qa-test-env-data

当测试环境不稳定、环境不够用、或者需要准备测试数据时使用此技能。覆盖环境部署与配置管理、环境监控与问题排查（环境问题 vs 代码问题的快速区分）、多环境管理策略（开发/测试/预发）和日常测试数据准备。环境问题是最容易浪费测试时间的事——一个稳定的环境比一百个测试用例更有价值。输出环境健康度检查和数据准备 checklist。 ⚠️ 本技能含环境清理步骤，执行前请确认非生产环境。 触发场景：测试环境、环境搭建、环境配置、造数、测试数据、数据准备、环境部署、需要准备测试数据时。 Use when the user asks about: test environment setup and stability troubleshooting, multi-environment strategy, and day-to-day test data preparation.

⚠️ 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

测试环境与数据管理

核心原则

环境挂了、数据不对是测试最常见的阻塞——需要系统性管理。

⚠️ 安全警告：使用本技能前必须确认以下条件

环境确认: 执行任何环境变更（重启、修复、清理）前，必须先确认目标环境确切标识（名称/地址），并验证该环境为已授权的非生产环境。严禁对生产环境执行未经审批的操作。

数据备份: 任何数据清理操作（删除、归档、重置）前，必须先备份或确认已有备份可用。建议先在低风险环境进行试运行（dry-run）。

审批要求: 涉及数据修改、环境重启、配置变更的操作，必须获得相关团队负责人的明确审批，并记录操作日志。

爆炸半径: 批量操作前先在小范围验证，确认不影响其他团队。涉及共享环境时需与相关团队协调时间窗口。

禁止场景: 禁止在未确认环境身份的情况下执行变更操作、禁止在无备份的情况下执行数据清理、禁止在未通知相关团队的情况下重启共享环境。

测试环境管理

环境分层

text

环境层级：
├─ 开发环境（DEV）
│   ├─ 用途：开发自测
│   ├─ 数据：开发造数
│   └─ 稳定性：不稳定
│
├─ 集成环境（SIT）
│   ├─ 用途：集成测试
│   ├─ 数据：测试数据
│   └─ 稳定性：较稳定
│
├─ 预发环境（UAT）
│   ├─ 用途：用户验收
│   ├─ 数据：准生产数据
│   └─ 稳定性：稳定
│
└─ 生产环境（PROD）
    ├─ 用途：线上运行
    ├─ 数据：真实数据
    └─ 稳定性：高稳定

环境健康检查

text

检查清单：
├─ 服务状态
│   ├─ 应用服务是否正常？
│   ├─ 数据库是否正常？
│   ├─ 缓存是否正常？
│   └─ 消息队列是否正常？
│
├─ 依赖服务
│   ├─ 第三方服务是否可用？
│   ├─ 内部服务是否可用？
│   └─ 网络是否通畅？
│
├─ 配置检查
│   ├─ 配置是否正确？
│   ├─ 环境变量是否设置？
│   └─ 功能开关是否正确？
│
└─ 数据检查
    ├─ 数据是否完整？
    ├─ 数据是否一致？
    └─ 测试数据是否就绪？

环境问题处理

text

常见问题：
├─ 服务不可用
│   ├─ 检查：服务日志、端口、进程
│   ├─ 处理：重启服务、检查配置
│   └─ 预防：健康检查、监控告警
│
├─ 网络不通
│   ├─ 检查：ping、telnet、防火墙
│   ├─ 处理：检查网络配置、开放端口
│   └─ 预防：网络监控、冗余设计
│
├─ 配置错误
│   ├─ 检查：配置文件、环境变量
│   ├─ 处理：修正配置、重启服务
│   └─ 预防：配置管理、版本控制
│
└─ 数据异常
    ├─ 检查：数据完整性、一致性
    ├─ 处理：数据修复、数据恢复
    └─ 预防：数据备份、数据监控

加载时机

什么时候读	读哪个
准备、脱敏、清理测试数据时	references/data-management.md

测试数据管理的完整内容已下沉至 references/data-management.md，避免每次触发都占用上下文。

输出示例

测试环境频繁出现"数据库连接失败" → 环境健康检查：数据库服务是否正常→连接池是否耗尽→网络是否通畅 → 环境分层：开发环境→测试环境→Staging→生产，各环境配置独立

测试数据准备：需要测试支付流程的100种订单状态 → 数据准备：通过API批量创建各状态订单，输出订单列表供测试使用 → 数据清理：测试完成后按策略自动清理（标记/归档/删除）

检查清单

环境与数据管理完成后检查：

• 环境分层是否清晰？
• 环境健康检查是否执行？
• 数据准备是否充分？
• 数据脱敏是否处理？
• 数据清理是否安排？
• 问题处理是否有预案？