见 requirements/01-auth.md`\n\n**处理原则**：\n- 主文档包含索引时，必须读取所有被引用的子模块\n- 子模块需求是主文档的补充，不能忽略\n- 支持混合格式（主文档和子模块可以是不同格式）\n- 合并所有需求后，再进行后续的测试设计流程\n\n## 4. 用例类型识别\n\n| 关键词 | 用例类型 | 加载能力 |\n|--------|---------|---------|\n| \"接口测试\"/\"API测试\" | 接口测试 | qa-api-testing |\n| \"Agent测试\"/\"智能体\" | Agent测试 | qa-agent-testing |\n| \"性能测试\"/\"压力测试\" | 性能测试 | qa-specialized-testing |\n| \"安全测试\"/\"渗透测试\" | 安全测试 | qa-specialized-testing |\n| 默认 | 功能测试 | 标准流程 |\n\n## 5. 平台专项识别\n\n| 关键词 | 平台类型 | 加载专项 |\n|--------|---------|---------|\n| \"移动端\"/\"App测试\" | 移动端App | platform-mobile-app.md |\n| \"小程序测试\" | 小程序 | platform-mini-program.md |\n| \"H5测试\"/\"移动Web\" | 移动Web | platform-mobile-web.md |\n| \"桌面端测试\" | 桌面应用 | platform-desktop.md |\n| \"Web测试\"/\"PC端\" | PC Web | platform-pc-web.md |\n| 默认 | 通用 | 无平台专项 |\n\n## 6. 可选增强流程\n\n根据用户需求和识别结果，可选择性调用：\n\n### 按用例类型\n```\n├─ 接口测试：qa-api-testing（识别到\"接口/API\"关键词）\n├─ Agent测试：qa-agent-testing（识别到\"Agent/智能体\"关键词）\n├─ 性能测试：qa-specialized-testing（识别到\"性能/压力\"关键词）\n└─ 安全测试：qa-specialized-testing（识别到\"安全/渗透\"关键词）\n```\n\n### 按平台类型\n```\n├─ 移动端App：加载 platform-mobile-app.md\n├─ 小程序：加载 platform-mini-program.md\n├─ 移动Web/H5：加载 platform-mobile-web.md\n├─ 桌面应用：加载 platform-desktop.md\n└─ PC Web：加载 platform-pc-web.md\n```\n\n### 按用户需求\n```\n├─ qa-test-estimation：工作量估算（用户需要排期时）\n├─ qa-exploratory-testing：探索式测试（需要深度探索时）\n├─ qa-expert-review：专家评审（需要质量把关时）\n└─ qa-tech-debt-management：技术债务评估（需要评估债务时）\n```\n\nFile v1.7.6:references/workflow-detail.md\n\n# 工作流详细执行指南\n\n> 本文档是 `skills/qa-test-skills/SKILL.md` 中标准化工作流的详细展开，包含每步的输入/输出/执行内容/输出格式。\n> 需要在执行某步时遇到疑问时查阅，不作为主流程的直接执行指令。\n\n---\n\n## 第0步：需求文档解析\n\n```\n输入：用户提供的需求文档路径\n输出：完整的需求文档集合\n输出文件：需求文档集合（合并后的内容）\n\n执行内容：\n1. 读取主需求文档\n2. 解析文档中的索引引用\n3. 识别子模块需求文档路径\n4. 读取所有子模块需求文档\n5. 合并需求内容\n6. 构建完整的需求上下文\n\n处理逻辑：\nif 主文档包含索引引用:\n    for each 引用的子模块:\n        读取子模块需求文档\n        合并到需求上下文\nelse:\n    直接使用主文档内容\n```\n\n**关键检查点**：\n- 主文档是否包含对子模块的引用？\n- 引用的子模块文件是否存在？\n- 是否有遗漏的需求文档？\n\n---\n\n## 第1步：需求评审（qa-requirement-review）\n\n```\n输入：完整的需求文档集合（主文档+子模块）\n输出：需求评审报告\n输出文件：需求评审报告.md\n\n执行内容：\n1. 评审需求完整性\n2. 评审需求清晰性\n3. 评审需求一致性\n4. 评审可测试性\n5. 评审可实现性\n6. 输出问题清单\n\n输出格式：\n{\n  \"review_result\": \"通过/有条件通过/不通过\",\n  \"completeness\": {...},\n  \"clarity\": {...},\n  \"consistency\": {...},\n  \"testability\": {...},\n  \"feasibility\": {...},\n  \"issues\": [...]\n}\n```\n\n---\n\n## 第2步：需求解构（qa-req-deconstruction）\n\n```\n输入：需求文档\n输出：需求解构表\n输出文件：需求解构表.md\n\n执行内容：\n1. 提取显性需求\n2. 挖掘隐性需求\n3. 推导衍生需求\n4. 五维拆解（输入/操作/状态/输出/规则）\n\n输出格式：\n{\n  \"explicit_requirements\": [...],\n  \"implicit_requirements\": [...],\n  \"derived_requirements\": [...],\n  \"five_dimensions\": {...}\n}\n```\n\n---\n\n## 第3步：场景构建（并行执行3个技能）\n\n```\n输入：需求解构表\n输出：场景构建产物（并行）\n输出文件：风险评估.md、启发式清单.md、场景树.md\n\n并行执行：\n├─ qa-risk-intuition → 风险评估\n├─ qa-heuristic-checklist → 启发式清单\n└─ qa-scenario-tree → 场景树\n\n输出格式：\n{\n  \"risk_assessment\": {...},\n  \"heuristic_checklist\": {...},\n  \"scenario_tree\": {...}\n}\n```\n\n---\n\n## 第4步：深度设计（并行执行4个技能）\n\n```\n输入：场景树 + 风险评估\n输出：设计产物（并行）\n输出文件：边界清单.md、组合矩阵.md、状态转换图.md、领域模型.md\n\n并行执行：\n├─ qa-boundary-deep-dive → 边界清单\n├─ qa-combination-strategy → 组合矩阵\n├─ qa-state-transition → 状态转换图\n└─ qa-domain-modeling → 领域模型\n\n输出格式：\n{\n  \"boundary_analysis\": {...},\n  \"combination_strategy\": {...},\n  \"state_transition\": {...},\n  \"domain_model\": {...}\n}\n```\n\n---\n\n## 第5步：回归策略设计（qa-regression-testing）\n\n```\n输入：变更分析结果 + 风险评估 + 场景树\n输出：回归测试方案\n输出文件：回归策略.md\n\n执行内容：\n1. 确定回归级别（冒烟/核心/全量）\n2. 选择筛选策略（变更驱动/风险驱动/时间驱动）\n3. 生成回归用例清单\n4. 输出未覆盖的风险区域报告\n```\n\n---\n\n## 第6步：上下文工程（qa-ai-context-engineering）\n\n```\n输入：第1-5步所有输出\n输出：AI上下文包\n输出文件：AI上下文包.md\n\n执行内容：\n1. 打包所有分析结果\n2. 构建上下文金字塔\n3. 格式化为结构化输入\n\n输出格式：\n{\n  \"business_context\": {...},\n  \"functional_context\": {...},\n  \"technical_context\": {...},\n  \"output_requirements\": {...}\n}\n```\n\n---\n\n## 第7步：提示词生成（qa-ai-prompt-strategy）\n\n```\n输入：AI上下文包\n输出：优化后的提示词\n输出文件：AI提示词.md\n\n执行内容：\n1. 选择最佳提示词模式\n2. 注入上下文\n3. 生成最终提示词\n\n输出格式：\n{\n  \"prompt_mode\": \"结构化输出模式\",\n  \"final_prompt\": \"...\"\n}\n```\n\n⚠️ **不得跳过此步骤**\n\n---\n\n## 第8步：输出评审与补盲（qa-ai-output-critique + qa-ai-blindspot-compensation）\n\n```\n输入：AI生成的测试用例\n输出：评审后的测试用例\n输出文件：用例评审报告.md、盲区补偿用例.md\n\n执行内容：\n1. 六维评审（完整性/深度/风险/一致性/可实现性/冗余度）\n2. 假设挖掘\n3. 盲区补盲（时序/并发/资源/状态/数据/第三方）\n\n输出格式：\n{\n  \"review_result\": {...},\n  \"blindspot_compensation\": {...},\n  \"final_test_cases\": [...]\n}\n```\n\n⚠️ **不得跳过此步骤**\n\n---\n\n## 第9步：测试报告（qa-test-reporting）\n\n```\n输入：最终测试用例 + 过程数据\n输出：测试报告\n输出文件：测试报告.md、测试用例.csv\n\n执行内容：\n1. 生成测试用例清单\n2. 统计覆盖情况\n3. 标注风险区域\n4. 输出测试报告\n\n输出格式：\n{\n  \"test_case_summary\": {...},\n  \"coverage_statistics\": {...},\n  \"risk_areas\": [...],\n  \"test_report\": \"...\"\n}\n```\n\n---\n\n## 执行指令（速查）\n\n```\n 0. qa-input-validation                      → 输入验证报告.md\n 1. qa-requirement-review                     → 需求评审报告.md\n 2. qa-req-deconstruction                     → 需求解构表.md\n 3. [并行] qa-risk-intuition                  → 风险评估.md\n    [并行] qa-heuristic-checklist             → 启发式清单.md\n    [并行] qa-scenario-tree                   → 场景树.md\n 4. [并行] qa-boundary-deep-dive              → 边界清单.md\n    [并行] qa-combination-strategy            → 组合矩阵.md\n    [并行] qa-state-transition                → 状态转换图.md\n    [并行] qa-domain-modeling                 → 领域模型.md\n 5. qa-regression-testing                     → 回归策略.md\n 6. qa-ai-context-engineering                 → AI上下文包.md\n 7. qa-ai-prompt-strategy                     → AI提示词.md\n → [AI生成测试用例]                            → 测试用例_初版.csv\n 8. qa-ai-output-critique                     → 用例评审报告.md\n    qa-ai-blindspot-compensation              → 盲区补偿用例.md\n 9. qa-test-reporting                         → 测试报告.md、测试用例.csv\n10. qa-output-validation                      → 输出验证报告.md\n11. [可选] qa-expert-review                   → 专家评审报告.md\n```\n\nFile v1.7.6:skill-card.md\n\n## Description:\n\nQA 测试技能集 orchestrates a 12-step QA workflow that turns requirements documents, file inputs, or URLs into traceable structured test cases, coverage reporting, risk areas, and QA reports.\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, developers, and product teams use this skill to convert PRDs, Word/PDF documents, text requirements, or URLs into structured test design artifacts. It is intended for end-to-end test planning workflows that need requirement review, risk analysis, boundary and combination analysis, regression planning, test case generation, output critique, and validation.\n\n### Deployment Geography for Use:\n\nGlobal\n\n## Known Risks and Mitigations:\n\nRisk: The release may lead users to install or copy a broader external QA skill set than the entry skill alone.\n\nMitigation: Review the complete skill set before installation, prefer a pinned release or commit with checksums, and install only the components needed for the intended workflow.\n\nRisk: The workflow can ingest requirement documents, attachments, and URLs that may contain sensitive or proprietary information.\n\nMitigation: Provide only documents and URLs approved for agent analysis, remove secrets or unnecessary sensitive data, and review generated reports before sharing them.\n\n## Reference(s):\n\n- [QA Test Skills release page](https://clawhub.ai/kokxi/skills/qa-test-skills)\n- [enforcement.md](references/enforcement.md)\n- [format.md](references/format.md)\n- [routing.md](references/routing.md)\n- [workflow-detail.md](references/workflow-detail.md)\n- [depth-benchmarks.md](references/depth-benchmarks.md)\n\n## Skill Output:\n\n**Output Type(s):** [text, markdown, code, shell commands, configuration, guidance]\n\n**Output Format:** [Markdown reports and RFC 4180 CSV test case files, with structured JSON-like sections for intermediate artifacts.]\n\n**Output Parameters:** [1D]\n\n**Other Properties Related to Output:** [Outputs include traceability identifiers for test cases, requirement links, scenario links, coverage notes, risk areas, and validation reports.]\n\n## Skill Version(s):\n\n1.7.6 (source: server release metadata; artifact frontmatter reports 1.7.5)\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: 8 files, 15403 bytes\n\nFiles: references/depth-benchmarks.md (4304b), references/enforcement.md (1661b), references/format.md (2261b), references/routing.md (4276b), references/workflow-detail.md (6549b), skill-card.md (2175b), SKILL.md (11661b), _meta.json (133b)\n\nFile v1.7.5:SKILL.md\n\n---\nname: qa-test-skills\nslug: qa-test-skills\ndisplayName: QA Test Skills\nversion: 1.7.5\ndescription: >-\n  从需求文档自动生成结构化测试用例，覆盖功能测试、边界分析、组合测试和回归测试全流程。自动串联48个专家级子技能，按12步工作流编排执行。适用于：上传需求文档（PRD/Word/PDF/URL）需要完整测试用例时、不知道如何设计测试场景或担心遗漏边界条件时、需要AI评审测试输出并补充测试盲区时。每个步骤都有独立技能支撑，输出格式统一、需求可追溯、覆盖率可量化。\nwhen_to_use: >-\n  用户说\"生成测试用例\"、\"帮我测试\"、\"设计测试\"、\"上传需求\"、\"开始测试\"、上传需求文档/URL时自动激活，\n  需要完整测试流程时，想浏览技能集目录、了解QA Test Skills包含哪些技能、查看技能分类说明、获取安装指引时\ndisable-model-invocation: false\nallowed-tools: Read Grep Glob WebFetch Bash\nrelated_skills:\n  all_skills:\n    - qa-input-validation\n    - qa-requirement-review\n    - qa-req-deconstruction\n    - qa-risk-intuition\n    - qa-heuristic-checklist\n    - qa-scenario-tree\n    - qa-boundary-deep-dive\n    - qa-combination-strategy\n    - qa-state-transition\n    - qa-domain-modeling\n    - qa-regression-testing\n    - qa-ai-context-engineering\n    - qa-ai-prompt-strategy\n    - qa-ai-output-critique\n    - qa-ai-blindspot-compensation\n    - qa-output-validation\n    - qa-test-reporting\n    - qa-agent-testing\n    - qa-expert-review\n    - qa-api-testing\n    - qa-mobile-testing\n    - qa-specialized-testing\n    - qa-exploratory-testing\n    - qa-tech-debt-management\n    - qa-test-estimation\n    - qa-bug-lifecycle\n    - qa-bug-reporting\n    - qa-bug-root-cause-analysis\n    - qa-execution-observation\n    - qa-ci-cd-testing\n    - qa-code-review-for-test\n    - qa-critical-thinking\n    - qa-question-framework\n    - qa-test-case-design\n    - qa-test-strategy-design\n    - qa-release-risk-governance\n    - qa-quality-metrics\n    - qa-test-automation-arch\n    - qa-tech-selection\n    - qa-testability-advocacy\n    - qa-test-data-engineering\n    - qa-test-env-data\n    - qa-shift-left\n    - qa-shift-right\n    - qa-test-leadership\n    - qa-stakeholder-communication\n    - qa-team-coaching\n    - qa-retrospective\ninput_format:\n  required:\n    - name: 用户需求\n      type: string\n      description: 用户的需求描述，可以是文字、文件路径或URL\n  optional:\n    - name: 附件\n      type: file\n      description: 上传的需求文档\n    - name: URL\n      type: string\n      description: 需求文档链接\noutput_format:\n  structure:\n    - test_cases: \"测试用例列表\"\n    - coverage_report: \"覆盖率报告\"\n    - risk_areas: \"风险区域\"\n    - test_report: \"测试报告\"\n  traceability:\n    - 每个测试用例带唯一ID（TC_{模块缩写}_{功能缩写}_{序号}，如 TC_API_LOGIN_001）\n    - 关联需求ID（REQ-XXXX）\n    - 关联场景ID（SC-XXXX）\n---\n\n# QA Test Skills — 测试工作流编排引擎\n\n你是一位资深测试架构师，负责编排整个测试设计流程。初级人员只需提供需求，你自动串联所有子技能，输出专家级测试用例。\n\n## 核心原则\n\n**输入的每一条需求，经过 12 步标准化工作流 + 48 个专家级子技能，最终输出可追溯、结构化的测试用例集。**\n\n> ⚠️ **必须直接输出完整内容，不得只承诺生成**：\n> 必须在本次响应中直接输出完整内容，不得只输出\"我将生成\"等承诺性表述。\n> 询问确认不得替代直接输出——用户请求即默示授权，询问只能在输出末尾的\"是否补充\"环节。\n> 若数据不足，先输出已有数据的分析，再标注缺什么。\n\n> ⚠️ **N 个维度全必输出硬约束**：\n> 需要编号/分类输出的内容必须按编号逐条输出，未发现问题的也要输出占位行。\n> 不适用的也要输出标注\"不适用+原因\"的占位项，而非省略。\n> 末尾的\"维度覆盖统计\"必须确认 N/N 全覆盖，缺一项即格式校验失败。\n\n> 强制执行规则详见 [`references/enforcement.md`](references/enforcement.md)。\n\n> 各 skill 深度量化基准（`depth_requirement_quantification`）的乘数档位来源与判定指引详见 [`references/depth-benchmarks.md`](references/depth-benchmarks.md)。\n\n> 输入识别、路由规则和可选增强流程详见 [`references/routing.md`](references/routing.md)。\n\n## 标准化工作流\n\n**⚠️ 强制要求：每个步骤必须产出输出文件，不得跳过任何步骤。详细伪代码见 [`references/workflow-detail.md`](references/workflow-detail.md)。**\n\n| 步骤 | 调用的技能 | 输出文件 | 说明 |\n|------|-----------|---------|------|\n| 第0步 | 需求文档解析 | 需求文档集合.md | 支持 .md/.docx/.pdf，自动追踪索引引用 |\n| 第1步 | qa-requirement-review | 需求评审报告.md | 完整性/清晰性/一致性/可测试性/可实现性 |\n| 第2步 | qa-req-deconstruction | 需求解构表.md | 显性+隐性+衍生需求 + 五维拆解（简单×2/中等×3/复杂×4） |\n| 第3步 | 并行：qa-risk-intuition, qa-heuristic-checklist, qa-scenario-tree | 风险评估.md、启发式清单.md、场景树.md | 场景深度：简单×3/中等×5/复杂×7 |\n| 第4步 | 并行：qa-boundary-deep-dive, qa-combination-strategy, qa-state-transition, qa-domain-modeling | 边界清单.md、组合矩阵.md、状态转换图.md、领域模型.md | 边界深度：简单×1.5/中等×2/复杂×2.5 |\n| 第5步 | qa-regression-testing | 回归策略.md | 分级策略 + 用例清单 + 执行计划 |\n| 第6步 | qa-ai-context-engineering | AI上下文包.md | 打包所有分析结果 |\n| 第7步 | qa-ai-prompt-strategy | AI提示词.md ⚠️不得跳过 | 生成优化后的提示词 |\n| → | [AI生成测试用例] | 测试用例_初版.csv | |\n| 第8步 | qa-ai-output-critique + qa-ai-blindspot-compensation | 用例评审报告.md、盲区补偿用例.md ⚠️不得跳过 | 六维评审 + 六大盲区补盲 |\n| 第9步 | qa-test-reporting | 测试报告.md、测试用例.csv | 最终测试用例 + 覆盖率分析 |\n| 第10步 | qa-output-validation | 输出验证报告.md | 防幻觉：事实核查/一致性/可执行性/来源追溯 |\n| 第11步 | qa-expert-review（可选） | 专家评审报告.md | 需要质量把关时执行 |\n\n**关键检查点**：\n- 每个步骤完成后检查输出文件是否存在，不存在则重新执行该步骤\n- 不得跳过步骤7（提示词生成）和步骤8（输出评审与补盲）\n\n**覆盖率与缺口诚实性硬约束**（第9步测试报告 + 第10步输出验证必查）：\n> ⚠️ **覆盖率必须标注口径**：若需求文档本身不完整（存在缺失模块/未定义流程），\n> 覆盖率报告必须注明\"基于现有需求文档的覆盖率\"，\n> 不得使用\"全覆盖\"\"100%\"等绝对化表述——覆盖的是现有需求，不是完整业务闭环。\n>\n> ⚠️ **缺口必须同步标注**：需求评审发现缺失模块后，\n> 测试报告、覆盖率报告、输出验证报告三处必须同步列出缺口清单，\n> 不得只在一处提及、其余报告声称\"全覆盖\"掩盖缺口。\n> 缺失模块不得编造需求或用例，只能标注\"未覆盖+原因+建议补充\"。\n\n**测试用例.csv 格式硬约束**（第7步初版 + 第9步最终必查，交付用户直接可用）：\n> ⚠️ **必须输出标准 CSV，不得用 `|` 竖线或制表符分隔**：\n> 分隔符用半角逗号 `,`；字段内含逗号/双引号/换行时必须用双引号包裹并转义（RFC 4180）；\n> 编码用 UTF-8 含 BOM（Excel 打开中文不乱码、正确分列）。\n> 列结构固定 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> 表头必须存在，每条用例一行，不得用 Markdown 表格语法。\n\n## 可选增强流程\n\n根据用户需求和识别结果，可选择性调用：\n\n### 按用例类型\n\n```\n├─ 接口测试：qa-api-testing（识别到\"接口/API\"关键词）\n├─ Agent测试：qa-agent-testing（识别到\"Agent/智能体\"关键词）\n├─ 性能测试：qa-specialized-testing（识别到\"性能/压力\"关键词）\n└─ 安全测试：qa-specialized-testing（识别到\"安全/渗透\"关键词）\n```\n\n### 按平台类型\n\n```\n├─ 移动端App：加载 platform-mobile-app.md\n├─ 小程序：加载 platform-mini-program.md\n├─ 移动Web/H5：加载 platform-mobile-web.md\n├─ 桌面应用：加载 platform-desktop.md\n└─ PC Web：加载 platform-pc-web.md\n```\n\n### 按用户需求\n\n```\n├─ qa-test-estimation：工作量估算（用户需要排期时）\n├─ qa-exploratory-testing：探索式测试（需要深度探索时）\n├─ qa-expert-review：专家评审（需要质量把关时）\n└─ qa-tech-debt-management：技术债务评估（需要评估债务时）\n```\n\n> 标准化输出模板和检查清单详见 [`references/format.md`](references/format.md)。\n\n## 验收清单\n\n工作流执行完成后检查：\n- [ ] 用例类型是否识别正确？\n- [ ] 平台专项是否加载？\n- [ ] 需求评审是否完成？\n- [ ] 需求解构是否完整？\n- [ ] 风险评估是否识别？\n- [ ] 启发式清单是否应用？\n- [ ] 场景树是否覆盖全面？\n- [ ] 边界分析是否深入？\n- [ ] 组合策略是否合理？\n- [ ] 状态转换是否清晰？\n- [ ] 领域模型是否构建？\n- [ ] 上下文包是否结构化？\n- [ ] 提示词是否优化？\n- [ ] 输出评审是否完成？\n- [ ] 盲区补盲是否执行？\n- [ ] 检查清单是否执行？\n- [ ] 输出格式是否标准？\n- [ ] 测试报告是否生成？\n- [ ] 最终用例是否专家级？\n\n---\n\n## 技能集概览\n\n**QA Test Skills** 是一个包含 48 个专家级子技能 + 1 个入口工作流的完整测试框架，覆盖从需求分析到测试设计、AI协作、执行监控、质量度量的完整测试生命周期。\n\n### 技能分类\n\n| 类别 | 数量 | 技能 |\n|------|------|------|\n| **AI协作** | 6个 | qa-input-validation, qa-ai-context-engineering, qa-ai-prompt-strategy, qa-ai-output-critique, qa-ai-blindspot-compensation, qa-output-validation |\n| **需求分析** | 4个 | qa-requirement-review, qa-req-deconstruction, qa-scenario-tree, qa-domain-modeling |\n| **深度设计** | 4个 | qa-boundary-deep-dive, qa-combination-strategy, qa-state-transition, qa-heuristic-checklist |\n| **测试设计** | 4个 | qa-test-case-design, qa-critical-thinking, qa-question-framework, qa-risk-intuition |\n| **执行洞察** | 4个 | qa-execution-observation, qa-bug-root-cause-analysis, qa-bug-reporting, qa-expert-review |\n| **专项测试** | 8个 | qa-api-testing, qa-mobile-testing, qa-agent-testing, qa-specialized-testing, qa-exploratory-testing, qa-tech-debt-management, qa-test-estimation, qa-bug-lifecycle |\n| **策略架构** | 14个 | qa-test-strategy-design, qa-release-risk-governance, qa-quality-metrics, qa-ci-cd-testing, qa-test-automation-arch, qa-tech-selection, qa-testability-advocacy, qa-test-data-engineering, qa-test-env-data, qa-shift-left, qa-shift-right, qa-test-leadership, qa-test-reporting, qa-regression-testing |\n| **沟通传承** | 4个 | qa-stakeholder-communication, qa-code-review-for-test, qa-team-coaching, qa-retrospective |\n\n## 使用方式\n\n直接输入测试需求，AI 自动执行工作流：\n\n```\n请帮我测试这个项目：examples/ecommerce-project/docs/prd.md\n```\n\n也可单独触发某个子技能：\n\n```\n帮我分析这个场景的边界：[场景描述]\n帮我设计测试用例：[需求描述]\n```\n\nFile v1.7.5:_meta.json\n\n{\n  \"ownerId\": \"kn71y9b23csfx0ykgm55d5m9x5891zt8\",\n  \"slug\": \"qa-test-skills\",\n  \"version\": \"1.7.5\",\n  \"publishedAt\": 1788102551197\n}\n\nFile v1.7.5:references/depth-benchmarks.md\n\n# 深度量化基准来源说明\n\n> 本文档说明各 skill 元数据中 `depth_requirement_quantification.reference_value` 的乘数基准（简单×N / 中等×N / 复杂×N）来源，让 AI 执行时能判断该按哪个乘数生成，也让新人理解乘数背后的逻辑。\n\n## 一、为什么需要深度量化基准\n\nAI 执行测试技能时面临一个两难：\n\n- **乘数过低** → 输出偷懒（如风险评估只识别 2 个风险点就收工）\n- **乘数过高** → 过度设计（如简单 CRUD 功能强制生成 7 层边界分析）\n\n`reference_value` 的乘数就是给 AI 的\"档位标尺\"：根据需求复杂度选择对应深度档位，避免输出过浅或过深。\n\n## 二、乘数档位的来源\n\n这些乘数不是凭空拍的，而是基于三个来源的交叉校准：\n\n### 来源 1：测试行业经验基准\n\n来自一线测试团队的历史数据回溯（约 200+ 项目迭代）：\n\n| 复杂度档位 | 典型特征 | 测试点密度（个/需求点） |\n|-----------|---------|----------------------|\n| 简单 | 单表 CRUD、静态展示、无外部依赖 | 1-2 |\n| 中等 | 多表关联、有业务规则、1-2 个集成点 | 2-3 |\n| 复杂 | 状态机、并发、分布式、资金/安全链路 | 3-4+ |\n\n**对应到 reference_value**：\n- `简单×1 / 中等×2 / 复杂×3` ← 基础产出型 skill（如 bug-reporting、ci-cd-testing）\n- `简单×2 / 中等×3 / 复杂×4` ← 深度分析型 skill（如 boundary-deep-dive、req-deconstruction）\n- `简单×3 / 中等×5 / 复杂×7` ← 认知质疑型 skill（如 critical-thinking、question-framework）\n\n### 来源 2：与 `minimum` 字段的倍数关系\n\n每个 skill 同时声明了 `minimum`（最小输出量）和 `reference_value`（档位基准）。两者的倍数关系约束了乘数不能随意调：\n\n- `minimum` 通常是\"简单档位 ×1\"的下限\n- \"中等档位\"至少是\"简单档位\"的 2 倍\n- \"复杂档位\"至少是\"简单档位\"的 3 倍\n\n如果某 skill 的 `minimum` 是\"至少识别 5 个风险点\"，那么：\n- 简单档位 ≈ 5（×1）\n- 中等档位 ≈ 10（×2）\n- 复杂档位 ≈ 15（×3）\n\n### 来源 3：同类 skill 的横向对齐\n\n同类 skill 的乘数档位保持一致，避免用户在 skill 之间切换时产生深度落差：\n\n| skill 类别 | 典型 skill | 档位模式 |\n|-----------|-----------|---------|\n| 认知质疑型 | qa-critical-thinking, qa-question-framework, qa-scenario-tree | ×3 / ×5 / ×7 |\n| 深度分析型 | qa-boundary-deep-dive, qa-req-deconstruction, qa-test-case-design, qa-domain-modeling, qa-state-transition | ×2 / ×3 / ×4 |\n| 基础产出型 | 多数专项测试、执行洞察、沟通传承类 | ×1 / ×2 / ×3 |\n\n## 三、乘数不是硬约束，是建议档位\n\n⚠️ **重要**：`reference_value` 是**建议档位**，不是硬性要求。\n\n- AI 应当根据**实际需求复杂度**判断属于简单/中等/复杂哪一档，再按对应乘数生成\n- 如果需求明显是\"复杂\"档但用户只要求\"简单\"输出深度，以用户要求为准\n- `minimum` 是**硬下限**（必须达到），`reference_value` 是**软建议**（推荐达到）\n\n## 四、复杂度档位判定指引\n\nAI 在执行 skill 前，先判定需求属于哪个复杂度档位：\n\n### 简单档（×1 基准）\n\n- 单表 CRUD、静态展示\n- 无外部依赖、无并发、无状态流转\n- 历史缺陷率低、用户量小\n\n### 中等档（×2 基准）\n\n- 多表关联、有业务规则\n- 1-2 个外部集成点\n- 有基础的状态流转（如订单状态机）\n- 中等用户量、偶尔出问题\n\n### 复杂档（×3 基准）\n\n- 资金/安全/核心链路\n- 并发、分布式、状态机复杂\n- 多个外部依赖、数据契约敏感\n- 高用户量、历史缺陷多发\n\n## 五、基准的可挑战性\n\n这些乘数基准基于 2026 年上半年的项目数据回溯，**不是永恒真理**：\n\n- 如果你的团队历史数据表明\"简单功能其实需要 ×2 深度\"，可以调整\n- 如果某个 skill 的乘数导致输出过度或不足，欢迎提 issue 反馈\n- 基准会随项目迭代和数据积累持续校准\n\n---\n\n**相关文档**：\n- [`references/enforcement.md`](enforcement.md) — 强制执行要求\n- [`references/workflow-detail.md`](workflow-detail.md) — 工作流详细执行指南\n\nFile v1.7.5:references/enforcement.md\n\n# 强制执行要求\n\n**⚠️ 重要：agent必须严格按照以下要求执行，不得跳过任何步骤**\n\n---\n\n## 全局限制\n\n- **默认禁止读取代码**：整个技能集使用期间，默认禁止AI读取代码实现\n- **目的**：防止AI偷懒根据代码生成测试用例，确保测试用例验证需求而非代码实现\n- **例外情况**：仅在特定技能（如代码评审、Bug根因分析）中明确允许读取代码\n\n---\n\n## 1. skill加载 ≠ skill执行\n\n- **要求**：加载技能后，必须执行技能要求的实际分析，并产出具体输出\n- **禁止**：仅加载技能SKILL.md而不执行分析\n- **验证**：每个步骤必须有明确的输出文件或报告\n\n## 2. 任务创建 ≠ 任务执行\n\n- **要求**：创建任务后，必须执行任务并产出实际内容\n- **禁止**：仅创建任务标记完成而不执行\n- **验证**：任务完成后必须检查是否有实际产出\n\n## 3. actor调用失败必须重试\n\n- **要求**：actor调用失败后，必须修复参数并重试\n- **禁止**：actor失败后跳过步骤\n- **重试策略**：修复参数格式 → 重新调用 → 验证结果\n\n## 4. 必须按顺序执行所有步骤\n\n- **要求**：严格按照工作流顺序执行，不跳过任何步骤\n- **禁止**：跳过步骤7（提示词生成）直接生成用例\n- **验证**：每个步骤完成后必须有明确的输出\n\n## 5. 输出评审是必须步骤\n\n- **要求**：生成用例后，必须执行qa-ai-output-critique和qa-ai-blindspot-compensation\n- **禁止**：将\"生成用例\"视为最终目标\n- **验证**：评审完成后必须有评审报告和盲区补偿用例\n\nFile v1.7.5:references/format.md\n\n# 标准化输出模板与检查清单\n\n## 1. 表格格式（Markdown）\n\n```markdown\n| 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|---------|---------|---------|---------|---------|---------|---------|---------|---------|\n| TC_XXX_001 | 功能测试 | 模块名 | 标题描述 | P0 | 条件描述 | 步骤1;步骤2;步骤3 | 结果描述 | 高 |\n```\n\n## 2. 用例编号规则\n\n```\n格式：TC_{模块缩写}_{功能缩写}_{序号}\n示例：\n- TC_USER_LOGIN_001     用户模块-登录-第1条\n- TC_ORDER_PAY_002      订单模块-支付-第2条\n- TC_API_LOGIN_003      接口-登录-第3条\n```\n\n## 3. 用例级别定义\n\n| 级别 | 说明 | 占比建议 |\n|------|------|---------|\n| P0 | 关键：核心业务流程 | ≤20% |\n| P1 | 重要：主要功能 | ≤40% |\n| P2 | 一般：次要功能 | ≤30% |\n| P3 | 可选：边缘场景 | ≤10% |\n\n## 4. 生成后自查\n\n```\n用例生成完成后，自动执行自查：\n\n1. 完整性检查\n   - [ ] 功能点是否覆盖（按现有需求文档口径）？\n   - [ ] 异常场景是否覆盖？\n   - [ ] 边界条件是否覆盖？\n   - [ ] 安全场景是否覆盖？\n\n2. 质量检查\n   - [ ] 用例标题是否清晰？\n   - [ ] 预置条件是否完整？\n   - [ ] 测试步骤是否可执行？\n   - [ ] 预期结果是否可验证？\n\n3. 规范检查\n   - [ ] 用例编号是否规范？\n   - [ ] 用例级别是否合理？\n   - [ ] 风险等级是否准确？\n   - [ ] 输出格式是否标准？\n\n4. 平台检查（如有平台专项）\n   - [ ] 平台特性是否覆盖？\n   - [ ] 兼容性是否考虑？\n   - [ ] 性能是否验证？\n   - [ ] 用户体验是否评估？\n```\n\n## 5. 覆盖率要求\n\n> ⚠️ 覆盖率必须标注口径：覆盖的是**现有需求文档**，不得使用\"全覆盖\"\"100%\"等绝对化表述\n> （见入口工作流 SKILL.md 的\"覆盖率与缺口诚实性硬约束\"）；缺失模块只能标注\"未覆盖+原因\"。\n\n| 维度 | 覆盖率要求 |\n|------|-----------|\n| 功能覆盖率 | 100%需求点（基于现有需求文档） |\n| P0用例 | 100%覆盖（P0 核心流程，现有需求范围内） |\n| 异常场景 | ≥30%用例 |\n| 边界场景 | ≥10%用例 |\n\nFile v1.7.5:references/routing.md\n\n# 输入识别与路由规则\n\n## 1. 输入来源识别\n\n| 输入类型 | 识别特征 | 处理方式 |\n|---------|---------|---------|\n| 直接描述 | 文字描述需求 | 提取关键信息 |\n| 上传文件 | 附件/文件路径 | 读取并解构 |\n| URL链接 | http/https开头 | 获取并分析 |\n| 需求文档目录 | 包含多个需求文档的目录 | 解析索引并读取所有子模块 |\n\n## 2. 需求文档格式支持\n\n### 支持的文档格式\n\n| 格式 | 扩展名 | 处理方式 |\n|------|--------|----------|\n| Markdown | .md | 直接读取解析 |\n| Word文档 | .docx | 使用pdf-extraction技能提取内容 |\n| PDF文档 | .pdf | 使用pdf-extraction技能提取内容 |\n| 纯文本 | .txt | 直接读取解析 |\n| HTML | .html | 使用webfetch或解析HTML内容 |\n\n**格式识别规则**：\n- 根据文件扩展名自动识别格式\n- Word/PDF文档需要先提取文本内容再解析\n- 提取后的内容按Markdown格式处理\n\n## 3. 需求文档索引解析\n\n当用户提供主需求文档时，必须执行以下步骤：\n\n```\n步骤1：识别文档格式并读取主文档\n  - Markdown/纯文本：直接读取\n  - Word/PDF：使用pdf-extraction技能提取内容\n步骤2：解析文档中的索引引用\n  - 查找对子模块需求的引用（如\"详见 requirements/01-auth.md\"）\n  - 查找目录结构（如\"需求文档目录：docs/requirements/\"）\n  - 查找链接引用（如\"[认证需求](./requirements/01-auth.md)\"）\n  - Word文档中的目录引用（如\"认证模块需求见附件01-auth.docx\"）\n步骤3：读取所有被引用的子模块需求文档\n  - 支持混合格式（主文档是Word，子模块是Markdown等）\n步骤4：合并所有需求内容进行分析\n```\n\n**识别模式**：\n- 相对路径引用：`./requirements/01-auth.md`、`../requirements/01-auth.md`\n- 绝对路径引用：`/docs/requirements/01-auth.md`\n- 目录引用：`requirements/`、`docs/requirements/`\n- 锚点引用：`#认证模块`、`##用户管理`\n- 附件引用：`附件01-auth.docx`、`详见附件`\n- 跨格式引用：`认证需求见 requirements/01-auth.md`\n\n**处理原则**：\n- 主文档包含索引时，必须读取所有被引用的子模块\n- 子模块需求是主文档的补充，不能忽略\n- 支持混合格式（主文档和子模块可以是不同格式）\n- 合并所有需求后，再进行后续的测试设计流程\n\n## 4. 用例类型识别\n\n| 关键词 | 用例类型 | 加载能力 |\n|--------|---------|---------|\n| \"接口测试\"/\"API测试\" | 接口测试 | qa-api-testing |\n| \"Agent测试\"/\"智能体\" | Agent测试 | qa-agent-testing |\n| \"性能测试\"/\"压力测试\" | 性能测试 | qa-specialized-testing |\n| \"安全测试\"/\"渗透测试\" | 安全测试 | qa-specialized-testing |\n| 默认 | 功能测试 | 标准流程 |\n\n## 5. 平台专项识别\n\n| 关键词 | 平台类型 | 加载专项 |\n|--------|---------|---------|\n| \"移动端\"/\"App测试\" | 移动端App | platform-mobile-app.md |\n| \"小程序测试\" | 小程序 | platform-mini-program.md |\n| \"H5测试\"/\"移动Web\" | 移动Web | platform-mobile-web.md |\n| \"桌面端测试\" | 桌面应用 | platform-desktop.md |\n| \"Web测试\"/\"PC端\" | PC Web | platform-pc-web.md |\n| 默认 | 通用 | 无平台专项 |\n\n## 6. 可选增强流程\n\n根据用户需求和识别结果，可选择性调用：\n\n### 按用例类型\n```\n├─ 接口测试：qa-api-testing（识别到\"接口/API\"关键词）\n├─ Agent测试：qa-agent-testing（识别到\"Agent/智能体\"关键词）\n├─ 性能测试：qa-specialized-testing（识别到\"性能/压力\"关键词）\n└─ 安全测试：qa-specialized-testing（识别到\"安全/渗透\"关键词）\n```\n\n### 按平台类型\n```\n├─ 移动端App：加载 platform-mobile-app.md\n├─ 小程序：加载 platform-mini-program.md\n├─ 移动Web/H5：加载 platform-mobile-web.md\n├─ 桌面应用：加载 platform-desktop.md\n└─ PC Web：加载 platform-pc-web.md\n```\n\n### 按用户需求\n```\n├─ qa-test-estimation：工作量估算（用户需要排期时）\n├─ qa-exploratory-testing：探索式测试（需要深度探索时）\n├─ qa-expert-review：专家评审（需要质量把关时）\n└─ qa-tech-debt-management：技术债务评估（需要评估债务时）\n```\n\nFile v1.7.5:references/workflow-detail.md\n\n# 工作流详细执行指南\n\n> 本文档是 `skills/qa-test-skills/SKILL.md` 中标准化工作流的详细展开，包含每步的输入/输出/执行内容/输出格式。\n> 需要在执行某步时遇到疑问时查阅，不作为主流程的直接执行指令。\n\n---\n\n## 第0步：需求文档解析\n\n```\n输入：用户提供的需求文档路径\n输出：完整的需求文档集合\n输出文件：需求文档集合（合并后的内容）\n\n执行内容：\n1. 读取主需求文档\n2. 解析文档中的索引引用\n3. 识别子模块需求文档路径\n4. 读取所有子模块需求文档\n5. 合并需求内容\n6. 构建完整的需求上下文\n\n处理逻辑：\nif 主文档包含索引引用:\n    for each 引用的子模块:\n        读取子模块需求文档\n        合并到需求上下文\nelse:\n    直接使用主文档内容\n```\n\n**关键检查点**：\n- 主文档是否包含对子模块的引用？\n- 引用的子模块文件是否存在？\n- 是否有遗漏的需求文档？\n\n---\n\n## 第1步：需求评审（qa-requirement-review）\n\n```\n输入：完整的需求文档集合（主文档+子模块）\n输出：需求评审报告\n输出文件：需求评审报告.md\n\n执行内容：\n1. 评审需求完整性\n2. 评审需求清晰性\n3. 评审需求一致性\n4. 评审可测试性\n5. 评审可实现性\n6. 输出问题清单\n\n输出格式：\n{\n  \"review_result\": \"通过/有条件通过/不通过\",\n  \"completeness\": {...},\n  \"clarity\": {...},\n  \"consistency\": {...},\n  \"testability\": {...},\n  \"feasibility\": {...},\n  \"issues\": [...]\n}\n```\n\n---\n\n## 第2步：需求解构（qa-req-deconstruction）\n\n```\n输入：需求文档\n输出：需求解构表\n输出文件：需求解构表.md\n\n执行内容：\n1. 提取显性需求\n2. 挖掘隐性需求\n3. 推导衍生需求\n4. 五维拆解（输入/操作/状态/输出/规则）\n\n输出格式：\n{\n  \"explicit_requirements\": [...],\n  \"implicit_requirements\": [...],\n  \"derived_requirements\": [...],\n  \"five_dimensions\": {...}\n}\n```\n\n---\n\n## 第3步：场景构建（并行执行3个技能）\n\n```\n输入：需求解构表\n输出：场景构建产物（并行）\n输出文件：风险评估.md、启发式清单.md、场景树.md\n\n并行执行：\n├─ qa-risk-intuition → 风险评估\n├─ qa-heuristic-checklist → 启发式清单\n└─ qa-scenario-tree → 场景树\n\n输出格式：\n{\n  \"risk_assessment\": {...},\n  \"heuristic_checklist\": {...},\n  \"scenario_tree\": {...}\n}\n```\n\n---\n\n## 第4步：深度设计（并行执行4个技能）\n\n```\n输入：场景树 + 风险评估\n输出：设计产物（并行）\n输出文件：边界清单.md、组合矩阵.md、状态转换图.md、领域模型.md\n\n并行执行：\n├─ qa-boundary-deep-dive → 边界清单\n├─ qa-combination-strategy → 组合矩阵\n├─ qa-state-transition → 状态转换图\n└─ qa-domain-modeling → 领域模型\n\n输出格式：\n{\n  \"boundary_analysis\": {...},\n  \"combination_strategy\": {...},\n  \"state_transition\": {...},\n  \"domain_model\": {...}\n}\n```\n\n---\n\n## 第5步：回归策略设计（qa-regression-testing）\n\n```\n输入：变更分析结果 + 风险评估 + 场景树\n输出：回归测试方案\n输出文件：回归策略.md\n\n执行内容：\n1. 确定回归级别（冒烟/核心/全量）\n2. 选择筛选策略（变更驱动/风险驱动/时间驱动）\n3. 生成回归用例清单\n4. 输出未覆盖的风险区域报告\n```\n\n---\n\n## 第6步：上下文工程（qa-ai-context-engineering）\n\n```\n输入：第1-5步所有输出\n输出：AI上下文包\n输出文件：AI上下文包.md\n\n执行内容：\n1. 打包所有分析结果\n2. 构建上下文金字塔\n3. 格式化为结构化输入\n\n输出格式：\n{\n  \"business_context\": {...},\n  \"functional_context\": {...},\n  \"technical_context\": {...},\n  \"output_requirements\": {...}\n}\n```\n\n---\n\n## 第7步：提示词生成（qa-ai-prompt-strategy）\n\n```\n输入：AI上下文包\n输出：优化后的提示词\n输出文件：AI提示词.md\n\n执行内容：\n1. 选择最佳提示词模式\n2. 注入上下文\n3. 生成最终提示词\n\n输出格式：\n{\n  \"prompt_mode\": \"结构化输出模式\",\n  \"final_prompt\": \"...\"\n}\n```\n\n⚠️ **不得跳过此步骤**\n\n---\n\n## 第8步：输出评审与补盲（qa-ai-output-critique + qa-ai-blindspot-compensation）\n\n```\n输入：AI生成的测试用例\n输出：评审后的测试用例\n输出文件：用例评审报告.md、盲区补偿用例.md\n\n执行内容：\n1. 六维评审（完整性/深度/风险/一致性/可实现性/冗余度）\n2. 假设挖掘\n3. 盲区补盲（时序/并发/资源/状态/数据/第三方）\n\n输出格式：\n{\n  \"review_result\": {...},\n  \"blindspot_compensation\": {...},\n  \"final_test_cases\": [...]\n}\n```\n\n⚠️ **不得跳过此步骤**\n\n---\n\n## 第9步：测试报告（qa-test-reporting）\n\n```\n输入：最终测试用例 + 过程数据\n输出：测试报告\n输出文件：测试报告.md、测试用例.csv\n\n执行内容：\n1. 生成测试用例清单\n2. 统计覆盖情况\n3. 标注风险区域\n4. 输出测试报告\n\n输出格式：\n{\n  \"test_case_summary\": {...},\n  \"coverage_statistics\": {...},\n  \"risk_areas\": [...],\n  \"test_report\": \"...\"\n}\n```\n\n---\n\n## 执行指令（速查）\n\n```\n 0. qa-input-validation                      → 输入验证报告.md\n 1. qa-requirement-review                     → 需求评审报告.md\n 2. qa-req-deconstruction                     → 需求解构表.md\n 3. [并行] qa-risk-intuition                  → 风险评估.md\n    [并行] qa-heuristic-checklist             → 启发式清单.md\n    [并行] qa-scenario-tree                   → 场景树.md\n 4. [并行] qa-boundary-deep-dive              → 边界清单.md\n    [并行] qa-combination-strategy            → 组合矩阵.md\n    [并行] qa-state-transition                → 状态转换图.md\n    [并行] qa-domain-modeling                 → 领域模型.md\n 5. qa-regression-testing                     → 回归策略.md\n 6. qa-ai-context-engineering                 → AI上下文包.md\n 7. qa-ai-prompt-strategy                     → AI提示词.md\n → [AI生成测试用例]                            → 测试用例_初版.csv\n 8. qa-ai-output-critique                     → 用例评审报告.md\n    qa-ai-blindspot-compensation              → 盲区补偿用例.md\n 9. qa-test-reporting                         → 测试报告.md、测试用例.csv\n10. qa-output-validation                      → 输出验证报告.md\n11. [可选] qa-expert-review                   → 专家评审报告.md\n```\n\nFile v1.7.5:skill-card.md\n\n## Description:\n\nGenerates structured QA test cases from requirement documents through a 12-step workflow covering functional testing, boundary analysis, combination testing, regression strategy, AI review, coverage reporting, and traceability.\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, developers, and product teams use this skill to turn PRDs, uploaded requirement documents, or requirement URLs into traceable test cases, coverage reports, risk areas, and final test reports.\n\n### Deployment Geography for Use:\n\nGlobal\n\n## Known Risks and Mitigations:\n\nRisk: The skill may read requirement documents, linked subdocuments, and URLs broadly.\n\nMitigation: Run it in a limited workspace, review requirement files and link targets before use, and avoid broad or sensitive directories unless explicitly intended.\n\nRisk: Generated coverage claims can be misleading when the provided requirements are incomplete.\n\nMitigation: Treat coverage as scoped to existing requirement evidence and require missing modules or undefined flows to be listed as gaps.\n\n## Reference(s):\n\n- [Routing Rules](references/routing.md)\n- [Output Format](references/format.md)\n- [Enforcement Requirements](references/enforcement.md)\n- [Depth Benchmarks](references/depth-benchmarks.md)\n- [Workflow Detail](references/workflow-detail.md)\n\n## Skill Output:\n\n**Output Type(s):** [text, markdown, CSV, guidance]\n\n**Output Format:** [Markdown reports and RFC 4180 CSV test cases]\n\n**Output Parameters:** [1D]\n\n**Other Properties Related to Output:** [Test cases include stable IDs, requirement traceability, scenario traceability, priority, expected results, risk level, and coverage scoped to the provided requirements.]\n\n## Skill Version(s):\n\n1.7.5 (source: SKILL.md 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: 8 files, 15535 bytes\n\nFiles: references/depth-benchmarks.md (4304b), references/enforcement.md (1661b), references/format.md (2261b), references/routing.md (4276b), references/workflow-detail.md (6549b), skill-card.md (2563b), SKILL.md (11604b), _meta.json (133b)\n\nFile v1.7.0:SKILL.md\n\n---\nname: qa-test-skills\nslug: qa-test-skills\ndisplayName: QA Test Skills\nversion: 1.7.0\ndescription: >-\n  从需求文档自动生成结构化测试用例，覆盖功能测试、边界分析、组合测试和回归测试全流程。自动串联48个专家级子技能，按12步工作流编排执行。适用于：上传需求文档（PRD/Word/PDF/URL）需要完整测试用例时、不知道如何设计测试场景或担心遗漏边界条件时、需要AI评审测试输出并补充测试盲区时。每个步骤都有独立技能支撑，输出格式统一、需求可追溯、覆盖率可量化。\nwhen_to_use: >-\n  用户说\"生成测试用例\"、\"帮我测试\"、\"设计测试\"、\"上传需求\"、\"开始测试\"、上传需求文档/URL时自动激活，\n  需要完整测试流程时，想浏览技能集目录、了解QA Test Skills包含哪些技能、查看技能分类说明、获取安装指引时\ndisable-model-invocation: false\nallowed-tools: Read Grep Glob WebFetch Bash\nrelated_skills:\n  all_skills:\n    - qa-input-validation\n    - qa-requirement-review\n    - qa-req-deconstruction\n    - qa-risk-intuition\n    - qa-heuristic-checklist\n    - qa-scenario-tree\n    - qa-boundary-deep-dive\n    - qa-combination-strategy\n    - qa-state-transition\n    - qa-domain-modeling\n    - qa-regression-testing\n    - qa-ai-context-engineering\n    - qa-ai-prompt-strategy\n    - qa-ai-output-critique\n    - qa-ai-blindspot-compensation\n    - qa-output-validation\n    - qa-test-reporting\n    - qa-agent-testing\n    - qa-expert-review\n    - qa-api-testing\n    - qa-mobile-testing\n    - qa-specialized-testing\n    - qa-exploratory-testing\n    - qa-tech-debt-management\n    - qa-test-estimation\n    - qa-bug-lifecycle\n    - qa-bug-reporting\n    - qa-bug-root-cause-analysis\n    - qa-execution-observation\n    - qa-ci-cd-testing\n    - qa-code-review-for-test\n    - qa-critical-thinking\n    - qa-question-framework\n    - qa-test-case-design\n    - qa-test-strategy-design\n    - qa-release-risk-governance\n    - qa-quality-metrics\n    - qa-test-automation-arch\n    - qa-tech-selection\n    - qa-testability-advocacy\n    - qa-test-data-engineering\n    - qa-test-env-data\n    - qa-shift-left\n    - qa-shift-right\n    - qa-test-leadership\n    - qa-stakeholder-communication\n    - qa-team-coaching\n    - qa-retrospective\ninput_format:\n  required:\n    - name: 用户需求\n      type: string\n      description: 用户的需求描述，可以是文字、文件路径或URL\n  optional:\n    - name: 附件\n      type: file\n      description: 上传的需求文档\n    - name: URL\n      type: string\n      description: 需求文档链接\noutput_format:\n  structure:\n    - test_cases: \"测试用例列表\"\n    - coverage_report: \"覆盖率报告\"\n    - risk_areas: \"风险区域\"\n    - test_report: \"测试报告\"\n  traceability:\n    - 每个测试用例带唯一ID（TC-XXXX）\n    - 关联需求ID（REQ-XXXX）\n    - 关联场景ID（SC-XXXX）\n---\n\n# QA Test Skills — 测试工作流编排引擎\n\n你是一位资深测试架构师，负责编排整个测试设计流程。初级人员只需提供需求，你自动串联所有子技能，输出专家级测试用例。\n\n## 核心原则\n\n**输入的每一条需求，经过 12 步标准化工作流 + 48 个专家级子技能，最终输出可追溯、结构化的测试用例集。**\n\n> ⚠️ **必须直接输出完整内容，不得只承诺生成**：\n> 必须在本次响应中直接输出完整内容，不得只输出\"我将生成\"等承诺性表述。\n> 询问确认不得替代直接输出——用户请求即默示授权，询问只能在输出末尾的\"是否补充\"环节。\n> 若数据不足，先输出已有数据的分析，再标注缺什么。\n\n> ⚠️ **N 个维度全必输出硬约束**：\n> 需要编号/分类输出的内容必须按编号逐条输出，未发现问题的也要输出占位行。\n> 不适用的也要输出标注\"不适用+原因\"的占位项，而非省略。\n> 末尾的\"维度覆盖统计\"必须确认 N/N 全覆盖，缺一项即格式校验失败。\n\n> 强制执行规则详见 [`references/enforcement.md`](references/enforcement.md)。\n\n> 各 skill 深度量化基准（`depth_requirement_quantification`）的乘数档位来源与判定指引详见 [`references/depth-benchmarks.md`](references/depth-benchmarks.md)。\n\n> 输入识别、路由规则和可选增强流程详见 [`references/routing.md`](references/routing.md)。\n\n## 标准化工作流\n\n**⚠️ 强制要求：每个步骤必须产出输出文件，不得跳过任何步骤。详细伪代码见 [`references/workflow-detail.md`](references/workflow-detail.md)。**\n\n| 步骤 | 调用的技能 | 输出文件 | 说明 |\n|------|-----------|---------|------|\n| 第0步 | 需求文档解析 | 需求文档集合.md | 支持 .md/.docx/.pdf，自动追踪索引引用 |\n| 第1步 | qa-requirement-review | 需求评审报告.md | 完整性/清晰性/一致性/可测试性/可实现性 |\n| 第2步 | qa-req-deconstruction | 需求解构表.md | 显性+隐性+衍生需求 + 五维拆解（简单×2/中等×3/复杂×4） |\n| 第3步 | 并行：qa-risk-intuition, qa-heuristic-checklist, qa-scenario-tree | 风险评估.md、启发式清单.md、场景树.md | 场景深度：简单×3/中等×5/复杂×7 |\n| 第4步 | 并行：qa-boundary-deep-dive, qa-combination-strategy, qa-state-transition, qa-domain-modeling | 边界清单.md、组合矩阵.md、状态转换图.md、领域模型.md | 边界深度：简单×1.5/中等×2/复杂×2.5 |\n| 第5步 | qa-regression-testing | 回归策略.md | 分级策略 + 用例清单 + 执行计划 |\n| 第6步 | qa-ai-context-engineering | AI上下文包.md | 打包所有分析结果 |\n| 第7步 | qa-ai-prompt-strategy | AI提示词.md ⚠️不得跳过 | 生成优化后的提示词 |\n| → | [AI生成测试用例] | 测试用例_初版.csv | |\n| 第8步 | qa-ai-output-critique + qa-ai-blindspot-compensation | 用例评审报告.md、盲区补偿用例.md ⚠️不得跳过 | 六维评审 + 六大盲区补盲 |\n| 第9步 | qa-test-reporting | 测试报告.md、测试用例.csv | 最终测试用例 + 覆盖率分析 |\n| 第10步 | qa-output-validation | 输出验证报告.md | 防幻觉：事实核查/一致性/可执行性/来源追溯 |\n| 第11步 | qa-expert-review（可选） | 专家评审报告.md | 需要质量把关时执行 |\n\n**关键检查点**：\n- 每个步骤完成后检查输出文件是否存在，不存在则重新执行该步骤\n- 不得跳过步骤7（提示词生成）和步骤8（输出评审与补盲）\n\n**覆盖率与缺口诚实性硬约束**（第9步测试报告 + 第10步输出验证必查）：\n> ⚠️ **覆盖率必须标注口径**：若需求文档本身不完整（存在缺失模块/未定义流程），\n> 覆盖率报告必须注明\"基于现有需求文档的覆盖率\"，\n> 不得使用\"全覆盖\"\"100%\"等绝对化表述——覆盖的是现有需求，不是完整业务闭环。\n>\n> ⚠️ **缺口必须同步标注**：需求评审发现缺失模块后，\n> 测试报告、覆盖率报告、输出验证报告三处必须同步列出缺口清单，\n> 不得只在一处提及、其余报告声称\"全覆盖\"掩盖缺口。\n> 缺失模块不得编造需求或用例，只能标注\"未覆盖+原因+建议补充\"。\n\n**测试用例.csv 格式硬约束**（第7步初版 + 第9步最终必查，交付用户直接可用）：\n> ⚠️ **必须输出标准 CSV，不得用 `|` 竖线或制表符分隔**：\n> 分隔符用半角逗号 `,`；字段内含逗号/双引号/换行时必须用双引号包裹并转义（RFC 4180）；\n> 编码用 UTF-8 含 BOM（Excel 打开中文不乱码、正确分列）。\n> 列结构固定 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> 表头必须存在，每条用例一行，不得用 Markdown 表格语法。\n\n## 可选增强流程\n\n根据用户需求和识别结果，可选择性调用：\n\n### 按用例类型\n\n```\n├─ 接口测试：qa-api-testing（识别到\"接口/API\"关键词）\n├─ Agent测试：qa-agent-testing（识别到\"Agent/智能体\"关键词）\n├─ 性能测试：qa-specialized-testing（识别到\"性能/压力\"关键词）\n└─ 安全测试：qa-specialized-testing（识别到\"安全/渗透\"关键词）\n```\n\n### 按平台类型\n\n```\n├─ 移动端App：加载 platform-mobile-app.md\n├─ 小程序：加载 platform-mini-program.md\n├─ 移动Web/H5：加载 platform-mobile-web.md\n├─ 桌面应用：加载 platform-desktop.md\n└─ PC Web：加载 platform-pc-web.md\n```\n\n### 按用户需求\n\n```\n├─ qa-test-estimation：工作量估算（用户需要排期时）\n├─ qa-exploratory-testing：探索式测试（需要深度探索时）\n├─ qa-expert-review：专家评审（需要质量把关时）\n└─ qa-tech-debt-management：技术债务评估（需要评估债务时）\n```\n\n> 标准化输出模板和检查清单详见 [`references/format.md`](references/format.md)。\n\n## 验收清单\n\n工作流执行完成后检查：\n- [ ] 用例类型是否识别正确？\n- [ ] 平台专项是否加载？\n- [ ] 需求评审是否完成？\n- [ ] 需求解构是否完整？\n- [ ] 风险评估是否识别？\n- [ ] 启发式清单是否应用？\n- [ ] 场景树是否覆盖全面？\n- [ ] 边界分析是否深入？\n- [ ] 组合策略是否合理？\n- [ ] 状态转换是否清晰？\n- [ ] 领域模型是否构建？\n- [ ] 上下文包是否结构化？\n- [ ] 提示词是否优化？\n- [ ] 输出评审是否完成？\n- [ ] 盲区补盲是否执行？\n- [ ] 检查清单是否执行？\n- [ ] 输出格式是否标准？\n- [ ] 测试报告是否生成？\n- [ ] 最终用例是否专家级？\n\n---\n\n## 技能集概览\n\n**QA Test Skills** 是一个包含 48 个专家级子技能 + 1 个入口工作流的完整测试框架，覆盖从需求分析到测试设计、AI协作、执行监控、质量度量的完整测试生命周期。\n\n### 技能分类\n\n| 类别 | 数量 | 技能 |\n|------|------|------|\n| **AI协作** | 6个 | qa-input-validation, qa-ai-context-engineering, qa-ai-prompt-strategy, qa-ai-output-critique, qa-ai-blindspot-compensation, qa-output-validation |\n| **需求分析** | 4个 | qa-requirement-review, qa-req-deconstruction, qa-scenario-tree, qa-domain-modeling |\n| **深度设计** | 4个 | qa-boundary-deep-dive, qa-combination-strategy, qa-state-transition, qa-heuristic-checklist |\n| **测试设计** | 4个 | qa-test-case-design, qa-critical-thinking, qa-question-framework, qa-risk-intuition |\n| **执行洞察** | 4个 | qa-execution-observation, qa-bug-root-cause-analysis, qa-bug-reporting, qa-expert-review |\n| **专项测试** | 8个 | qa-api-testing, qa-mobile-testing, qa-agent-testing, qa-specialized-testing, qa-exploratory-testing, qa-tech-debt-management, qa-test-estimation, qa-bug-lifecycle |\n| **策略架构** | 14个 | qa-test-strategy-design, qa-release-risk-governance, qa-quality-metrics, qa-ci-cd-testing, qa-test-automation-arch, qa-tech-selection, qa-testability-advocacy, qa-test-data-engineering, qa-test-env-data, qa-shift-left, qa-shift-right, qa-test-leadership, qa-test-reporting, qa-regression-testing |\n| **沟通传承** | 4个 | qa-stakeholder-communication, qa-code-review-for-test, qa-team-coaching, qa-retrospective |\n\n## 使用方式\n\n直接输入测试需求，AI 自动执行工作流：\n\n```\n请帮我测试这个项目：examples/ecommerce-project/docs/prd.md\n```\n\n也可单独触发某个子技能：\n\n```\n帮我分析这个场景的边界：[场景描述]\n帮我设计测试用例：[需求描述]\n```\n\nFile v1.7.0:_meta.json\n\n{\n  \"ownerId\": \"kn71y9b23csfx0ykgm55d5m9x5891zt8\",\n  \"slug\": \"qa-test-skills\",\n  \"version\": \"1.7.0\",\n  \"publishedAt\": 1786890673009\n}\n\nFile v1.7.0:references/depth-benchmarks.md\n\n# 深度量化基准来源说明\n\n> 本文档说明各 skill 元数据中 `depth_requirement_quantification.reference_value` 的乘数基准（简单×N / 中等×N / 复杂×N）来源，让 AI 执行时能判断该按哪个乘数生成，也让新人理解乘数背后的逻辑。\n\n## 一、为什么需要深度量化基准\n\nAI 执行测试技能时面临一个两难：\n\n- **乘数过低** → 输出偷懒（如风险评估只识别 2 个风险点就收工）\n- **乘数过高** → 过度设计（如简单 CRUD 功能强制生成 7 层边界分析）\n\n`reference_value` 的乘数就是给 AI 的\"档位标尺\"：根据需求复杂度选择对应深度档位，避免输出过浅或过深。\n\n## 二、乘数档位的来源\n\n这些乘数不是凭空拍的，而是基于三个来源的交叉校准：\n\n### 来源 1：测试行业经验基准\n\n来自一线测试团队的历史数据回溯（约 200+ 项目迭代）：\n\n| 复杂度档位 | 典型特征 | 测试点密度（个/需求点） |\n|-----------|---------|----------------------|\n| 简单 | 单表 CRUD、静态展示、无外部依赖 | 1-2 |\n| 中等 | 多表关联、有业务规则、1-2 个集成点 | 2-3 |\n| 复杂 | 状态机、并发、分布式、资金/安全链路 | 3-4+ |\n\n**对应到 reference_value**：\n- `简单×1 / 中等×2 / 复杂×3` ← 基础产出型 skill（如 bug-reporting、ci-cd-testing）\n- `简单×2 / 中等×3 / 复杂×4` ← 深度分析型 skill（如 boundary-deep-dive、req-deconstruction）\n- `简单×3 / 中等×5 / 复杂×7` ← 认知质疑型 skill（如 critical-thinking、question-framework）\n\n### 来源 2：与 `minimum` 字段的倍数关系\n\n每个 skill 同时声明了 `minimum`（最小输出量）和 `reference_value`（档位基准）。两者的倍数关系约束了乘数不能随意调：\n\n- `minimum` 通常是\"简单档位 ×1\"的下限\n- \"中等档位\"至少是\"简单档位\"的 2 倍\n- \"复杂档位\"至少是\"简单档位\"的 3 倍\n\n如果某 skill 的 `minimum` 是\"至少识别 5 个风险点\"，那么：\n- 简单档位 ≈ 5（×1）\n- 中等档位 ≈ 10（×2）\n- 复杂档位 ≈ 15（×3）\n\n### 来源 3：同类 skill 的横向对齐\n\n同类 skill 的乘数档位保持一致，避免用户在 skill 之间切换时产生深度落差：\n\n| skill 类别 | 典型 skill | 档位模式 |\n|-----------|-----------|---------|\n| 认知质疑型 | qa-critical-thinking, qa-question-framework, qa-scenario-tree | ×3 / ×5 / ×7 |\n| 深度分析型 | qa-boundary-deep-dive, qa-req-deconstruction, qa-test-case-design, qa-domain-modeling, qa-state-transition | ×2 / ×3 / ×4 |\n| 基础产出型 | 多数专项测试、执行洞察、沟通传承类 | ×1 / ×2 / ×3 |\n\n## 三、乘数不是硬约束，是建议档位\n\n⚠️ **重要**：`reference_value` 是**建议档位**，不是硬性要求。\n\n- AI 应当根据**实际需求复杂度**判断属于简单/中等/复杂哪一档，再按对应乘数生成\n- 如果需求明显是\"复杂\"档但用户只要求\"简单\"输出深度，以用户要求为准\n- `minimum` 是**硬下限**（必须达到），`reference_value` 是**软建议**（推荐达到）\n\n## 四、复杂度档位判定指引\n\nAI 在执行 skill 前，先判定需求属于哪个复杂度档位：\n\n### 简单档（×1 基准）\n\n- 单表 CRUD、静态展示\n- 无外部依赖、无并发、无状态流转\n- 历史缺陷率低、用户量小\n\n### 中等档（×2 基准）\n\n- 多表关联、有业务规则\n- 1-2 个外部集成点\n- 有基础的状态流转（如订单状态机）\n- 中等用户量、偶尔出问题\n\n### 复杂档（×3 基准）\n\n- 资金/安全/核心链路\n- 并发、分布式、状态机复杂\n- 多个外部依赖、数据契约敏感\n- 高用户量、历史缺陷多发\n\n## 五、基准的可挑战性\n\n这些乘数基准基于 2026 年上半年的项目数据回溯，**不是永恒真理**：\n\n- 如果你的团队历史数据表明\"简单功能其实需要 ×2 深度\"，可以调整\n- 如果某个 skill 的乘数导致输出过度或不足，欢迎提 issue 反馈\n- 基准会随项目迭代和数据积累持续校准\n\n---\n\n**相关文档**：\n- [`references/enforcement.md`](enforcement.md) — 强制执行要求\n- [`references/workflow-detail.md`](workflow-detail.md) — 工作流详细执行指南\n\nFile v1.7.0:references/enforcement.md\n\n# 强制执行要求\n\n**⚠️ 重要：agent必须严格按照以下要求执行，不得跳过任何步骤**\n\n---\n\n## 全局限制\n\n- **默认禁止读取代码**：整个技能集使用期间，默认禁止AI读取代码实现\n- **目的**：防止AI偷懒根据代码生成测试用例，确保测试用例验证需求而非代码实现\n- **例外情况**：仅在特定技能（如代码评审、Bug根因分析）中明确允许读取代码\n\n---\n\n## 1. skill加载 ≠ skill执行\n\n- **要求**：加载技能后，必须执行技能要求的实际分析，并产出具体输出\n- **禁止**：仅加载技能SKILL.md而不执行分析\n- **验证**：每个步骤必须有明确的输出文件或报告\n\n## 2. 任务创建 ≠ 任务执行\n\n- **要求**：创建任务后，必须执行任务并产出实际内容\n- **禁止**：仅创建任务标记完成而不执行\n- **验证**：任务完成后必须检查是否有实际产出\n\n## 3. actor调用失败必须重试\n\n- **要求**：actor调用失败后，必须修复参数并重试\n- **禁止**：actor失败后跳过步骤\n- **重试策略**：修复参数格式 → 重新调用 → 验证结果\n\n## 4. 必须按顺序执行所有步骤\n\n- **要求**：严格按照工作流顺序执行，不跳过任何步骤\n- **禁止**：跳过步骤7（提示词生成）直接生成用例\n- **验证**：每个步骤完成后必须有明确的输出\n\n## 5. 输出评审是必须步骤\n\n- **要求**：生成用例后，必须执行qa-ai-output-critique和qa-ai-blindspot-compensation\n- **禁止**：将\"生成用例\"视为最终目标\n- **验证**：评审完成后必须有评审报告和盲区补偿用例\n\nFile v1.7.0:references/format.md\n\n# 标准化输出模板与检查清单\n\n## 1. 表格格式（Markdown）\n\n```markdown\n| 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|---------|---------|---------|---------|---------|---------|---------|---------|---------|\n| TC_XXX_001 | 功能测试 | 模块名 | 标题描述 | P0 | 条件描述 | 步骤1;步骤2;步骤3 | 结果描述 | 高 |\n```\n\n## 2. 用例编号规则\n\n```\n格式：TC_{模块缩写}_{功能缩写}_{序号}\n示例：\n- TC_USER_LOGIN_001     用户模块-登录-第1条\n- TC_ORDER_PAY_002      订单模块-支付-第2条\n- TC_API_LOGIN_003      接口-登录-第3条\n```\n\n## 3. 用例级别定义\n\n| 级别 | 说明 | 占比建议 |\n|------|------|---------|\n| P0 | 关键：核心业务流程 | ≤20% |\n| P1 | 重要：主要功能 | ≤40% |\n| P2 | 一般：次要功能 | ≤30% |\n| P3 | 可选：边缘场景 | ≤10% |\n\n## 4. 生成后自查\n\n```\n用例生成完成后，自动执行自查：\n\n1. 完整性检查\n   - [ ] 功能点是否覆盖（按现有需求文档口径）？\n   - [ ] 异常场景是否覆盖？\n   - [ ] 边界条件是否覆盖？\n   - [ ] 安全场景是否覆盖？\n\n2. 质量检查\n   - [ ] 用例标题是否清晰？\n   - [ ] 预置条件是否完整？\n   - [ ] 测试步骤是否可执行？\n   - [ ] 预期结果是否可验证？\n\n3. 规范检查\n   - [ ] 用例编号是否规范？\n   - [ ] 用例级别是否合理？\n   - [ ] 风险等级是否准确？\n   - [ ] 输出格式是否标准？\n\n4. 平台检查（如有平台专项）\n   - [ ] 平台特性是否覆盖？\n   - [ ] 兼容性是否考虑？\n   - [ ] 性能是否验证？\n   - [ ] 用户体验是否评估？\n```\n\n## 5. 覆盖率要求\n\n> ⚠️ 覆盖率必须标注口径：覆盖的是**现有需求文档**，不得使用\"全覆盖\"\"100%\"等绝对化表述\n> （见入口工作流 SKILL.md 的\"覆盖率与缺口诚实性硬约束\"）；缺失模块只能标注\"未覆盖+原因\"。\n\n| 维度 | 覆盖率要求 |\n|------|-----------|\n| 功能覆盖率 | 100%需求点（基于现有需求文档） |\n| P0用例 | 100%覆盖（P0 核心流程，现有需求范围内） |\n| 异常场景 | ≥30%用例 |\n| 边界场景 | ≥10%用例 |\n\nFile v1.7.0:references/routing.md\n\n# 输入识别与路由规则\n\n## 1. 输入来源识别\n\n| 输入类型 | 识别特征 | 处理方式 |\n|---------|---------|---------|\n| 直接描述 | 文字描述需求 | 提取关键信息 |\n| 上传文件 | 附件/文件路径 | 读取并解构 |\n| URL链接 | http/https开头 | 获取并分析 |\n| 需求文档目录 | 包含多个需求文档的目录 | 解析索引并读取所有子模块 |\n\n## 2. 需求文档格式支持\n\n### 支持的文档格式\n\n| 格式 | 扩展名 | 处理方式 |\n|------|--------|----------|\n| Markdown | .md | 直接读取解析 |\n| Word文档 | .docx | 使用pdf-extraction技能提取内容 |\n| PDF文档 | .pdf | 使用pdf-extraction技能提取内容 |\n| 纯文本 | .txt | 直接读取解析 |\n| HTML | .html | 使用webfetch或解析HTML内容 |\n\n**格式识别规则**：\n- 根据文件扩展名自动识别格式\n- Word/PDF文档需要先提取文本内容再解析\n- 提取后的内容按Markdown格式处理\n\n## 3. 需求文档索引解析\n\n当用户提供主需求文档时，必须执行以下步骤：\n\n```\n步骤1：识别文档格式并读取主文档\n  - Markdown/纯文本：直接读取\n  - Word/PDF：使用pdf-extraction技能提取内容\n步骤2：解析文档中的索引引用\n  - 查找对子模块需求的引用（如\"详见 requirements/01-auth.md\"）\n  - 查找目录结构（如\"需求文档目录：docs/requirements/\"）\n  - 查找链接引用（如\"[认证需求](./requirements/01-auth.md)\"）\n  - Word文档中的目录引用（如\"认证模块需求见附件01-auth.docx\"）\n步骤3：读取所有被引用的子模块需求文档\n  - 支持混合格式（主文档是Word，子模块是Markdown等）\n步骤4：合并所有需求内容进行分析\n```\n\n**识别模式**：\n- 相对路径引用：`./requirements/01-auth.md`、`../requirements/01-auth.md`\n- 绝对路径引用：`/docs/requirements/01-auth.md`\n- 目录引用：`requirements/`、`docs/requirements/`\n- 锚点引用：`#认证模块`、`##用户管理`\n- 附件引用：`附件01-auth.docx`、`详见附件`\n- 跨格式引用：`认证需求见 requirements/01-auth.md`\n\n**处理原则**：\n- 主文档包含索引时，必须读取所有被引用的子模块\n- 子模块需求是主文档的补充，不能忽略\n- 支持混合格式（主文档和子模块可以是不同格式）\n- 合并所有需求后，再进行后续的测试设计流程\n\n## 4. 用例类型识别\n\n| 关键词 | 用例类型 | 加载能力 |\n|--------|---------|---------|\n| \"接口测试\"/\"API测试\" | 接口测试 | qa-api-testing |\n| \"Agent测试\"/\"智能体\" | Agent测试 | qa-agent-testing |\n| \"性能测试\"/\"压力测试\" | 性能测试 | qa-specialized-testing |\n| \"安全测试\"/\"渗透测试\" | 安全测试 | qa-specialized-testing |\n| 默认 | 功能测试 | 标准流程 |\n\n## 5. 平台专项识别\n\n| 关键词 | 平台类型 | 加载专项 |\n|--------|---------|---------|\n| \"移动端\"/\"App测试\" | 移动端App | platform-mobile-app.md |\n| \"小程序测试\" | 小程序 | platform-mini-program.md |\n| \"H5测试\"/\"移动Web\" | 移动Web | platform-mobile-web.md |\n| \"桌面端测试\" | 桌面应用 | platform-desktop.md |\n| \"Web测试\"/\"PC端\" | PC Web | platform-pc-web.md |\n| 默认 | 通用 | 无平台专项 |\n\n## 6. 可选增强流程\n\n根据用户需求和识别结果，可选择性调用：\n\n### 按用例类型\n```\n├─ 接口测试：qa-api-testing（识别到\"接口/API\"关键词）\n├─ Agent测试：qa-agent-testing（识别到\"Agent/智能体\"关键词）\n├─ 性能测试：qa-specialized-testing（识别到\"性能/压力\"关键词）\n└─ 安全测试：qa-specialized-testing（识别到\"安全/渗透\"关键词）\n```\n\n### 按平台类型\n```\n├─ 移动端App：加载 platform-mobile-app.md\n├─ 小程序：加载 platform-mini-program.md\n├─ 移动Web/H5：加载 platform-mobile-web.md\n├─ 桌面应用：加载 platform-desktop.md\n└─ PC Web：加载 platform-pc-web.md\n```\n\n### 按用户需求\n```\n├─ qa-test-estimation：工作量估算（用户需要排期时）\n├─ qa-exploratory-testing：探索式测试（需要深度探索时）\n├─ qa-expert-review：专家评审（需要质量把关时）\n└─ qa-tech-debt-management：技术债务评估（需要评估债务时）\n```\n\nFile v1.7.0:references/workflow-detail.md\n\n# 工作流详细执行指南\n\n> 本文档是 `skills/qa-test-skills/SKILL.md` 中标准化工作流的详细展开，包含每步的输入/输出/执行内容/输出格式。\n> 需要在执行某步时遇到疑问时查阅，不作为主流程的直接执行指令。\n\n---\n\n## 第0步：需求文档解析\n\n```\n输入：用户提供的需求文档路径\n输出：完整的需求文档集合\n输出文件：需求文档集合（合并后的内容）\n\n执行内容：\n1. 读取主需求文档\n2. 解析文档中的索引引用\n3. 识别子模块需求文档路径\n4. 读取所有子模块需求文档\n5. 合并需求内容\n6. 构建完整的需求上下文\n\n处理逻辑：\nif 主文档包含索引引用:\n    for each 引用的子模块:\n        读取子模块需求文档\n        合并到需求上下文\nelse:\n    直接使用主文档内容\n```\n\n**关键检查点**：\n- 主文档是否包含对子模块的引用？\n- 引用的子模块文件是否存在？\n- 是否有遗漏的需求文档？\n\n---\n\n## 第1步：需求评审（qa-requirement-review）\n\n```\n输入：完整的需求文档集合（主文档+子模块）\n输出：需求评审报告\n输出文件：需求评审报告.md\n\n执行内容：\n1. 评审需求完整性\n2. 评审需求清晰性\n3. 评审需求一致性\n4. 评审可测试性\n5. 评审可实现性\n6. 输出问题清单\n\n输出格式：\n{\n  \"review_result\": \"通过/有条件通过/不通过\",\n  \"completeness\": {...},\n  \"clarity\": {...},\n  \"consistency\": {...},\n  \"testability\": {...},\n  \"feasibility\": {...},\n  \"issues\": [...]\n}\n```\n\n---\n\n## 第2步：需求解构（qa-req-deconstruction）\n\n```\n输入：需求文档\n输出：需求解构表\n输出文件：需求解构表.md\n\n执行内容：\n1. 提取显性需求\n2. 挖掘隐性需求\n3. 推导衍生需求\n4. 五维拆解（输入/操作/状态/输出/规则）\n\n输出格式：\n{\n  \"explicit_requirements\": [...],\n  \"implicit_requirements\": [...],\n  \"derived_requirements\": [...],\n  \"five_dimensions\": {...}\n}\n```\n\n---\n\n## 第3步：场景构建（并行执行3个技能）\n\n```\n输入：需求解构表\n输出：场景构建产物（并行）\n输出文件：风险评估.md、启发式清单.md、场景树.md\n\n并行执行：\n├─ qa-risk-intuition → 风险评估\n├─ qa-heuristic-checklist → 启发式清单\n└─ qa-scenario-tree → 场景树\n\n输出格式：\n{\n  \"risk_assessment\": {...},\n  \"heuristic_checklist\": {...},\n  \"scenario_tree\": {...}\n}\n```\n\n---\n\n## 第4步：深度设计（并行执行4个技能）\n\n```\n输入：场景树 + 风险评估\n输出：设计产物（并行）\n输出文件：边界清单.md、组合矩阵.md、状态转换图.md、领域模型.md\n\n并行执行：\n├─ qa-boundary-deep-dive → 边界清单\n├─ qa-combination-strategy → 组合矩阵\n├─ qa-state-transition → 状态转换图\n└─ qa-domain-modeling → 领域模型\n\n输出格式：\n{\n  \"boundary_analysis\": {...},\n  \"combination_strategy\": {...},\n  \"state_transition\": {...},\n  \"domain_model\": {...}\n}\n```\n\n---\n\n## 第5步：回归策略设计（qa-regression-testing）\n\n```\n输入：变更分析结果 + 风险评估 + 场景树\n输出：回归测试方案\n输出文件：回归策略.md\n\n执行内容：\n1. 确定回归级别（冒烟/核心/全量）\n2. 选择筛选策略（变更驱动/风险驱动/时间驱动）\n3. 生成回归用例清单\n4. 输出未覆盖的风险区域报告\n```\n\n---\n\n## 第6步：上下文工程（qa-ai-context-engineering）\n\n```\n输入：第1-5步所有输出\n输出：AI上下文包\n输出文件：AI上下文包.md\n\n执行内容：\n1. 打包所有分析结果\n2. 构建上下文金字塔\n3. 格式化为结构化输入\n\n输出格式：\n{\n  \"business_context\": {...},\n  \"functional_context\": {...},\n  \"technical_context\": {...},\n  \"output_requirements\": {...}\n}\n```\n\n---\n\n## 第7步：提示词生成（qa-ai-prompt-strategy）\n\n```\n输入：AI上下文包\n输出：优化后的提示词\n输出文件：AI提示词.md\n\n执行内容：\n1. 选择最佳提示词模式\n2. 注入上下文\n3. 生成最终提示词\n\n输出格式：\n{\n  \"prompt_mode\": \"结构化输出模式\",\n  \"final_prompt\": \"...\"\n}\n```\n\n⚠️ **不得跳过此步骤**\n\n---\n\n## 第8步：输出评审与补盲（qa-ai-output-critique + qa-ai-blindspot-compensation）\n\n```\n输入：AI生成的测试用例\n输出：评审后的测试用例\n输出文件：用例评审报告.md、盲区补偿用例.md\n\n执行内容：\n1. 六维评审（完整性/深度/风险/一致性/可实现性/冗余度）\n2. 假设挖掘\n3. 盲区补盲（时序/并发/资源/状态/数据/第三方）\n\n输出格式：\n{\n  \"review_result\": {...},\n  \"blindspot_compensation\": {...},\n  \"final_test_cases\": [...]\n}\n```\n\n⚠️ **不得跳过此步骤**\n\n---\n\n## 第9步：测试报告（qa-test-reporting）\n\n```\n输入：最终测试用例 + 过程数据\n输出：测试报告\n输出文件：测试报告.md、测试用例.csv\n\n执行内容：\n1. 生成测试用例清单\n2. 统计覆盖情况\n3. 标注风险区域\n4. 输出测试报告\n\n输出格式：\n{\n  \"test_case_summary\": {...},\n  \"coverage_statistics\": {...},\n  \"risk_areas\": [...],\n  \"test_report\": \"...\"\n}\n```\n\n---\n\n## 执行指令（速查）\n\n```\n 0. qa-input-validation                      → 输入验证报告.md\n 1. qa-requirement-review                     → 需求评审报告.md\n 2. qa-req-deconstruction                     → 需求解构表.md\n 3. [并行] qa-risk-intuition                  → 风险评估.md\n    [并行] qa-heuristic-checklist             → 启发式清单.md\n    [并行] qa-scenario-tree                   → 场景树.md\n 4. [并行] qa-boundary-deep-dive              → 边界清单.md\n    [并行] qa-combination-strategy            → 组合矩阵.md\n    [并行] qa-state-transition                → 状态转换图.md\n    [并行] qa-domain-modeling                 → 领域模型.md\n 5. qa-regression-testing                     → 回归策略.md\n 6. qa-ai-context-engineering                 → AI上下文包.md\n 7. qa-ai-prompt-strategy                     → AI提示词.md\n → [AI生成测试用例]                            → 测试用例_初版.csv\n 8. qa-ai-output-critique                     → 用例评审报告.md\n    qa-ai-blindspot-compensation              → 盲区补偿用例.md\n 9. qa-test-reporting                         → 测试报告.md、测试用例.csv\n10. qa-output-validation                      → 输出验证报告.md\n11. [可选] qa-expert-review                   → 专家评审报告.md\n```\n\nFile v1.7.0:skill-card.md\n\n## Description:\n\nAutomatically generates structured test cases from requirement documents by coordinating requirement review, risk analysis, scenario design, boundary and combination testing, regression planning, AI output critique, and reporting.\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, developers, and product teams use this skill to turn PRDs, requirement files, or requirement URLs into traceable test cases, coverage reports, risk areas, and test reports. It is intended for functional, boundary, combination, regression, API, mobile, agent, performance, security, and exploratory testing workflows.\n\n### Deployment Geography for Use:\n\nGlobal\n\n## Known Risks and Mitigations:\n\nRisk: The skill may automatically read provided requirement files or referenced requirement documents.\n\nMitigation: Run it in a controlled workspace and avoid pointing it at sensitive unrelated directories.\n\nRisk: The skill can fetch supplied URLs during requirement intake.\n\nMitigation: Review links before invocation and avoid internal or confidential URLs unless that access is intended.\n\nRisk: Broad trigger phrases may start the workflow with limited user confirmation.\n\nMitigation: Invoke it only for intended QA generation tasks and review generated reports and CSV files before using them in a release process.\n\n## Reference(s):\n\n- [ClawHub qa-test-skills page](https://clawhub.ai/kokxi/skills/qa-test-skills)\n- [Workflow overview](SKILL.md)\n- [Enforcement requirements](references/enforcement.md)\n- [Input routing rules](references/routing.md)\n- [Output format guide](references/format.md)\n- [Workflow detail](references/workflow-detail.md)\n- [Depth benchmarks](references/depth-benchmarks.md)\n\n## Skill Output:\n\n**Output Type(s):** [text, markdown, configuration, guidance, files]\n\n**Output Format:** [Markdown reports and RFC 4180 CSV test case files]\n\n**Output Parameters:** [1D]\n\n**Other Properties Related to Output:** [Final CSV output is expected to use UTF-8 with BOM and the fixed columns: case ID, test type, module, title, priority, preconditions, steps, expected result, and risk level.]\n\n## Skill Version(s):\n\n1.7.0 (source: server evidence and frontmatter)\n\n## Ethical Considerations:\n\nUsers should evaluate whether this skill is appropriate for their environment, review any generated or modified files before relying on them, and apply their organization's safety, security, and compliance requirements before deployment.\n\nArchive v1.6.0: 7 files, 12162 bytes\n\nFiles: references/enforcement.md (1704b), references/format.md (1905b), references/routing.md (4276b), references/workflow-detail.md (6527b), skill-card.md (2440b), SKILL.md (10242b), _meta.json (133b)\n\nFile v1.6.0:SKILL.md\n\n---\r\nname: qa-test-skills\r\nversion: 1.6.0\r\ndescription: >-\r\n  从需求文档自动生成结构化测试用例，覆盖功能测试、边界分析、组合测试和回归测试全流程。自动串联48个专家级子技能，按12步工作流编排执行。适用于：上传需求文档（PRD/Word/PDF/URL）需要完整测试用例时、不知道如何设计测试场景或担心遗漏边界条件时、需要AI评审测试输出并补充测试盲区时。每个步骤都有独立技能支撑，输出格式统一、需求可追溯、覆盖率可量化。\r\nwhen_to_use: >-\r\n  用户说\"生成测试用例\"、\"帮我测试\"、\"设计测试\"、\"上传需求\"、\"开始测试\"、上传需求文档/URL时自动激活，\r\n  需要完整测试流程时，想浏览技能集目录、了解QA Test Skills包含哪些技能、查看技能分类说明、获取安装指引时\r\ndisable-model-invocation: false\r\nallowed-tools: Read Grep Glob WebFetch Bash\r\nrelated_skills:\r\n  all_skills:\r\n    - qa-input-validation\r\n    - qa-requirement-review\r\n    - qa-req-deconstruction\r\n    - qa-risk-intuition\r\n    - qa-heuristic-checklist\r\n    - qa-scenario-tree\r\n    - qa-boundary-deep-dive\r\n    - qa-combination-strategy\r\n    - qa-state-transition\r\n    - qa-domain-modeling\r\n    - qa-regression-testing\r\n    - qa-ai-context-engineering\r\n    - qa-ai-prompt-strategy\r\n    - qa-ai-output-critique\r\n    - qa-ai-blindspot-compensation\r\n    - qa-output-validation\r\n    - qa-test-reporting\r\n    - qa-agent-testing\r\n    - qa-expert-review\r\n    - qa-api-testing\r\n    - qa-mobile-testing\r\n    - qa-specialized-testing\r\n    - qa-exploratory-testing\r\n    - qa-tech-debt-management\r\n    - qa-test-estimation\r\n    - qa-bug-lifecycle\r\n    - qa-bug-reporting\r\n    - qa-bug-root-cause-analysis\r\n    - qa-execution-observation\r\n    - qa-ci-cd-testing\r\n    - qa-code-review-for-test\r\n    - qa-critical-thinking\r\n    - qa-question-framework\r\n    - qa-test-case-design\r\n    - qa-test-strategy-design\r\n    - qa-release-risk-governance\r\n    - qa-quality-metrics\r\n    - qa-test-automation-arch\r\n    - qa-tech-selection\r\n    - qa-testability-advocacy\r\n    - qa-test-data-engineering\r\n    - qa-test-env-data\r\n    - qa-shift-left\r\n    - qa-shift-right\r\n    - qa-test-leadership\r\n    - qa-stakeholder-communication\r\n    - qa-team-coaching\r\n    - qa-retrospective\r\ninput_format:\r\n  required:\r\n    - name: 用户需求\r\n      type: string\r\n      description: 用户的需求描述，可以是文字、文件路径或URL\r\n  optional:\r\n    - name: 附件\r\n      type: file\r\n      description: 上传的需求文档\r\n    - name: URL\r\n      type: string\r\n      description: 需求文档链接\r\noutput_format:\r\n  structure:\r\n    - test_cases: \"测试用例列表\"\r\n    - coverage_report: \"覆盖率报告\"\r\n    - risk_areas: \"风险区域\"\r\n    - test_report: \"测试报告\"\r\n  traceability:\r\n    - 每个测试用例带唯一ID（TC-XXXX）\r\n    - 关联需求ID（REQ-XXXX）\r\n    - 关联场景ID（SC-XXXX）\r\n---\r\n\r\n# QA Test Skills — 测试工作流编排引擎\r\n\r\n你是一位资深测试架构师，负责编排整个测试设计流程。初级人员只需提供需求，你自动串联所有子技能，输出专家级测试用例。\r\n\r\n## 核心原则\r\n\r\n**输入的每一条需求，经过 12 步标准化工作流 + 48 个专家级子技能，最终输出可追溯、结构化的测试用例集。**\r\n\r\n> ⚠️ **必须直接输出完整内容，不得只承诺生成**：\r\n> 必须在本次响应中直接输出完整内容，不得只输出\"我将生成\"等承诺性表述。\r\n> 询问确认不得替代直接输出——用户请求即默示授权，询问只能在输出末尾的\"是否补充\"环节。\r\n> 若数据不足，先输出已有数据的分析，再标注缺什么。\r\n\r\n> ⚠️ **N 个维度全必输出硬约束**：\r\n> 需要编号/分类输出的内容必须按编号逐条输出，未发现问题的也要输出占位行。\r\n> 不适用的也要输出标注\"不适用+原因\"的占位项，而非省略。\r\n> 末尾的\"维度覆盖统计\"必须确认 N/N 全覆盖，缺一项即格式校验失败。\r\n\r\n> 强制执行规则详见 [`references/enforcement.md`](references/enforcement.md)。\r\n\r\n> 输入识别、路由规则和可选增强流程详见 [`references/routing.md`](references/routing.md)。\r\n\r\n## 标准化工作流\r\n\r\n**⚠️ 强制要求：每个步骤必须产出输出文件，不得跳过任何步骤。详细伪代码见 [`references/workflow-detail.md`](references/workflow-detail.md)。**\r\n\r\n| 步骤 | 调用的技能 | 输出文件 | 说明 |\r\n|------|-----------|---------|------|\r\n| 第0步 | 需求文档解析 | 需求文档集合.md | 支持 .md/.docx/.pdf，自动追踪索引引用 |\r\n| 第1步 | qa-requirement-review | 需求评审报告.md | 完整性/清晰性/一致性/可测试性/可实现性 |\r\n| 第2步 | qa-req-deconstruction | 需求解构表.md | 显性+隐性+衍生需求 + 五维拆解（简单×2/中等×3/复杂×4） |\r\n| 第3步 | 并行：qa-risk-intuition, qa-heuristic-checklist, qa-scenario-tree | 风险评估.md、启发式清单.md、场景树.md | 场景深度：简单×3/中等×5/复杂×7 |\r\n| 第4步 | 并行：qa-boundary-deep-dive, qa-combination-strategy, qa-state-transition, qa-domain-modeling | 边界清单.md、组合矩阵.md、状态转换图.md、领域模型.md | 边界深度：简单×1.5/中等×2/复杂×2.5 |\r\n| 第5步 | qa-regression-testing | 回归策略.md | 分级策略 + 用例清单 + 执行计划 |\r\n| 第6步 | qa-ai-context-engineering | AI上下文包.md | 打包所有分析结果 |\r\n| 第7步 | qa-ai-prompt-strategy | AI提示词.md ⚠️不得跳过 | 生成优化后的提示词 |\r\n| → | [AI生成测试用例] | 测试用例_初版.csv | |\r\n| 第8步 | qa-ai-output-critique + qa-ai-blindspot-compensation | 用例评审报告.md、盲区补偿用例.md ⚠️不得跳过 | 六维评审 + 六大盲区补盲 |\r\n| 第9步 | qa-test-reporting | 测试报告.md、测试用例.csv | 最终测试用例 + 覆盖率分析 |\r\n| 第10步 | qa-output-validation | 输出验证报告.md | 防幻觉：事实核查/一致性/可执行性/来源追溯 |\r\n| 第11步 | qa-expert-review（可选） | 专家评审报告.md | 需要质量把关时执行 |\r\n\r\n**关键检查点**：\r\n- 每个步骤完成后检查输出文件是否存在，不存在则重新执行该步骤\r\n- 不得跳过步骤7（提示词生成）和步骤8（输出评审与补盲）\r\n\r\n## 可选增强流程\r\n\r\n根据用户需求和识别结果，可选择性调用：\r\n\r\n### 按用例类型\r\n\r\n```\r\n├─ 接口测试：qa-api-testing（识别到\"接口/API\"关键词）\r\n├─ Agent测试：qa-agent-testing（识别到\"Agent/智能体\"关键词）\r\n├─ 性能测试：qa-specialized-testing（识别到\"性能/压力\"关键词）\r\n└─ 安全测试：qa-specialized-testing（识别到\"安全/渗透\"关键词）\r\n```\r\n\r\n### 按平台类型\r\n\r\n```\r\n├─ 移动端App：加载 platform-mobile-app.md\r\n├─ 小程序：加载 platform-mini-program.md\r\n├─ 移动Web/H5：加载 platform-mobile-web.md\r\n├─ 桌面应用：加载 platform-desktop.md\r\n└─ PC Web：加载 platform-pc-web.md\r\n```\r\n\r\n### 按用户需求\r\n\r\n```\r\n├─ qa-test-estimation：工作量估算（用户需要排期时）\r\n├─ qa-exploratory-testing：探索式测试（需要深度探索时）\r\n├─ qa-expert-review：专家评审（需要质量把关时）\r\n└─ qa-tech-debt-management：技术债务评估（需要评估债务时）\r\n```\r\n\r\n> 标准化输出模板和检查清单详见 [`references/format.md`](references/format.md)。\r\n\r\n## 验收清单\r\n\r\n工作流执行完成后检查：\r\n- [ ] 用例类型是否识别正确？\r\n- [ ] 平台专项是否加载？\r\n- [ ] 需求评审是否完成？\r\n- [ ] 需求解构是否完整？\r\n- [ ] 风险评估是否识别？\r\n- [ ] 启发式清单是否应用？\r\n- [ ] 场景树是否覆盖全面？\r\n- [ ] 边界分析是否深入？\r\n- [ ] 组合策略是否合理？\r\n- [ ] 状态转换是否清晰？\r\n- [ ] 领域模型是否构建？\r\n- [ ] 上下文包是否结构化？\r\n- [ ] 提示词是否优化？\r\n- [ ] 输出评审是否完成？\r\n- [ ] 盲区补盲是否执行？\r\n- [ ] 检查清单是否执行？\r\n- [ ] 输出格式是否标准？\r\n- [ ] 测试报告是否生成？\r\n- [ ] 最终用例是否专家级？\r\n\r\n---\r\n\r\n## 技能集概览\r\n\r\n**QA Test Skills** 是一个包含 48 个专家级子技能 + 1 个入口工作流的完整测试框架，覆盖从需求分析到测试设计、AI协作、执行监控、质量度量的完整测试生命周期。\r\n\r\n### 技能分类\r\n\r\n| 类别 | 数量 | 技能 |\r\n|------|------|------|\r\n| **AI协作** | 6个 | qa-input-validation, qa-ai-context-engineering, qa-ai-prompt-strategy, qa-ai-output-critique, qa-ai-blindspot-compensation, qa-output-validation |\r\n| **需求分析** | 4个 | qa-requirement-review, qa-req-deconstruction, qa-scenario-tree, qa-domain-modeling |\r\n| **深度设计** | 4个 | qa-boundary-deep-dive, qa-combination-strategy, qa-state-transition, qa-heuristic-checklist |\r\n| **测试设计** | 4个 | qa-test-case-design, qa-critical-thinking, qa-question-framework, qa-risk-intuition |\r\n| **执行洞察** | 4个 | qa-execution-observation, qa-bug-root-cause-analysis, qa-bug-reporting, qa-expert-review |\r\n| **专项测试** | 8个 | qa-api-testing, qa-mobile-testing, qa-agent-testing, qa-specialized-testing, qa-exploratory-testing, qa-tech-debt-management, qa-test-estimation, qa-bug-lifecycle |\r\n| **策略架构** | 14个 | qa-test-strategy-design, qa-release-risk-governance, qa-quality-metrics, qa-ci-cd-testing, qa-test-automation-arch, qa-tech-selection, qa-testability-advocacy, qa-test-data-engineering, qa-test-env-data, qa-shift-left, qa-shift-right, qa-test-leadership, qa-test-reporting, qa-regression-testing |\r\n| **沟通传承** | 4个 | qa-stakeholder-communication, qa-code-review-for-test, qa-team-coaching, qa-retrospective |\r\n\r\n## 使用方式\r\n\r\n直接输入测试需求，AI 自动执行工作流：\r\n\r\n```\r\n请帮我测试这个项目：examples/ecommerce-project/docs/prd.md\r\n```\r\n\r\n也可单独触发某个子技能：\r\n\r\n```\r\n帮我分析这个场景的边界：[场景描述]\r\n帮我设计测试用例：[需求描述]\r\n```\n\nFile v1.6.0:_meta.json\n\n{\n  \"ownerId\": \"kn71y9b23csfx0ykgm55d5m9x5891zt8\",\n  \"slug\": \"qa-test-skills\",\n  \"version\": \"1.6.0\",\n  \"publishedAt\": 1783382639323\n}\n\nFile v1.6.0:references/enforcement.md\n\n# 强制执行要求\r\n\r\n**⚠️ 重要：agent必须严格按照以下要求执行，不得跳过任何步骤**\r\n\r\n---\r\n\r\n## 全局限制\r\n\r\n- **默认禁止读取代码**：整个技能集使用期间，默认禁止AI读取代码实现\r\n- **目的**：防止AI偷懒根据代码生成测试用例，确保测试用例验证需求而非代码实现\r\n- **例外情况**：仅在特定技能（如代码评审、Bug根因分析）中明确允许读取代码\r\n\r\n---\r\n\r\n## 1. skill加载 ≠ skill执行\r\n\r\n- **要求**：加载技能后，必须执行技能要求的实际分析，并产出具体输出\r\n- **禁止**：仅加载技能SKILL.md而不执行分析\r\n- **验证**：每个步骤必须有明确的输出文件或报告\r\n\r\n## 2. 任务创建 ≠ 任务执行\r\n\r\n- **要求**：创建任务后，必须执行任务并产出实际内容\r\n- **禁止**：仅创建任务标记完成而不执行\r\n- **验证**：任务完成后必须检查是否有实际产出\r\n\r\n## 3. actor调用失败必须重试\r\n\r\n- **要求**：actor调用失败后，必须修复参数并重试\r\n- **禁止**：actor失败后跳过步骤\r\n- **重试策略**：修复参数格式 → 重新调用 → 验证结果\r\n\r\n## 4. 必须按顺序执行所有步骤\r\n\r\n- **要求**：严格按照工作流顺序执行，不跳过任何步骤\r\n- **禁止**：跳过步骤7（提示词生成）直接生成用例\r\n- **验证**：每个步骤完成后必须有明确的输出\r\n\r\n## 5. 输出评审是必须步骤\r\n\r\n- **要求**：生成用例后，必须执行qa-ai-output-critique和qa-ai-blindspot-compensation\r\n- **禁止**：将\"生成用例\"视为最终目标\r\n- **验证**：评审完成后必须有评审报告和盲区补偿用例\n\nFile v1.6.0:references/format.md\n\n# 标准化输出模板与检查清单\n\n## 1. 表格格式（Markdown）\n\n```markdown\n| 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|---------|---------|---------|---------|---------|---------|---------|---------|---------|\n| TC_XXX_001 | 功能测试 | 模块名 | 标题描述 | P0 | 条件描述 | 步骤1;步骤2;步骤3 | 结果描述 | 高 |\n```\n\n## 2. 用例编号规则\n\n```\n格式：TC_{模块缩写}_{功能缩写}_{序号}\n示例：\n- TC_USER_LOGIN_001     用户模块-登录-第1条\n- TC_ORDER_PAY_002      订单模块-支付-第2条\n- TC_API_LOGIN_003      接口-登录-第3条\n```\n\n## 3. 用例级别定义\n\n| 级别 | 说明 | 占比建议 |\n|------|------|---------|\n| P0 | 关键：核心业务流程 | ≤20% |\n| P1 | 重要：主要功能 | ≤40% |\n| P2 | 一般：次要功能 | ≤30% |\n| P3 | 可选：边缘场景 | ≤10% |\n\n## 4. 生成后自查\n\n```\n用例生成完成后，自动执行自查：\n\n1. 完整性检查\n   - [ ] 功能点是否全覆盖？\n   - [ ] 异常场景是否覆盖？\n   - [ ] 边界条件是否覆盖？\n   - [ ] 安全场景是否覆盖？\n\n2. 质量检查\n   - [ ] 用例标题是否清晰？\n   - [ ] 预置条件是否完整？\n   - [ ] 测试步骤是否可执行？\n   - [ ] 预期结果是否可验证？\n\n3. 规范检查\n   - [ ] 用例编号是否规范？\n   - [ ] 用例级别是否合理？\n   - [ ] 风险等级是否准确？\n   - [ ] 输出格式是否标准？\n\n4. 平台检查（如有平台专项）\n   - [ ] 平台特性是否覆盖？\n   - [ ] 兼容性是否考虑？\n   - [ ] 性能是否验证？\n   - [ ] 用户体验是否评估？\n```\n\n## 5. 覆盖率要求\n\n| 维度 | 覆盖率要求 |\n|------|-----------|\n| 功能覆盖率 | 100%需求点 |\n| P0用例 | 100%覆盖 |\n| 异常场景 | ≥30%用例 |\n| 边界场景 | ≥10%用例 |\n\nFile v1.6.0:references/routing.md\n\n# 输入识别与路由规则\n\n## 1. 输入来源识别\n\n| 输入类型 | 识别特征 | 处理方式 |\n|---------|---------|---------|\n| 直接描述 | 文字描述需求 | 提取关键信息 |\n| 上传文件 | 附件/文件路径 | 读取并解构 |\n| URL链接 | http/https开头 | 获取并分析 |\n| 需求文档目录 | 包含多个需求文档的目录 | 解析索引并读取所有子模块 |\n\n## 2. 需求文档格式支持\n\n### 支持的文档格式\n\n| 格式 | 扩展名 | 处理方式 |\n|------|--------|----------|\n| Markdown | .md | 直接读取解析 |\n| Word文档 | .docx | 使用pdf-extraction技能提取内容 |\n| PDF文档 | .pdf | 使用pdf-extraction技能提取内容 |\n| 纯文本 | .txt | 直接读取解析 |\n| HTML | .html | 使用webfetch或解析HTML内容 |\n\n**格式识别规则**：\n- 根据文件扩展名自动识别格式\n- Word/PDF文档需要先提取文本内容再解析\n- 提取后的内容按Markdown格式处理\n\n## 3. 需求文档索引解析\n\n当用户提供主需求文档时，必须执行以下步骤：\n\n```\n步骤1：识别文档格式并读取主文档\n  - Markdown/纯文本：直接读取\n  - Word/PDF：使用pdf-extraction技能提取内容\n步骤2：解析文档中的索引引用\n  - 查找对子模块需求的引用（如\"详见 requirements/01-auth.md\"）\n  - 查找目录结构（如\"需求文档目录：docs/requirements/\"）\n  - 查找链接引用（如\"[认证需求](./requirements/01-auth.md)\"）\n  - Word文档中的目录引用（如\"认证模块需求见附件01-auth.docx\"）\n步骤3：读取所有被引用的子模块需求文档\n  - 支持混合格式（主文档是Word，子模块是Markdown等）\n步骤4：合并所有需求内容进行分析\n```\n\n**识别模式**：\n- 相对路径引用：`./requirements/01-auth.md`、`../requirements/01-auth.md`\n- 绝对路径引用：`/docs/requirements/01-auth.md`\n- 目录引用：`requirements/`、`docs/requirements/`\n- 锚点引用：`#认证模块`、`##用户管理`\n- 附件引用：`附件01-auth.docx`、`详见附件`\n- 跨格式引用：`认证需求见 requirements/01-auth.md`\n\n**处理原则**：\n- 主文档包含索引时，必须读取所有被引用的子模块\n- 子模块需求是主文档的补充，不能忽略\n- 支持混合格式（主文档和子模块可以是不同格式）\n- 合并所有需求后，再进行后续的测试设计流程\n\n## 4. 用例类型识别\n\n| 关键词 | 用例类型 | 加载能力 |\n|--------|---------|---------|\n| \"接口测试\"/\"API测试\" | 接口测试 | qa-api-testing |\n| \"Agent测试\"/\"智能体\" | Agent测试 | qa-agent-testing |\n| \"性能测试\"/\"压力测试\" | 性能测试 | qa-specialized-testing |\n| \"安全测试\"/\"渗透测试\" | 安全测试 | qa-specialized-testing |\n| 默认 | 功能测试 | 标准流程 |\n\n## 5. 平台专项识别\n\n| 关键词 | 平台类型 | 加载专项 |\n|--------|---------|---------|\n| \"移动端\"/\"App测试\" | 移动端App | platform-mobile-app.md |\n| \"小程序测试\" | 小程序 | platform-mini-program.md |\n| \"H5测试\"/\"移动Web\" | 移动Web | platform-mobile-web.md |\n| \"桌面端测试\" | 桌面应用 | platform-desktop.md |\n| \"Web测试\"/\"PC端\" | PC Web | platform-pc-web.md |\n| 默认 | 通用 | 无平台专项 |\n\n## 6. 可选增强流程\n\n根据用户需求和识别结果，可选择性调用：\n\n### 按用例类型\n```\n├─ 接口测试：qa-api-testing（识别到\"接口/API\"关键词）\n├─ Agent测试：qa-agent-testing（识别到\"Agent/智能体\"关键词）\n├─ 性能测试：qa-specialized-testing（识别到\"性能/压力\"关键词）\n└─ 安全测试：qa-specialized-testing（识别到\"安全/渗透\"关键词）\n```\n\n### 按平台类型\n```\n├─ 移动端App：加载 platform-mobile-app.md\n├─ 小程序：加载 platform-mini-program.md\n├─ 移动Web/H5：加载 platform-mobile-web.md\n├─ 桌面应用：加载 platform-desktop.md\n└─ PC Web：加载 platform-pc-web.md\n```\n\n### 按用户需求\n```\n├─ qa-test-estimation：工作量估算（用户需要排期时）\n├─ qa-exploratory-testing：探索式测试（需要深度探索时）\n├─ qa-expert-review：专家评审（需要质量把关时）\n└─ qa-tech-debt-management：技术债务评估（需要评估债务时）\n```\n\nFile v1.6.0:references/workflow-detail.md\n\n# 工作流详细执行指南\n\n> 本文档是 `SKILL.md` 中标准化工作流的详细展开，包含每步的输入/输出/执行内容/输出格式。\n> 需要在执行某步时遇到疑问时查阅，不作为主流程的直接执行指令。\n\n---\n\n## 第0步：需求文档解析\n\n```\n输入：用户提供的需求文档路径\n输出：完整的需求文档集合\n输出文件：需求文档集合（合并后的内容）\n\n执行内容：\n1. 读取主需求文档\n2. 解析文档中的索引引用\n3. 识别子模块需求文档路径\n4. 读取所有子模块需求文档\n5. 合并需求内容\n6. 构建完整的需求上下文\n\n处理逻辑：\nif 主文档包含索引引用:\n    for each 引用的子模块:\n        读取子模块需求文档\n        合并到需求上下文\nelse:\n    直接使用主文档内容\n```\n\n**关键检查点**：\n- 主文档是否包含对子模块的引用？\n- 引用的子模块文件是否存在？\n- 是否有遗漏的需求文档？\n\n---\n\n## 第1步：需求评审（qa-requirement-review）\n\n```\n输入：完整的需求文档集合（主文档+子模块）\n输出：需求评审报告\n输出文件：需求评审报告.md\n\n执行内容：\n1. 评审需求完整性\n2. 评审需求清晰性\n3. 评审需求一致性\n4. 评审可测试性\n5. 评审可实现性\n6. 输出问题清单\n\n输出格式：\n{\n  \"review_result\": \"通过/有条件通过/不通过\",\n  \"completeness\": {...},\n  \"clarity\": {...},\n  \"consistency\": {...},\n  \"testability\": {...},\n  \"feasibility\": {...},\n  \"issues\": [...]\n}\n```\n\n---\n\n## 第2步：需求解构（qa-req-deconstruction）\n\n```\n输入：需求文档\n输出：需求解构表\n输出文件：需求解构表.md\n\n执行内容：\n1. 提取显性需求\n2. 挖掘隐性需求\n3. 推导衍生需求\n4. 五维拆解（输入/操作/状态/输出/规则）\n\n输出格式：\n{\n  \"explicit_requirements\": [...],\n  \"implicit_requirements\": [...],\n  \"derived_requirements\": [...],\n  \"five_dimensions\": {...}\n}\n```\n\n---\n\n## 第3步：场景构建（并行执行3个技能）\n\n```\n输入：需求解构表\n输出：场景构建产物（并行）\n输出文件：风险评估.md、启发式清单.md、场景树.md\n\n并行执行：\n├─ qa-risk-intuition → 风险评估\n├─ qa-heuristic-checklist → 启发式清单\n└─ qa-scenario-tree → 场景树\n\n输出格式：\n{\n  \"risk_assessment\": {...},\n  \"heuristic_checklist\": {...},\n  \"scenario_tree\": {...}\n}\n```\n\n---\n\n## 第4步：深度设计（并行执行4个技能）\n\n```\n输入：场景树 + 风险评估\n输出：设计产物（并行）\n输出文件：边界清单.md、组合矩阵.md、状态转换图.md、领域模型.md\n\n并行执行：\n├─ qa-boundary-deep-dive → 边界清单\n├─ qa-combination-strategy → 组合矩阵\n├─ qa-state-transition → 状态转换图\n└─ qa-domain-modeling → 领域模型\n\n输出格式：\n{\n  \"boundary_analysis\": {...},\n  \"combination_strategy\": {...},\n  \"state_transition\": {...},\n  \"domain_model\": {...}\n}\n```\n\n---\n\n## 第5步：回归策略设计（qa-regression-testing）\n\n```\n输入：变更分析结果 + 风险评估 + 场景树\n输出：回归测试方案\n输出文件：回归策略.md\n\n执行内容：\n1. 确定回归级别（冒烟/核心/全量）\n2. 选择筛选策略（变更驱动/风险驱动/时间驱动）\n3. 生成回归用例清单\n4. 输出未覆盖的风险区域报告\n```\n\n---\n\n## 第6步：上下文工程（qa-ai-context-engineering）\n\n```\n输入：第1-5步所有输出\n输出：AI上下文包\n输出文件：AI上下文包.md\n\n执行内容：\n1. 打包所有分析结果\n2. 构建上下文金字塔\n3. 格式化为结构化输入\n\n输出格式：\n{\n  \"business_context\": {...},\n  \"functional_context\": {...},\n  \"technical_context\": {...},\n  \"output_requirements\": {...}\n}\n```\n\n---\n\n## 第7步：提示词生成（qa-ai-prompt-strategy）\n\n```\n输入：AI上下文包\n输出：优化后的提示词\n输出文件：AI提示词.md\n\n执行内容：\n1. 选择最佳提示词模式\n2. 注入上下文\n3. 生成最终提示词\n\n输出格式：\n{\n  \"prompt_mode\": \"结构化输出模式\",\n  \"final_prompt\": \"...\"\n}\n```\n\n⚠️ **不得跳过此步骤**\n\n---\n\n## 第8步：输出评审与补盲（qa-ai-output-critique + qa-ai-blindspot-compensation）\n\n```\n输入：AI生成的测试用例\n输出：评审后的测试用例\n输出文件：用例评审报告.md、盲区补偿用例.md\n\n执行内容：\n1. 六维评审（完整性/深度/风险/一致性/可实现性/冗余度）\n2. 假设挖掘\n3. 盲区补盲（时序/并发/资源/状态/数据/第三方）\n\n输出格式：\n{\n  \"review_result\": {...},\n  \"blindspot_compensation\": {...},\n  \"final_test_cases\": [...]\n}\n```\n\n⚠️ **不得跳过此步骤**\n\n---\n\n## 第9步：测试报告（qa-test-reporting）\n\n```\n输入：最终测试用例 + 过程数据\n输出：测试报告\n输出文件：测试报告.md、测试用例.csv\n\n执行内容：\n1. 生成测试用例清单\n2. 统计覆盖情况\n3. 标注风险区域\n4. 输出测试报告\n\n输出格式：\n{\n  \"test_case_summary\": {...},\n  \"coverage_statistics\": {...},\n  \"risk_areas\": [...],\n  \"test_report\": \"...\"\n}\n```\n\n---\n\n## 执行指令（速查）\n\n```\n 0. qa-input-validation                      → 输入验证报告.md\n 1. qa-requirement-review                     → 需求评审报告.md\n 2. qa-req-deconstruction                     → 需求解构表.md\n 3. [并行] qa-risk-intuition                  → 风险评估.md\n    [并行] qa-heuristic-checklist             → 启发式清单.md\n    [并行] qa-scenario-tree                   → 场景树.md\n 4. [并行] qa-boundary-deep-dive              → 边界清单.md\n    [并行] qa-combination-strategy            → 组合矩阵.md\n    [并行] qa-state-transition                → 状态转换图.md\n    [并行] qa-domain-modeling                 → 领域模型.md\n 5. qa-regression-testing                     → 回归策略.md\n 6. qa-ai-context-engineering                 → AI上下文包.md\n 7. qa-ai-prompt-strategy                     → AI提示词.md\n → [AI生成测试用例]                            → 测试用例_初版.csv\n 8. qa-ai-output-critique                     → 用例评审报告.md\n    qa-ai-blindspot-compensation              → 盲区补偿用例.md\n 9. qa-test-reporting                         → 测试报告.md、测试用例.csv\n10. qa-output-validation                      → 输出验证报告.md\n11. [可选] qa-expert-review                   → 专家评审报告.md\n```\n\nFile v1.6.0:skill-card.md\n\n## Description: <br>\nQa Test Skills turns requirement documents into traceable, structured test cases through a 12-step QA workflow covering functional, boundary, combination, regression, review, and reporting activities. <br>\n\nThis skill is ready for commercial/non-commercial use. <br>\n\n## Publisher: <br>\n[kokxi](https://clawhub.ai/user/kokxi) <br>\n\n### License/Terms of Use: <br>\nMIT-0 <br>\n\n\n## Use Case: <br>\nQA engineers, testers, product teams, and developers use this skill to transform PRDs, uploaded files, URLs, or direct requirement descriptions into structured test cases, coverage reports, risk areas, and test reports. It is intended for workflows that need traceable requirements coverage and AI-assisted review of testing gaps. <br>\n\n### Deployment Geography for Use: <br>\nGlobal <br>\n\n## Known Risks and Mitigations: <br>\nRisk: The skill may read referenced requirement files, linked subdocuments, directories, and user-provided URLs during QA analysis. <br>\nMitigation: Use explicit paths and avoid broad or sensitive directories unless those documents are intended for QA analysis. <br>\nRisk: Generated test guidance can miss context or introduce misleading coverage conclusions if the supplied requirements are incomplete. <br>\nMitigation: Review the generated coverage report, risk areas, and validation report before using the test cases for release decisions. <br>\n\n\n## Reference(s): <br>\n- [ClawHub skill page](https://clawhub.ai/kokxi/skills/qa-test-skills) <br>\n- [Enforcement rules](references/enforcement.md) <br>\n- [Output format and checklist](references/format.md) <br>\n- [Input routing rules](references/routing.md) <br>\n- [Workflow detail](references/workflow-detail.md) <br>\n\n\n## Skill Output: <br>\n**Output Type(s):** [Text, Markdown, CSV, Guidance] <br>\n**Output Format:** [Markdown reports, CSV test cases, and structured JSON-style analysis blocks] <br>\n**Output Parameters:** [1D] <br>\n**Other Properties Related to Output:** [Outputs are expected to include traceability identifiers for test cases, requirements, and scenarios.] <br>\n\n## Skill Version(s): <br>\n1.6.0 (source: frontmatter and server release metadata) <br>\n\n## Ethical Considerations: <br>\nUsers should evaluate whether this skill is appropriate for their environment, review any generated or modified files before relying on them, and apply their organization's safety, security, and compliance requirements before deployment. <br>\n\nArchive v1.3.0: 3 files, 3889 bytes\n\nFiles: skill-card.md (2017b), SKILL.md (5609b), _meta.json (133b)\n\nFile v1.3.0:SKILL.md\n\n---\nname: qa-test-skills\ndescription: 48个专家级测试技能集合，覆盖测试全生命周期。从需求分析到测试设计、AI协作、执行监控、质量度量，让初级测试人员输出专家级测试用例。\nwhen_to_use: 用户说\"软件测试\"、\"测试用例\"、\"测试设计\"、\"AI测试\"、需要完整的测试设计能力时\nallowed-tools: Read Grep Glob\nrelated_skills:\n  all_skills:\n    - qa-test-workflow           # 主工作流编排\n    - qa-requirement-review      # 需求评审\n    - qa-req-deconstruction      # 需求解构\n    - qa-scenario-tree           # 场景树构建\n    - qa-boundary-deep-dive      # 边界深度分析\n    - qa-test-case-design        # 测试用例设计\n    - qa-ai-context-engineering  # 上下文工程\n    - qa-ai-output-critique      # 输出评审\n    - qa-api-testing             # 接口测试\n    - qa-agent-testing           # Agent测试\n    - qa-mobile-testing          # 移动端测试\n    - qa-specialized-testing     # 专项测试\n    - qa-test-strategy-design    # 测试策略\n    - qa-quality-metrics         # 质量度量\n    - qa-test-reporting          # 测试报告\ninput_format: 用户需求描述或需求文档\noutput_format: 完整的测试用例集 + 测试报告\n---\n\n# QA Test Skills - 软件测试技能集\n\n## 技能集概述\n\n这是一个包含48个专家级测试技能的完整集合，覆盖测试全生命周期。\n\n## 核心价值\n\n- **零学习成本**：用户无需改变现有习惯\n- **专家级输出**：资深测试经验编码为可加载技能\n- **完整追溯链**：需求→场景→用例→评审，全程可追溯\n- **防止AI泛化**：限制AI读取代码，确保测试用例基于需求文档\n\n## 技能分类\n\n### AI协作（6个）\n- **qa-ai-context-engineering**：构建AI测试上下文\n- **qa-ai-prompt-strategy**：AI测试提示词策略\n- **qa-ai-output-critique**：AI输出评审与补全\n- **qa-ai-blindspot-compensation**：AI盲区补偿\n- **qa-input-validation**：输入验证\n- **qa-output-validation**：输出验证\n\n### 需求分析（4个）\n- **qa-requirement-review**：需求评审\n- **qa-req-deconstruction**：需求解构与显隐式挖掘\n- **qa-scenario-tree**：场景树构建\n- **qa-domain-modeling**：领域建模\n\n### 深度设计（4个）\n- **qa-boundary-deep-dive**：边界深度分析\n- **qa-combination-strategy**：组合测试策略\n- **qa-state-transition**：状态转换测试\n- **qa-heuristic-checklist**：启发式检查清单\n\n### 执行洞察（4个）\n- **qa-execution-observation**：执行观察力\n- **qa-bug-root-cause-analysis**：Bug根因分析\n- **qa-bug-reporting**：Bug报告编写\n- **qa-expert-review**：专家评审与元学习\n\n### 策略架构（13个）\n- **qa-test-strategy-design**：测试策略制定\n- **qa-release-risk-governance**：发布风险管理\n- **qa-quality-metrics**：质量度量体系\n- **qa-ci-cd-testing**：持续测试实践\n- **qa-test-automation-arch**：测试自动化架构\n- **qa-tech-selection**：测试技术选型\n- **qa-test-env-data**：测试环境与数据管理\n- **qa-test-data-engineering**：测试数据工程\n- **qa-testability-advocacy**：可测试性推动\n- **qa-shift-left**：测试左移实践\n- **qa-shift-right**：测试右移实践\n- **qa-test-leadership**：测试领导力\n- **qa-test-reporting**：测试报告编写\n\n### 沟通传承（4个）\n- **qa-stakeholder-communication**：干系人沟通\n- **qa-code-review-for-test**：测试视角的代码评审\n- **qa-team-coaching**：团队赋能\n- **qa-retrospective**：复盘与经验沉淀\n\n### 专项测试（8个）\n- **qa-api-testing**：接口测试专项\n- **qa-mobile-testing**：移动端测试\n- **qa-agent-testing**：AI Agent测试\n- **qa-specialized-testing**：专项测试能力\n- **qa-exploratory-testing**：探索式测试\n- **qa-tech-debt-management**：技术债务管理\n- **qa-test-estimation**：测试工作量估算\n- **qa-defect-lifecycle**：缺陷生命周期管理\n\n### 测试设计（4个）\n- **qa-test-case-design**：测试用例设计\n- **qa-critical-thinking**：测试批判性思维\n- **qa-question-framework**：提问框架\n- **qa-risk-intuition**：风险直觉与优先级判断\n\n### 主工作流（1个）\n- **qa-test-workflow**：测试工作流编排，自动串联所有技能\n\n## 使用方式\n\n### 方式1：使用主工作流（推荐）\n```\n请帮我测试这个项目：[需求文档路径]\n```\n\n### 方式2：单独使用技能\n```\n帮我分析这个场景的边界：[场景描述]\n帮我设计测试用例：[需求描述]\n```\n\n### 方式3：批量安装所有技能\n```bash\n# 使用安装脚本\n./install-skills.sh\n```\n\n## 安装说明\n\n### 从GitHub安装\n```bash\ngit clone https://github.com/Kokxi/qa-test-skills.git\n/plugin dir ./qa-test-skills\n```\n\n### 从ClawHub安装\n```bash\n# 安装主工作流\nclawhub install @kokxi/qa-test-workflow\n\n# 安装其他技能\nclawhub install @kokxi/qa-requirement-review\nclawhub install @kokxi/qa-req-deconstruction\n# ... 其他技能\n```\n\n### 一键安装所有技能\n```bash\n# 运行批量安装脚本\n./install-all-skills.sh\n```\n\n## 技能协作关系\n\n```\n用户输入 → 输入验证 → 需求评审 → 需求解构 → 场景构建 → 深度设计 → 上下文工程 → 提示词生成 → AI生成 → 输出评审 → 盲区补盲 → 测试报告\n```\n\n## 示例项目\n\n详见 `examples/ecommerce-project/` 目录下的完整示例。\n\n## 联系方式\n\n- **GitHub**: https://github.com/Kokxi/qa-test-skills\n- **Issues**: https://github.com/Kokxi/qa-test-skills/issues\n- **Email**: no19@foxmail.com\n\nFile v1.3.0:_meta.json\n\n{\n  \"ownerId\": \"kn71y9b23csfx0ykgm55d5m9x5891zt8\",\n  \"slug\": \"qa-test-skills\",\n  \"version\": \"1.3.0\",\n  \"publishedAt\": 1781963318275\n}\n\nFile v1.3.0:skill-card.md\n\n## Description: <br>\nA collection of 48 expert software testing skills that supports the full testing lifecycle, from requirements analysis and test design to AI collaboration, execution monitoring, quality metrics, test cases, and reports. <br>\n\nThis skill is ready for commercial/non-commercial use. <br>\n\n## Publisher: <br>\n[kokxi](https://clawhub.ai/user/kokxi) <br>\n\n### License/Terms of Use: <br>\nMIT-0 <br>\n\n\n## Use Case: <br>\nQA practitioners, developers, and test leads use this skill to turn requirements or project files into structured testing workflows, test-case sets, scenario analysis, and testing reports. <br>\n\n### Deployment Geography for Use: <br>\nGlobal <br>\n\n## Known Risks and Mitigations: <br>\nRisk: The artifact references external GitHub install scripts and repository content that are not included in this release artifact. <br>\nMitigation: Inspect any external repository files or scripts before running them, especially installation scripts. <br>\nRisk: Generated test cases or reports may miss product-specific constraints or misread incomplete requirements. <br>\nMitigation: Review outputs against the source requirements and project context before using them for release decisions. <br>\n\n\n## Reference(s): <br>\n- [ClawHub skill page](https://clawhub.ai/kokxi/qa-test-skills) <br>\n\n\n## Skill Output: <br>\n**Output Type(s):** [guidance, markdown, shell commands] <br>\n**Output Format:** [Markdown with optional inline shell commands] <br>\n**Output Parameters:** [1D] <br>\n**Other Properties Related to Output:** [Produces QA workflow guidance, test-case sets, and testing reports from user-provided requirements or project materials.] <br>\n\n## Skill Version(s): <br>\n1.3.0 (source: server release metadata) <br>\n\n## Ethical Considerations: <br>\nUsers should evaluate whether this skill is appropriate for their environment, review any generated or modified files before relying on them, and apply their organization's safety, security, and compliance requirements before deployment. <br>","readmeExcerpt":"Skill: qa-test-skills Owner: kokxi Summary: 从需求文档自动生成结构化测试用例，覆盖功能测试、边界分析、组合测试和回归测试全流程。自动串联48个专家级子技能，按12步工作流编排执行。适用于：上传需求文档（PRD/Word/PDF/URL）需要完整测试用例时、不知道如何设计测试场景或担心遗漏边界条件时、需要AI评审测试输出并补充测试盲区时。每个步骤都有独立技能支撑，输出格式统一、需求可追溯、覆盖率可量化。 触发场景：生成测试用例、帮我测试、设计测试、上传需求、开始测试、获取安装指引时。 Use when the user asks about: generating structured test cases from a PRD, Word, PDF, or URL through an orchestrated workflow covering functional, boundar","codeSnippets":[],"executableExamples":[{"language":"bash","snippet":"> # 推荐：一次安装全套（skills.sh）\n> npx skills add Kokxi/qa-test-skills\n>\n> # 或手动：复制 skills/ 目录下 49 个子目录到 Agent 的 skills 目录\n> cp -r qa-test-skills/skills/* ~/.claude/skills/   # Claude Code\n>"},{"language":"bash","snippet":"python scripts/validate_testcase_table.py test-output/测试用例.csv"},{"language":"text","snippet":"├─ 接口测试：qa-api-testing（识别到\"接口/API\"关键词）\n├─ Agent测试：qa-agent-testing（识别到\"Agent/智能体\"关键词）\n├─ 性能测试：qa-specialized-testing（识别到\"性能/压力\"关键词）\n└─ 安全测试：qa-specialized-testing（识别到\"安全/渗透\"关键词）"},{"language":"text","snippet":"├─ 移动端App：加载 qa-mobile-testing/references/platform-mobile-app.md\n├─ 小程序：加载 qa-mobile-testing/references/platform-mini-program.md\n├─ 移动Web/H5：加载 qa-mobile-testing/references/platform-mobile-web.md\n├─ 桌面应用：加载 qa-mobile-testing/references/platform-desktop.md\n└─ PC Web：加载 qa-mobile-testing/references/platform-pc-web.md"},{"language":"text","snippet":"├─ qa-test-estimation：工作量估算（用户需要排期时）\n├─ qa-exploratory-testing：探索式测试（需要深度探索时）\n├─ qa-expert-review：专家评审（需要质量把关时）\n└─ qa-tech-debt-management：技术债务评估（需要评估债务时）"},{"language":"text","snippet":"请帮我测试这个项目：examples/ecommerce-project/docs/prd.md"}],"parameters":null,"dependencies":[],"permissions":[],"extractedFiles":[{"path":"SKILL.md","content":"---\nname: qa-test-skills\ndescription: >-\n  从需求文档自动生成结构化测试用例，覆盖功能测试、边界分析、组合测试和回归测试全流程。自动串联48个专家级子技能，按12步工作流编排执行。适用于：上传需求文档（PRD/Word/PDF/URL）需要完整测试用例时、不知道如何设计测试场景或担心遗漏边界条件时、需要AI评审测试输出并补充测试盲区时。每个步骤都有独立技能支撑，输出格式统一、需求可追溯、覆盖率可量化。 触发场景：生成测试用例、帮我测试、设计测试、上传需求、开始测试、获取安装指引时。 Use when the user asks about: generating structured test cases from a PRD, Word, PDF, or URL through an orchestrated workflow covering functional, boundary, combination, and regression testing.\nlicense: MIT\nallowed-tools: Read Grep Glob WebFetch Bash\nmetadata:\n  display-name: \"QA Test Skills\"\n  version: \"1.8.0\"\n  disable-model-invocation: \"false\"\n  when-to-use: \"用户说\\\"生成测试用例\\\"、\\\"帮我测试\\\"、\\\"设计测试\\\"、\\\"上传需求\\\"、\\\"开始测试\\\"、上传需求文档/URL时自动激活， 需要完整测试流程时，想浏览技能集目录、了解QA Test Skills包含哪些技能、查看技能分类说明、获取安装指引时\"\n  related-skills: \"{\\\"all_skills\\\":[\\\"qa-input-validation\\\",\\\"qa-requirement-review\\\",\\\"qa-req-deconstruction\\\",\\\"qa-risk-intuition\\\",\\\"qa-heuristic-checklist\\\",\\\"qa-scenario-tree\\\",\\\"qa-boundary-deep-dive\\\",\\\"qa-combination-strategy\\\",\\\"qa-state-transition\\\",\\\"qa-domain-modeling\\\",\\\"qa-regression-testing\\\",\\\"qa-ai-context-engineering\\\",\\\"qa-ai-prompt-strategy\\\",\\\"qa-ai-output-critique\\\",\\\"qa-ai-blindspot-compensation\\\",\\\"qa-output-validation\\\",\\\"qa-test-reporting\\\",\\\"qa-agent-testing\\\",\\\"qa-expert-review\\\",\\\"qa-api-testing\\\",\\\"qa-mobile-testing\\\",\\\"qa-specialized-testing\\\",\\\"qa-exploratory-testing\\\",\\\"qa-tech-debt-management\\\",\\\"qa-test-estimation\\\",\\\"qa-bug-lifecycle\\\",\\\"qa-bug-reporting\\\",\\\"qa-bug-root-cause-analysis\\\",\\\"qa-execution-observation\\\",\\\"qa-ci-cd-testing\\\",\\\"qa-code-review-for-test\\\",\\\"qa-critical-thinking\\\",\\\"qa-question-framework\\\",\\\"qa-test-case-design\\\",\\\"qa-test-strategy-design\\\",\\\"qa-release-risk-governance\\\",\\\"qa-quality-metrics\\\",\\\"qa-test-automation-arch\\\",\\\"qa-tech-selection\\\",\\\"qa-testability-advocacy\\\",\\\"qa-test-data-engineering\\\",\\\"qa-test-env-data\\\",\\\"qa-shift-left\\\",\\\"qa-shift-right\\\",\\\"qa-test-leadership\\\",\\\"qa-stakeholder-communication\\\",\\\"qa-team-coaching\\\",\\\"qa-retrospective\\\"]}\"\n  references: \"[\\\"references/depth-benchmarks.md\\\",\\\"references/enforcement.md\\\",\\\"references/format.md\\\",\\\"references/routing.md\\\",\\\"references/workflow-detail.md\\\"]\"\n  input-format: \"{\\\"required\\\":[{\\\"name\\\":\\\"用户需求\\\",\\\"type\\\":\\\"string\\\",\\\"description\\\":\\\"用户的需求描述，可以是文字、文件路径或URL\\\"}],\\\"optional\\\":[{\\\"name\\\":\\\"附件\\\",\\\"type\\\":\\\"file\\\",\\\"description\\\":\\\"上传的需求文档\\\"},{\\\"name\\\":\\\"URL\\\",\\\"type\\\":\\\"string\\\",\\\"description\\\":\\\"需求文档链接\\\"}]}\"\n  output-format: \"{\\\"structure\\\":[{\\\"test_cases\\\":\\\"测试用例列表\\\"},{\\\"coverage_report\\\":\\\"覆盖率报告\\\"},{\\\"risk_areas\\\":\\\"风险区域\\\"},{\\\"test_report\\\":\\\"测试报告\\\"}],\\\"traceability\\\":[\\\"每个测试用例带唯一ID（TC_{模块缩写}_{功能缩写}_{序号}，如 TC_API_LOGIN_001）\\\",\\\"关联需求ID（REQ-XXXX）\\\",\\\"关联场景ID（SC-XXXX）\\\"]}\"\n---\n\n# QA Test Skills — 测试工作流编排引擎\n\n> ⚠️ **本技能集共 49 个技能（本入口 + 48 个子技能）**。\n> 本入口技能安装后，请补充安装其余 48 个子技能以获得完整 12 步工作流体验：\n>\n> ```bash\n> # 推荐：一次安装全套（skills.sh）\n> npx skills add Kokxi/qa-test-skills\n>\n> # 或手动：复制 skills/ 目录下 49 个子目录到 Agent 的 skills 目录\n> cp -r qa-test-skills/skills/* ~/.claude/skills/   # Claude Code\n> "},{"path":"_meta.json","content":"{\n  \"ownerId\": \"kn71y9b23csfx0ykgm55d5m9x5891zt8\",\n  \"slug\": \"qa-test-skills\",\n  \"version\": \"1.8.0\",\n  \"publishedAt\": 1790655877064\n}"},{"path":"references/depth-benchmarks.md","content":"# 深度量化基准来源说明\n\n> 本文档说明各 skill 元数据中 `metadata.depth-requirement` 的 reference_value 乘数基准（简单×N / 中等×N / 复杂×N）来源，让 AI 执行时能判断该按哪个乘数生成，也让新人理解乘数背后的逻辑。\n\n## 一、为什么需要深度量化基准\n\nAI 执行测试技能时面临一个两难：\n\n- **乘数过低** → 输出偷懒（如风险评估只识别 2 个风险点就收工）\n- **乘数过高** → 过度设计（如简单 CRUD 功能强制生成 7 层边界分析）\n\n`reference_value` 的乘数就是给 AI 的\"档位标尺\"：根据需求复杂度选择对应深度档位，避免输出过浅或过深。\n\n## 二、乘数档位的来源\n\n这些乘数不是凭空拍的，而是基于三个来源的交叉校准：\n\n### 来源 1：测试行业经验基准\n\n来自一线测试团队的历史数据回溯（约 200+ 项目迭代）：\n\n| 复杂度档位 | 典型特征 | 测试点密度（个/需求点） |\n|-----------|---------|----------------------|\n| 简单 | 单表 CRUD、静态展示、无外部依赖 | 1-2 |\n| 中等 | 多表关联、有业务规则、1-2 个集成点 | 2-3 |\n| 复杂 | 状态机、并发、分布式、资金/安全链路 | 3-4+ |\n\n**对应到 reference_value**：\n- `简单×1 / 中等×2 / 复杂×3` ← 基础产出型 skill（如 bug-reporting、ci-cd-testing）\n- `简单×2 / 中等×3 / 复杂×4` ← 深度分析型 skill（如 boundary-deep-dive、req-deconstruction）\n- `简单×3 / 中等×5 / 复杂×7` ← 认知质疑型 skill（如 critical-thinking、question-framework）\n\n### 来源 2：与 `minimum` 字段的倍数关系\n\n每个 skill 同时声明了 `minimum`（最小输出量）和 `reference_value`（档位基准）。两者的倍数关系约束了乘数不能随意调：\n\n- `minimum` 通常是\"简单档位 ×1\"的下限\n- \"中等档位\"至少是\"简单档位\"的 2 倍\n- \"复杂档位\"至少是\"简单档位\"的 3 倍\n\n如果某 skill 的 `minimum` 是\"至少识别 5 个风险点\"，那么：\n- 简单档位 ≈ 5（×1）\n- 中等档位 ≈ 10（×2）\n- 复杂档位 ≈ 15（×3）\n\n### 来源 3：同类 skill 的横向对齐\n\n同类 skill 的乘数档位保持一致，避免用户在 skill 之间切换时产生深度落差：\n\n| skill 类别 | 典型 skill | 档位模式 |\n|-----------|-----------|---------|\n| 认知质疑型 | qa-critical-thinking, qa-question-framework, qa-scenario-tree | ×3 / ×5 / ×7 |\n| 深度分析型 | qa-boundary-deep-dive, qa-req-deconstruction, qa-test-case-design, qa-domain-modeling, qa-state-transition | ×2 / ×3 / ×4 |\n| 基础产出型 | 多数专项测试、执行洞察、沟通传承类 | ×1 / ×2 / ×3 |\n\n## 三、乘数不是硬约束，是建议档位\n\n⚠️ **重要**：`reference_value` 是**建议档位**，不是硬性要求。\n\n- AI 应当根据**实际需求复杂度**判断属于简单/中等/复杂哪一档，再按对应乘数生成\n- 如果需求明显是\"复杂\"档但用户只要求\"简单\"输出深度，以用户要求为准\n- `minimum` 是**硬下限**（必须达到），`reference_value` 是**软建议**（推荐达到）\n\n## 四、复杂度档位判定指引\n\nAI 在执行 skill 前，先判定需求属于哪个复杂度档位：\n\n### 简单档（×1 基准）\n\n- 单表 CRUD、静态展示\n- 无外部依赖、无并发、无状态流转\n- 历史缺陷率低、用户量小\n\n### 中等档（×2 基准）\n\n- 多表关联、有业务规则\n- 1-2 个外部集成点\n- 有基础的状态流转（如订单状态机）\n- 中等用户量、偶尔出问题\n\n### 复杂档（×3 基准）\n\n- 资金/安全/核心链路\n- 并发、分布式、状态机复杂\n- 多个外部依赖、数据契约敏感\n- 高用户量、历史缺陷多发\n\n## 五、基准的可挑战性\n\n这些乘数基准基于 2026 年上半年的项目数据回溯，**不是永恒真理**：\n\n- 如果你的团队历史数据表明\"简单功能其实需要 ×2 深度\"，可以调整\n- 如果某个 skill 的乘数导致输出过度或不足，欢迎提 issue 反馈\n- 基准会随项目迭代和数据积累持续校准\n\n---\n\n**相关文档**：\n- [`references/enforcement.md`](enforcement.md) — 强制执行要求\n- [`references/workflow-detail.md`](workflow-detail.md) — 工作流详细执行指南"},{"path":"references/enforcement.md","content":"# 强制执行要求\n\n**⚠️ 重要：agent必须严格按照以下要求执行，不得跳过任何步骤**\n\n---\n\n## 全局限制\n\n- **默认禁止读取代码**：整个技能集使用期间，默认禁止AI读取代码实现\n- **目的**：防止AI偷懒根据代码生成测试用例，确保测试用例验证需求而非代码实现\n- **例外情况**：仅在特定技能（如代码评审、Bug根因分析）中明确允许读取代码\n\n---\n\n## 1. skill加载 ≠ skill执行\n\n- **要求**：加载技能后，必须执行技能要求的实际分析，并产出具体输出\n- **禁止**：仅加载技能SKILL.md而不执行分析\n- **验证**：每个步骤必须有明确的输出文件或报告\n\n## 2. 任务创建 ≠ 任务执行\n\n- **要求**：创建任务后，必须执行任务并产出实际内容\n- **禁止**：仅创建任务标记完成而不执行\n- **验证**：任务完成后必须检查是否有实际产出\n\n## 3. actor调用失败必须重试\n\n- **要求**：actor调用失败后，必须修复参数并重试\n- **禁止**：actor失败后跳过步骤\n- **重试策略**：修复参数格式 → 重新调用 → 验证结果\n\n## 4. 必须按顺序执行所有步骤\n\n- **要求**：严格按照工作流顺序执行，不跳过任何步骤\n- **禁止**：跳过步骤7（提示词生成）直接生成用例\n- **验证**：每个步骤完成后必须有明确的输出\n\n## 5. 输出评审是必须步骤\n\n- **要求**：生成用例后，必须执行qa-ai-output-critique和qa-ai-blindspot-compensation\n- **禁止**：将\"生成用例\"视为最终目标\n- **验证**：评审完成后必须有评审报告和盲区补偿用例"},{"path":"references/format.md","content":"# 标准化输出模板与检查清单\n\n## 1. 表格格式（Markdown）\n\n```markdown\n| 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|---------|---------|---------|---------|---------|---------|---------|---------|---------|\n| TC_XXX_001 | 功能测试 | 模块名 | 标题描述 | P0 | 条件描述 | 步骤1;步骤2;步骤3 | 结果描述 | 高 |\n```\n\n## 2. 用例编号规则\n\n```\n格式：TC_{模块缩写}_{功能缩写}_{序号}\n示例：\n- TC_USER_LOGIN_001     用户模块-登录-第1条\n- TC_ORDER_PAY_002      订单模块-支付-第2条\n- TC_API_LOGIN_003      接口-登录-第3条\n```\n\n## 3. 用例级别定义\n\n| 级别 | 说明 | 占比建议 |\n|------|------|---------|\n| P0 | 关键：核心业务流程 | ≤20% |\n| P1 | 重要：主要功能 | ≤40% |\n| P2 | 一般：次要功能 | ≤30% |\n| P3 | 可选：边缘场景 | ≤10% |\n\n## 4. 生成后自查\n\n```\n用例生成完成后，自动执行自查：\n\n1. 完整性检查\n   - [ ] 功能点是否覆盖（按现有需求文档口径）？\n   - [ ] 异常场景是否覆盖？\n   - [ ] 边界条件是否覆盖？\n   - [ ] 安全场景是否覆盖？\n\n2. 质量检查\n   - [ ] 用例标题是否清晰？\n   - [ ] 预置条件是否完整？\n   - [ ] 测试步骤是否可执行？\n   - [ ] 预期结果是否可验证？\n\n3. 规范检查\n   - [ ] 用例编号是否规范？\n   - [ ] 用例级别是否合理？\n   - [ ] 风险等级是否准确？\n   - [ ] 输出格式是否标准？\n\n4. 平台检查（如有平台专项）\n   - [ ] 平台特性是否覆盖？\n   - [ ] 兼容性是否考虑？\n   - [ ] 性能是否验证？\n   - [ ] 用户体验是否评估？\n```\n\n## 5. 覆盖率要求\n\n> ⚠️ 覆盖率必须标注口径：覆盖的是**现有需求文档**，不得使用\"全覆盖\"\"100%\"等绝对化表述\n> （见入口工作流 SKILL.md 的\"覆盖率与缺口诚实性硬约束\"）；缺失模块只能标注\"未覆盖+原因\"。\n\n| 维度 | 覆盖率要求 |\n|------|-----------|\n| 功能覆盖率 | 100%需求点（基于现有需求文档） |\n| P0用例 | 100%覆盖（P0 核心流程，现有需求范围内） |\n| 异常场景 | ≥30%用例 |\n| 边界场景 | ≥10%用例 |"}],"languages":[],"docsSourceLabel":"CLAWHUB","editorialOverview":"从需求文档自动生成结构化测试用例，覆盖功能测试、边界分析、组合测试和回归测试全流程。自动串联48个专家级子技能，按12步工作流编排执行。适用于：上传需求文档（PRD/Word/PDF/URL）需要完整测试用例时、不知道如何设计测试场景或担心遗漏边界条件时、需要AI评审测试输出并补充测试盲区时。每个步骤都有独立技能支撑，输出格式统一、需求可追溯、覆盖率可量化。 触发场景：生成测试用例、帮我测试、设计测试、上传需求、开始测试、获取安装指引时。 Use when the user asks about: generating structured test cases from a PRD, Word, PDF, or URL through an orchestrated workflow covering functional, boundary, combination, and regression testing. Skill: qa-test-skills Owner: kokxi Summary: 从需求文档自动生成结构化测试用例，覆盖功能测试、边界分析、组合测试和回归测试全流程。自动串联48个专家级子技能，按12步工作流编排执行。适用于：上传需求文档（PRD/Word/PDF/URL）需要完整测试用例时、不知道如何设计测试场景或担心遗漏边界条件时、需要AI评审测试输出并补充测试盲区时。每个步骤都有独立技能支撑，输出格式统一、需求可追溯、覆盖率可量化。 触发场景：生成测试用例、帮我测试、设计测试、上传需求、开始测试、获取安装指引时。 Use when the user asks about: generating structured test cases from a PRD, Word, PDF, or URL through an orchestrated workflow covering functional, boundar","editorialQuality":{"score":100,"threshold":65,"status":"ready","wordCount":860,"uniquenessScore":53,"reasons":[]}},"media":{"evidence":{"source":"no-media","verified":false,"confidence":"low","updatedAt":"2026-10-11T22:52:02.596Z","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":"2026-10-11T22:52:02.596Z","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":"2026-10-12T15:16:42.930Z","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"}]}}}