software_test_case_design

核心功能与定位

test-case-design 是一款专注于测试用例生成的专业技能，覆盖功能测试、API测试、AI Agent测试及多平台适配测试场景。其核心定位是替代人工编写测试用例的重复劳动，而非替代测试策略制定。

显著优点

1. 智能场景识别：通过关键词自动识别测试类型（API/Agent/功能），减少用户配置成本
2. 模块化知识库：采用分层架构——通用规则层（common-rules.md）+ 能力层（api-testing/agent-testing/functional-testing）+ 平台层（Mobile/App/Mini-Program/H5/Desktop/PC Web），实现精准匹配
3. 多平台覆盖：支持移动端（手势/中断/网络/权限）、小程序（生命周期/授权/支付）、桌面端（窗口/快捷键/多显示器）、Web端（响应式/路由/拖拽）等6大平台特性
4. AI Agent专项能力：针对大模型Agent特有的意图理解、工具调用、上下文记忆、幻觉检测等维度设计测试用例
5. 质量自检机制：内置多套checklist（api-checklist/agent-checklist/common-checklist/platform-checklist），确保输出完备性

潜在局限与风险

• 边界严格受限：明确排除测试计划/策略、自动化脚本、性能/压力测试、渗透测试执行等高级测试活动
• 安全测试浅层化：仅支持"基础安全测试"，不涉及漏洞扫描和渗透执行
• 依赖知识库完整性：若某平台特性更新（如iOS新版本权限模型），需同步更新platform/*.md文件
• 无动态学习能力：基于规则匹配而非实时学习，对新兴测试范式（如LLM-based test generation）需人工扩展

适用人群

• QA工程师：快速补全回归测试用例、探索性测试后的用例固化
• 产品经理：验收前生成验收用例清单
• 开发者：自测阶段补充边界场景和异常路径
• AI Agent开发者：针对LLM Agent的特殊行为设计评估用例

常规风险提示

⚠️ 不可替代测试设计思维：工具输出的是"用例执行列表"，测试策略、风险优先级判定仍需人工决策
⚠️ 平台文件滞后风险：操作系统版本迭代可能导致平台特性描述过时，关键项目建议人工复核
⚠️ 安全合规边界：涉及金融、医疗等强监管领域时，基础安全测试覆盖度不足，需引入专业安全团队

技术架构速览

用户输入 → 类型识别 → 规则加载(common-rules) → 能力文件加载 → 平台文件加载(可选) → 用例生成 → checklist自检 → 格式化输出

核心用法

本 Skill 专注于测试用例设计领域，通过结构化的文档模板和规则引擎，为测试人员提供标准化、专业化的测试用例生成能力。使用时只需明确测试类型关键词（如"API Test""Agent Test""Mobile Testing"等），Skill 会自动匹配对应的能力文件和平台规范，输出符合行业标准的 Markdown 表格格式测试用例。

执行流程高度自动化：首先识别测试类型（API 测试、Agent 测试或功能测试），然后加载对应的核心能力文件和平台特定文件，最后生成测试用例并通过自检清单确保质量。支持多平台叠加，包括移动 App、小程序、H5、桌面端、PC Web 等主流平台场景。

显著优点

纯文档型设计，零代码风险。该 Skill 完全由 Markdown 文档构成，无可执行代码、无外部依赖、无网络请求，从根本上杜绝了传统代码型 Skill 可能存在的安全漏洞和隐私泄露风险。

专业领域深度覆盖。不仅支持常规的功能测试、API 测试，更前瞻性地支持 AI Agent 测试这一新兴领域，填补了智能体测试方法论的行业空白。平台覆盖全面，从移动端到桌面端，从原生应用到 Web 生态，满足全栈测试需求。

标准化输出，即拿即用。强制遵循统一的 Markdown 表格格式规范，测试用例可直接导入测试管理工具或作为需求交付物，显著提升团队协作效率。

潜在缺点与局限性

功能边界严格受限。明确不支持测试计划、测试策略、性能/压力测试、自动化脚本生成等扩展能力，对于需要端到端测试解决方案的用户，需配合其他工具使用。

依赖人工输入质量。作为文档型 Skill，其输出质量高度依赖用户输入的需求描述清晰度，对于模糊需求可能产生通用性较强的测试用例，需要测试人员进一步优化。

平台更新滞后风险。新兴平台（如 IoT、VR/AR、区块链等）的测试规范可能尚未纳入，对于前沿技术场景的覆盖存在时间差。

适合的目标群体

• 软件测试工程师：需要快速生成标准化测试用例，提升设计效率
• QA 团队负责人：希望统一团队测试用例输出规范，降低评审成本
• 产品经理/需求分析师：需要验证需求可测试性，补充验收标准
• 敏捷开发团队：在迭代周期紧张时快速产出基础测试覆盖
• AI Agent 开发者：探索智能体测试方法论，弥补新兴领域测试经验不足

使用风险

性能风险：极低。纯文档处理，无复杂计算或大数据量处理场景。

依赖项风险：无。零外部依赖，无需担心依赖包漏洞或版本冲突。

版本兼容性风险：低。Markdown 格式通用性强，但建议确认 examples/format-spec.md 中的格式规范是否与团队工具链兼容。

知识更新风险：中等。测试领域方法论持续演进，建议关注 Skill 维护者（cassianran）的版本更新，及时获取最新的测试理念和平台适配规则。

许可证风险：当前未明确声明开源许可证，建议在正式商用前确认授权条款或联系维护者补充 LICENSE 文件。