测试专家评审

当 AI 生成的测试用例已经过输出评审和盲区补盲、准备终审上线时使用此技能。由资深测试对 AI 输出的用例做人工抽样校验，从业务有效性、场景完整性、可执行性三个维度做最后把关。⚠️ 如果发现系统性问题（比如遗漏了某个关键模块），需要回退修正并记录到 Prompt 优化反馈库。专家评审不是走形式——发现的问题必须闭环。 本技能属于 QA Test Skills 技能集（49 个技能之一），完整工作流体验需安装全套：npx skills add Kokxi/qa-test-skills

⚠️ 本技能单独使用效果有限，建议配合完整技能集（12 步工作流）使用。安装：npx skills add Kokxi/qa-test-skills

专家评审与元学习

核心原则

专家评审不是挑错，而是建立"AI生成→专家校验→持续优化"的正向循环。

评审流程

第1步：抽样策略

text

抽样方法：
├─ 随机抽样：10-20%的用例
├─ 分层抽样：P0用例100%覆盖，P1抽样50%，P2抽样20%
├─ 风险抽样：高风险用例100%覆盖
└─ 新功能抽样：新功能用例100%覆盖

抽样公式：
总用例数 < 50 → 全量评审
总用例数 50-200 → 20%抽样
总用例数 > 200 → 10%抽样 + P0全量

第2步：评审维度

维度	检查点	权重
完整性	是否覆盖所有需求点？	30%
准确性	测试步骤和预期结果是否正确？	25%
可执行性	步骤是否清晰可执行？	20%
风险覆盖	高风险区域是否深测？	15%
规范性	格式是否符合标准？	10%

第3步：校正标记

text

校正标记格式：
├─ [C-001] 问题类型：描述问题
├─ [C-002] 问题类型：描述问题
└─ ...

问题类型：
├─ MISSING：缺失场景
├─ WRONG：步骤/预期错误
├─ VAGUE：描述模糊
├─ REDUNDANT：冗余用例
├─ RISK：风险覆盖不足
└─ FORMAT：格式不规范

第4步：输出评审报告

markdown

# 专家评审报告

## 评审摘要
- 评审ID：REV-XXXX
- 评审日期：YYYY-MM-DD
- 评审专家：[姓名]
- 用例总数：XX条
- 抽样数量：XX条（抽样比例XX%）

## 评审结果
| 维度 | 评分 | 问题数 |
|------|------|--------|
| 完整性 | X/10 | X个 |
| 准确性 | X/10 | X个 |
| 可执行性 | X/10 | X个 |
| 风险覆盖 | X/10 | X个 |
| 规范性 | X/10 | X个 |
| 综合评分 | X/10 | - |

## 问题清单
| 用例编号 | 问题类型 | 问题描述 | 校正建议 |
|---------|---------|---------|---------|
| TC_XXX_001 | MISSING | 缺少并发场景 | 补充并发测试用例 |
| TC_XXX_002 | VAGUE | 步骤描述模糊 | 明确操作步骤 |

## 学习要点
1. 高频问题：[问题模式]
2. 改进方向：[具体建议]
3. Prompt优化：[优化建议]

## 元学习建议
- 更新checklist：[新增检查项]
- 优化prompt：[提示词调整]
- 补充技能：[需要增强的技能]

评审维度速查

各维度典型问题速查

维度	常见问题现象	重点关注	通过标准
完整性	缺少某个需求点/场景	需求追溯ID是否全部覆盖	每个需求点≥1条用例
准确性	预期结果与实际不符	业务规则是否正确应用	预期结果=需求定义
可执行性	步骤模糊/依赖不明确	新人能否按步骤执行	按步骤可复现
风险覆盖	高风险区域用例不够深	资金/安全/并发是否深测	高风险区域≥3条用例
规范性	格式不统一/字段缺失	是否使用标准模板	模板字段完整率100%

常见问题严重度判定

问题类型	严重	一般	轻微
MISSING	核心功能缺失	非核心功能缺失	边缘场景缺失
WRONG	预期结果方向错误	步骤顺序错误	步骤表述不精确
VAGUE	完全无法执行	需少量猜测	措辞可优化
RISK	资金/安全未覆盖	非功能未覆盖	兼容性/体验未覆盖
REDUNDANT	完全重复且P0	场景重叠	边界略有重叠
FORMAT	完全无格式	部分字段缺失	格式可微调

元学习机制

校正数据收集

text

收集内容：
├─ 问题类型分布
├─ 高频问题模式
├─ 专家校正建议
├─ 用例质量趋势
└─ 改进效果跟踪

存储格式：
{
  "review_id": "REV-001",
  "date": "2024-01-01",
  "issues": [
    {
      "type": "MISSING",
      "count": 5,
      "pattern": "缺少并发场景",
      "correction": "补充并发测试"
    }
  ],
  "learning_points": [...]
}

模式识别

text

识别方法：
├─ 问题聚类：识别相似问题
├─ 趋势分析：问题数量变化
├─ 根因分析：为什么会出现这个问题
└─ 改进验证：改进措施是否有效

输出：
├─ 高频问题TOP5
├─ 问题趋势图
├─ 改进建议
└─ 效果评估

Prompt优化

text

优化流程：
1. 分析校正数据
2. 识别Prompt不足
3. 生成优化建议
4. 测试优化效果
5. 持续迭代

优化示例：
原Prompt："生成登录模块的测试用例"
优化后："生成登录模块的测试用例，需覆盖：
1. 正常登录流程
2. 异常场景（密码错误、账号锁定）
3. 边界条件（密码长度、特殊字符）
4. 并发场景（多设备同时登录）
5. 安全场景（SQL注入、XSS）"

应用场景

AI生成了20条登录模块测试用例 → 抽样策略：按风险分层抽8条（P0全抽、P1抽50%、P2抽20%） → 评审维度：

• 功能覆盖：登录成功/失败/锁定（完整✅）
• 异常覆盖：密码错误/账号锁定（完整✅）
• 安全覆盖：SQL注入/XSS（遗漏❌） → 校正标记：补充安全测试场景 + 更新Prompt：新增"必须包含SQL注入和XSS测试" → 元学习：将安全场景缺失模式加入checklist

用户说"评审一下这个AI生成的用例" → 自动化评审流程：抽样→校验→校正→输出评审报告+Prompt优化建议

自检清单

评审完成后检查：

• 抽样策略是否合理？
• 评审维度是否覆盖？
• 校正标记是否规范？
• 评审报告是否完整？
• 学习要点是否提炼？
• Prompt优化建议是否具体？

检查清单

• 抽样是否覆盖高风险区域？
• 评审维度是否完整？
• 系统性问题是否识别？
• 改进建议是否可行？
• 评审报告是否生成？