你的同事已经用Skill写测试用例了 二

三、核心技术拆解：Skill不是提示词，是工作流Skill，Claude在2025年10月推出的功能。很多人以为是又一个“AI新特性”，但其实是把提示词从“瞬态输入”变成了“复用资产”。别用错位简化理解它。简单说，Skill就是在~/.claude/skills/目录下放一个Markdown文件，把常用提示词、工作流程、代码规范都写进去。需要的时候@skill一下就能调用。手写提示词的痛点很明显。每次从文档复制粘贴，一天下来半小时没了。长对话到20轮，Claude Code会忘你最初提过什么。Skill一次性解决了这些：Git管理版本、团队仓库同步、对话再长也不会失效。结构上，Skill采用“三层渐进式披露”。Claude启动时只预加载技能名称和描述，几乎不占上下文窗口。判断相关时再加载完整指令，必要时调脚本。所以Skill里塞再多内容，也不会撑爆上下文。那Skill和MCP什么关系？MCP是协议，管AI怎么以统一方式调用外部工具和服务。Skill封装做事方法——教AI怎么处理特定任务。二者配合使用，不是二选一。一个测试用例生成Skill典型有五个模块：多模态理解、质量预审、测试设计方法叠加、记忆进化，以及输出格式化。按顺序执行，每一步的输出是下一步的输入。不是简单需求扔给LLM出用例。这四个测试设计方法的核心顺序：等价类划分：把输入分成有效和无效区间，不遗漏不重叠 边界值分析：上限、下限、临界点，精确计算，不是靠感觉“试试边界” 场景法：基本流、备选流、异常流，覆盖业务主干和每条分支 错误推测：高风险模块重点补特殊字符、极端值、并发场景很多AI工具输出的用例，本质就是把需求复述一遍，加个“验证一下是否正确”。这不叫测试设计，叫翻译。四、对照组：手撸用例 vs Skill生成的真实差距一份中等复杂度的需求，人工写用例快的两小时，慢的大半天。Skill在3分钟内生成完整结构用例。但速度不是核心差别。真正的差别在于：一致性和覆盖面。 最值得关注的不是“AI能不能做”，而是“做出来的质量已经逼近甚至超过平均水平”。深圳一家厂商的AI测试产品，AI生成测试案例采纳率接近60%。过半数用例AI生成直接可用，测试设计的工作就从“从零设计”变成“审核+补充”。可以被截图传播的观点句：测试设计不是翻译需求，而是构造有效验证。人工智能技术学习交流群