测试工程师别只学 Prompt：Skills 才是 AI 测试流程的复用层

测试工程师用 AI，最容易从 Prompt 入门：让它写用例、整理缺陷、生成报告。短期看很爽，长期看会遇到一个问题：每次都要重新解释上下文、格式、字段、边界和输出要求。人累，模型也容易跑偏。

Skills 的意义就在这里。它不是一段更长的提示词，而是把一套稳定测试方法封装成可复用能力。下次遇到同类任务，不必从零写要求，直接调用流程：怎么读需求、怎么拆场景、怎么生成用例、怎么导出格式、怎么自检遗漏。

因为测试工作天然流程化。需求评审、用例设计、接口文档解析、自动化脚本生成、缺陷归类、测试报告，这些动作都有固定结构，也有大量重复细节。越是重复、越有格式、越需要检查清单的工作，越适合沉淀成 Skill。

Prompt 解决的是“这次怎么说清楚”；Skill 解决的是“以后都按这套办法做”。这就是测试提效真正的分水岭。

第一类是 skill-creator。它帮你从自然语言需求生成基础 SKILL.md、脚本目录和模板结构。对新手来说，先看到标准结构，比硬啃规范更容易上手。

第二类是 find-skills。测试场景太多，接口、性能、UI、报告、数据处理都可能需要不同能力。先用搜索型元技能筛一轮，能少走不少弯路。

第三类是规划类 Skill，比如把一次回归测试拆成登录、核心流程、异常场景、兼容性、数据校验和风险确认。测试最怕遗漏，规划能力比“多生成几条用例”更值钱。

第四类是文档处理类 Skill。测试计划、缺陷清单、Excel 用例、PPT 汇报、PDF 需求都离不开格式。能稳定读写文档，才真的能嵌进日常工作。

现成 Skill 只能解决 60%。每个团队的字段、模板、提测节奏、缺陷优先级、报告格式都不一样。最实用的路线是：先安装使用，再看懂结构，然后做小修改，最后沉淀自己的测试 Skill。

比如你们的缺陷单必须包含环境、版本、复现步骤、预期结果、实际结果、日志链接，那就把这些字段写进 Skill；你们接口用例有固定 Excel 模板，就把模板放进去；你们回归测试必须覆盖某些风险点，就把 checklist 固化下来。

测试工程师用 AI，最后仍然要对质量负责。Skill 生成的用例要审，自动化脚本要跑，报告结论要能追溯。好的 Skill 应该让过程更清晰，而不是让“AI 说可以”变成新的验收标准。

最靠谱的 AI 测试提效，不是让模型替你拍脑袋，而是把团队已有的测试纪律变成机器能反复执行的流程。Prompt 是手艺，Skill 是工装。测试工程师真正该学的，是怎么把手艺做成工装。