从脚本到Skills（一）

关注 霍格沃兹软件测试开发 公众号，回复「资料」, 领取人工智能测试开发技术合集 最近测试圈子里讨论最多的一件事：某大厂测试团队用AI自动生成接口测试脚本，结果线上事故翻了一倍。 不是AI不努力。脚本写得快，覆盖率高，执行也稳。但漏测的case，全是那些“脚本里没写到”的场景——参数组合异常、状态机跳变、业务规则冲突。 很多人已经开始感觉到：AI能帮你写脚本，但写什么脚本，AI还不行。 这还不是最焦虑的。更让人不安的是，另一家公司的测试负责人公开分享了一个案例：他们让AI做回归测试的用例扩写，AI把登录模块的200个用例扩到了800个，覆盖率从65%涨到92%，但缺陷发现率反而下降了。 因为AI在重复验证同一个逻辑，而不是在探索未知风险。 这件事的本质，不是AI能力不够，而是我们用错了AI。 我们现在给AI的指令，本质上还是在让它“执行测试”——写断言、发请求、比对结果。但真正值钱的测试能力，从来不是执行，而是判断：测哪里、怎么测、什么时候该停下来。 这就引出了今天想聊的核心问题：测试智能体的下一步，必须从“告诉AI测什么”转向“让AI学会如何测”。 目录 一、现象：脚本越写越快，漏测越来越多 二、本质变化：测试决策权正在从人转移到模型 三、核心机制拆解：Skills框架下的测试智能体 四、典型案例对比：硬编码脚本 vs Skill-based智能体 五、工程落地启示：你现在就该做的三件事 六、留给你的一个问题 一、现象：脚本越写越快，漏测越来越多 过去一年，测试行业最直观的变化是：写脚本的效率提升了5到10倍。 用Copilot生成API测试代码，用ChatGPT写UI自动化断言，用各类AI工具补全测试数据——这些已经成为常态。 但诡异的是，缺陷逃逸率并没有下降。 我最近复盘了三个不同行业的测试团队数据： 金融支付团队：脚本产出量涨了3倍，P0级漏测没变 电商交易链路：自动化覆盖从40%涨到80%，但线上故障次数反而上升了20% SaaS产品：测试用例数翻倍，但客户报的bug类型跟半年前一模一样 问题的根因不复杂：AI加速的是“已知问题的自动化验证”，而不是“未知风险的探测”。 传统模式下，测试人员花60%时间写脚本，40%时间思考策略。现在AI把写脚本的时间压缩到10%，但很多人把省出来的时间又拿去写更多脚本，而不是做策略思考