上个月技术复盘会,老板突然问了一个让所有测试组长后背发凉的问题:
“听说隔壁团队搞了一套什么Skills库,手工测试量直接砍掉30%?我们什么时候也能这样?”
会议室安静了三秒。
没人敢接话。因为大家心里清楚,自己团队还在手工点来点去,偶尔写几个半自动脚本。隔壁的“Skills库”三个字,像一根刺扎在每个人心里。
会后我专门去聊了一下。隔壁测试负责人很坦诚:不是什么黑科技。就是把团队最常做的20个手工操作,写成了AI能调用的Skill。现在测试人员只需要说人话,AI就自动把数据造好、环境配好、断言写好、报告发好。
不是人变强了。是Skill让AI变强了。
今天把这套方法论拆开,不讲概念,直接讲怎么建、怎么用、效果怎么来的。
目录
一、手工测试的30%到底去哪了 二、Skill不是技术债,是能力复用 三、Skill库的三层架构 四、一个真实的效果对比 五、从0到1搭建你的第一个Skill库 六、Skill库会成为测试团队的“军火库”
一、手工测试的30%到底去哪了
先看一个真实数据。
某中型互联网公司的测试团队,12个人,每月投入约1800人时。做了三个月Skill库建设后,同样12个人,同样的业务量,手工测试时长降到了1260人时。
省下来的540人时去哪了?不是裁员,是把人从“搬砖”里解放出来,去做探索性测试、风险分析、流程优化。
省在哪几个环节?
数据准备。以前测一个下单流程,需要手工构造不同状态的用户、不同折扣的商品、不同时效的地址。一个场景准备5分钟,一天跑20个场景就是100分钟。现在Skill自动生成,10秒。
环境切换。测完测试环境要切预发,换配置、改hosts、重启服务。一套下来10分钟。现在Skill一键切换,5秒。
结果验证。跑完用例要看日志、查数据库、比对响应。以前人力翻,现在Skill自动聚合,3秒出报告。
缺陷复现。发现一个偶现Bug,以前要记下操作步骤,手工复现。现在AI Agent录屏+自动回放,一键复现。
这些环节加起来,占一个测试工程师日常时间的30%到40%。不是技术含量高的活,是体力活。
Skill做的事:把这些体力活封装成AI能理解、能调用的能力模块。
可以截图传播的观点句1:Skill库解决的不是“测不准”,是“测不完”。
二、Skill不是技术债,是能力复用
很多人一听Skill,第一反应是“又要写一堆代码,维护成本爆炸”。
错。
传统自动化的问题是:每个项目、每个场景都要重新写脚本。换个业务线,登录逻辑不一样,脚本就得重写。换套环境,配置不一样,脚本又得改。维护成本线性增长,最后烂尾。
Skill的底层逻辑不一样。
本质是:把“原子能力”封装成一次,让AI在不同场景里编排复用。
一个例子。登录Skill。
不管什么项目、什么环境,登录的本质是一样的:输入账号密码,点按钮,拿token。差异在于:不同项目的认证接口地址不同、参数名不同、加密方式不同。
你不需要为每个项目写一套登录脚本。你写一个通用的“登录Skill”,把变化的部分做成可配置的参数。Agent调用时,根据当前项目的配置文件,动态填充。
一个Skill写一次,20个项目都能用。
另一个例子。造数Skill。
测试需要各种用户:已实名、未实名、有订单、无订单、黑名单用户。你不需要为每种用户写造数脚本。你写一个“用户构造Skill”,输入条件是“用户类型+附加属性”,Skill内部调用工厂模式生成。Agent理解自然语言“造一个上海地区的黑名单用户”,自动翻译成Skill的输入参数。
Skill库里放的不是脚本,是能力单元。能力单元可以组合、可以配置、可以被AI调度。
维护成本不是线性增长,是接近常数级。因为新业务来了,不需要写新Skill,只需要配新参数。
可以截图传播的观点句2:Skill库的本质是测试能力的“函数化”——写一次,调用无限次。
三、Skill库的三层架构
要建一个能干掉30%手工测试的Skill库,不能是散装脚本。需要三层结构。
下图是成熟Skill库的架构:
┌─────────────────────────────────────────────────────────┐│ 编排层 (Orchestration) ││ AI Agent / 测试编排器 ││ 理解自然语言 → 拆解任务 → 调度Skill → 聚合结果 │└─────────────────────────────────────────────────────────┘ │ ▼ MCP / API┌────────────────────────────────────────────────────────…