quality-assurance（质量保证AI）Skill 是什么？如何下载？

质量保证AISkill：让 QA 策略、测试计划与发布判定，变成一场有问有答的对话

它是什么：一个以「质量保证代理」身份工作的 AI 技能，负责把模糊的「我们要上线了，测什么、怎么测」变成可执行的 QA 策略、测试计划、测试用例、缺陷报告与发布判定结论。
它最擅长什么：按固定流程一步步引导你补齐项目信息，然后一次性产出质量目标、测试金字塔、需求可追溯性矩阵（RTM）、质量门控标准等成套文档。
它怎么用：在支持 AI 技能的客户端或技能市场安装后，用「QA」「测试策略」「测试规划」「质量门控」等触发词唤起，技能会用「一次只问一个问题」的方式和你对话，共 5 个阶段。
它适合谁：没有专职 QA 的中小研发团队、需要把测试流程标准化的项目负责人、以及想把质量指标沉淀成长期资产的技术管理者。
一句话结论：它不是替你点鼠标跑测试的执行工具，而是一个能把「质量这件事」讲清楚、写下来、管起来的 AI 质量顾问。

该技能叫什么？如何下载安装 AI 技能提升开发效率？

基本信息

项目	内容
技能中文名	质量保证AISkill
技能英文名	quality-assurance
技能ID	13463
角色定位	质量保证 AI 代理（Copilot 形态）
允许调用的工具	读取、写入、编辑、Bash

它要解决的问题很具体：质量保证工作往往不缺意识，缺的是结构。需求文档散落在各处、测试用例靠人拍脑袋写、上线前谁也不敢说「可以发」、出了问题再回头补文档。这个技能把 QA 策略开发、测试规划、测试类型设计、验收测试（UAT）、质量指标、需求可追溯性这六块专业知识收进一个代理里，让它按固定流程把这些工作「走一遍、写下来、留成资产」。

为什么说它是「一键安装、立刻提效」的思路

传统上要做一套完整的 QA 体系，通常意味着：请一位有经验的 QA Lead、开若干次评审会、写几十页文档。这个技能的思路是把这个过程产品化：

技能市场搜索安装：在支持 AI 技能的平台中，用英文名 quality-assurance 或技能ID 13463 搜索并安装/启用该技能（具体入口与按钮名称以官方说明为准）。
安装前提：
- 你的运行环境需要支持技能（Skill）机制，并能为该技能授予读取、写入、编辑、执行 Bash 命令的权限——因为这四项正是技能声明允许使用的工具；
- 如果项目根目录下存在 steering/ 引导文件（structure.md、tech.md、product.md），技能的产出会更贴合你的项目上下文；这些文件不存在也可以继续使用。
验证是否生效：安装后在会话中直接说出触发词，例如「帮我做一份测试策略」，或更简单地说「QA」「测试规划」。如果技能已生效，你应该看到它以「✅ 已启动质量保证代理」开场，列出自己的能力清单，并抛出第一个问题「【提问 1/8】请告诉我关于 QA 目标项目的信息」。
如果没反应：检查三件事——技能是否处于启用状态、当前会话是否允许调用上述四类工具、触发词是否与该技能声明的一致（QA、质量保证、测试策略、QA计划、质量指标、测试规划、质量门控、验收测试、回归测试）。

需要说明的是，具体的安装命令、市场链接、是否收费以及套餐价格，技能详情中并未提供，请以官方说明为准。这里不代为编造。

该技能的主要功能和特点

QA 策略开发：从质量目标（质量标准、KPI、验收标准）出发，定义测试级别、测试类型与覆盖率目标，并按风险分析安排测试优先级，最终收敛为一套可执行的质量门控（发布决策标准）。
测试规划能力：同时覆盖功能与非功能需求的测试范围定义、测试阶段与里程碑排期、测试环境/人员/工具等资源规划，以及风险识别与缓解策略。
测试类型全覆盖：功能侧包含单元、集成、系统、验收（UAT）；非功能侧包含性能、安全、可用性、兼容性、可靠性、可访问性；此外还覆盖回归、冒烟、探索性、A/B 测试等方法。
验收测试（UAT）流程化：从基于业务需求的验收标准定义，到贴近真实用户流程的测试场景创建，再到利益相关者评审与签署放行，形成完整闭环。
质量指标量化：测试覆盖率（代码/需求/功能）、缺陷密度（每千行缺陷数）、缺陷去除效率（DRE）、平均修复时间（MTTR）、测试执行率等指标都有明确的采集与解读方式。
需求可追溯性矩阵（RTM）：把「需求 ↔ 测试用例」一一映射，输出覆盖率矩阵与差距分析，直接告诉你哪些需求还没被测到。
内置质量模块可调用：技能详情给出了 CriticSystem（自动化 SDD 阶段质量评估，输出 0~1 的分数、等级与改进建议，并可生成 Markdown 报告）、MemoryCondenser（压缩长时间 QA 会话历史，重要事件如「发现缺陷」会被标记保留）、AgentMemoryManager（把 QA 经验持久化，供后续会话复用，可按类别过滤历史经验）三个模块的调用示例。
关注项目上下文：开工前强制检查 steering/structure.md、steering/tech.md、steering/product.md，让测试方案贴着你项目的架构、技术栈和业务目标写，而不是套模板。
输出物标准化：明确规定 qa/ 目录结构（strategy、test-plans、test-cases、test-execution、defects、metrics、rtm），并附带 QA 策略书模板与测试用例模板。
和普通工具比强在哪：普通测试管理工具解决的是「用例存哪儿」，通用大模型解决的是「问一句答一句」。这个技能解决的是「流程怎么走、每一步该产出什么、什么时候可以放行」——它自带方法论和交付物清单，且用一问一答的对话强制你把信息补全。

如何使用该技能？

技能内置了一条严谨的 5 阶段对话流程，核心纪律是：一次只问一个问题，等你回答后再问下一个。

步骤 1：唤起技能并回答 8 个引导问题

说出触发词后，技能进入」阶段 1：项目信息收集」，依次逐个询问 8 项信息：

项目名称、概述和当前开发阶段（规划/开发/测试/发布前/运营中）
QA 活动的目的（新发布 / 更新 / 回归 / 质量改进）
需求定义书、规格书的位置
使用的技术栈（语言、框架、平台）
目标用户与目标设备（Web、移动、桌面）
质量目标与 KPI（如有现成目标请提供）
发布预定日期与进度约束
QA 活动范围（仅功能测试 / 含非功能测试 / 完整 QA）

输入示例：

项目叫「EC 网站更新」，目前处于开发阶段，计划转测试；目的是版本更新；需求文档在 docs/requirements/srs/；技术栈是 React + Node.js；面向 Web 端消费者；发布预定 3 月 15 日；范围希望做完整 QA。

输出说明：技能会总结你的项目信息，进入下一阶段。

步骤 2：获取 QA 策略与测试计划草案

技能会产出一份结构化的「QA 策略 & 测试计划」，典型包含 8 个板块：项目概述、质量目标（功能 + 非功能）、测试策略（含测试金字塔比例，例如单元 60% / API 30% / E2E 10%）、测试类型别计划表、需求可追溯性矩阵、测试进度排期、风险分析表、质量门控（发布判定标准）。

输出示例（节选）：

测试类型	测试用例数	优先级	状态
登录/认证	15	P0	未实施
商品搜索	20	P0	未实施
支付流程	25	P0	未实施
评价发布	10	P2	未实施

此时技能会停下来问「这个 QA 策略和测试计划可以吗？」，你可以提出修改，例如「把可访问性从 P2 提到 P1」。

步骤 3：生成测试用例

进入阶段 3 后，技能按测试套件逐个产出用例，每条用例包含：用例 ID、优先级、测试类别、相关需求、前提条件、测试步骤、预期结果、实际结果、状态、备注。

输出示例：

TC-005：安全 — 速率限制（暴力破解对策） 优先级：P0｜类别：安全测试步骤：连续 5 次使用错误凭证登录 → 第 6 次尝试登录预期：显示「登录尝试次数过多，请 15 分钟后再试」，登录按钮禁用

步骤 4：执行测试并收集质量指标

技能不会一口气吐出一大堆报告，而是逐个文档生成并保存，每生成一份就报告一次进度，大型报告（超过约 300 行）会自动拆成多部分。默认产出 5 份文档：

测试执行报告（test_execution_report.md）
缺陷报告（defect_report.md）
质量指标（quality_metrics.md）
测试覆盖率报告（coverage_report.md）
发布判定报告（release_readiness.md）

输出示例（缺陷条目）：

BUG-001：支付处理发生双重收费 严重度：Critical｜优先级：P0 复现步骤：加购 → 点击支付 → 支付过程中点浏览器返回 → 再次点击支付预期：仅扣款一次｜实际：扣款两次｜状态：Open → 修正中

步骤 5：QA 收尾与持续改进

最后技能输出最终 QA 报告：发布判定（批准 / 不批准）、质量门控逐项检查、质量指标目标值与实际值对照表、短期与中长期改进建议、成果物清单，以及分阶段灰度发布建议（如 5% → 25% → 100% 用户）与回滚计划。

此外还有一步 Steering 更新：技能会把本次沉淀的 QA 流程、指标阈值、测试工具清单、质量门控标准写回 steering/tech.md 及其日文版本，让其他代理在后续会话中直接复用这些约定。

小提示：技能规定文档需同时产出英文版（.md，作为基准版本）与日文翻译版（.ja.md）；引用他人成果时统一引用 .md 版本。如果你的团队不采用这套语言策略，可以在第一次对话时明确说明。

同类型竞品对比分析

方案名称	定位	核心功能	安装/使用门槛	适用场景	优势与不足
质量保证AISkill（quality-assurance）	AI 质量顾问，负责「想清楚 + 写下来」	QA 策略、测试计划、用例设计、UAT 组织、质量指标、RTM、发布判定、经验持久化	需在支持技能的客户端安装并授予读写编辑与 Bash 权限；零方法论门槛，会说人话就能用	缺专职 QA 的团队、上线前质量评估、测试体系搭建	优势：自带完整方法论与交付物模板，一问一答引导不遗漏；不足：不直接执行自动化测试，用例执行结果仍需人或 CI 回填
TestRail 等测试用例管理系统	测试资产管理系统	用例库、测试运行、报告统计	需账号与项目配置，团队需先有用例方法论	已有 QA 团队、需要长期维护用例库	优势：用例管理与统计成熟；不足：不帮你「想出」测试策略，策略与用例本身仍靠人写
Jira + Zephyr / Xray 插件	缺陷与测试管理一体化	缺陷跟踪、测试计划挂载、与需求关联	需已有 Jira 体系，插件配置成本较高	研发流程已跑在 Jira 上的中大型团队	优势：与需求、缺陷天然打通；不足：偏流程承载，缺乏策略生成与质量门控建议
通用大模型直接对话	万能问答助手	可临时讨论测试思路	几乎零门槛	临时问一问、头脑风暴	优势：灵活即时；不足：不成体系、易漏项、不产出标准化文档与目录结构，多轮后容易丢失上下文
人工 QA 顾问 / 测试外包	人力咨询与执行	全流程质量把关	成本高、排期长	大型系统、强合规场景	优势：经验深厚、可承担执行责任；不足：费用与周期显著更高，知识沉淀依赖个人

一句话选型建议：你要的是「把 QA 想明白」，选这个技能；你要的是「把用例存起来、把缺陷跟起来」，选测试管理系统；你要的是「有人替你把测试跑完」，那仍然是自动化框架加人的组合。

该技能的典型应用场景与实际体验情况

场景一：电商网站改版，上线前没人敢拍板

角色：项目经理 + 后端负责人。痛点：功能都「做完了」，但没人能说清覆盖了多少需求、还剩几个高危缺陷、到底能不能发。

使用方式：用上面 8 个问题把项目信息交代清楚，让技能产出 QA 策略与发布判定标准（例如 Critical 缺陷 0 件、High 缺陷不超过 3 件、代码覆盖率 85% 以上、P0 需求覆盖率 100%）。测试跑完后回来让技能出具发布判定报告。

实际体验：这是技能内置示例就走过的路径。它的价值点在于「门控标准是提前定好的」，而不是上线前临时讨论；缺陷表和指标表会把「我觉得差不多」变成「数据上是这样」。注意：技能给出的是判定依据与结论建议，最终是否放行仍需人签字。

场景二：十人小团队，没有专职 QA

角色：技术负责人。痛点：让后端顺手写测试，结果只测了 happy path；回归测试靠「谁改的谁点一遍」。

使用方式：用「测试规划」「回归测试」触发，让技能按测试金字塔给出比例建议，并把非功能测试（性能、安全、可访问性）也列进计划表，附上建议工具与目标值。

实际体验：上手难度低，因为技能会主动问、你只需答。真正的收益是「不漏项」——很多小团队会忘掉可访问性与兼容性，而技能的检查清单里默认就有。注意事项：技能一次只问一个问题，急着一次性贴一大堆信息反而要等它问完。

场景三：老系统迭代，需求与用例对不上号

角色：QA 工程师。痛点：需求文档 60 条，用例 200 条，但没人知道哪条需求其实根本没被覆盖。

使用方式：让技能生成需求可追溯性矩阵（RTM），输出「需求ID / 需求说明 / 优先级 / 测试用例ID / 覆盖率 / 状态」的映射表，并做差距分析。

实际体验：这是技能最「省命」的能力之一。示例中的 RTM 直接给出「P0 覆盖 100%、P1 覆盖 50%、P2 覆盖 0%」的结论，一眼就能看出资源该往哪里补。

场景四：长周期 QA 评审，会话越聊越乱

角色：长期跟进一个项目的 QA 负责人。痛点：连续几周的评审对话，上下文越来越长，关键缺陷信息被淹没。

使用方式：借助技能内置的 MemoryCondenser 压缩长时间会话历史（保留近期事件、标记「发现缺陷」等重要事件），用 AgentMemoryManager 把经验按类别持久化，下次会话直接调用。

实际体验：这一层更像给重度用户准备的「工程化选项」，需要一定的代码接入能力；普通用户不配置也能正常使用完整对话流程。

该技能能为用户带来的价值

1. 把「经验」变成「流程」 QA 做得好不好，过去高度依赖个人经验。这个技能把六大知识领域（策略、规划、测试类型、UAT、指标、可追溯性）固化成五个阶段的对话流程，让一个没做过完整 QA 的团队也能按标准动作走一遍。

2. 显著压缩文档产出时间 一次完整 QA 活动通常要产出策略书、测试计划、用例集、执行报告、缺陷日志、指标看板、RTM 等 7 类文档。技能把这些都做成模板并逐份生成保存，还能在报告过长时自动分段，避免「一口气生成失败、全部重来」。

3. 让质量结论可量化、可追溯 覆盖率、缺陷密度、缺陷去除效率、平均修复时间、测试执行率——这些指标在技能里都有明确定义和采集方式。示例数据中，代码覆盖率 87.5% 对比目标 85%、缺陷密度 1.25 缺陷/KLOC 对比行业 2~5、缺陷去除效率 100%，这些对照表让「质量如何」从形容词变成了数字（注：以上为技能内置示例数值，非对你的项目承诺）。

4. 降低质量门控的沟通成本 「能不能发」这个问题的争议，往往来自标准不统一。技能要求在上线前就把门控标准写死（Critical 0 件、High ≤3 件、P0 需求 100% 覆盖等），发布判定时只需逐项对表，减少拍脑袋和扯皮。

5. 长期价值：知识沉淀 Steering 更新机制会把本次的 QA 流程、指标阈值、工具选型、门控标准写回项目内存，配合 AgentMemoryManager 的持久化学习，下一个项目、下一个人接手时，不必从零再讲一遍。

6. 顺带把「质量文化」落了地 技能里明确写着三条原则：质量是所有人的责任、从失败中学习而非指责、质量状态公开透明。这话很多团队都说过，但把它写进流程和交付物里，才算真的执行。

常见问题 FAQ

Q1：这个技能怎么安装？装了怎么确认生效？ 在支持 AI 技能的平台中搜索英文名 quality-assurance 或技能ID 13463 安装并启用即可（具体入口与命名以官方说明为准）。安装前提是运行环境允许该技能调用「读取、写入、编辑、Bash」四类工具。验证方法：在会话中说「QA」「测试策略」等触发词，若技能返回「✅ 已启动质量保证代理」并开始提问，即说明已生效。

Q2：它是收费的吗？ 技能详情中没有提供价格信息，是否收费、如何计费取决于你所使用的技能平台与套餐，请以官方说明为准。

Q3：它和我直接问大模型「帮我写个测试计划」有什么区别？ 区别在三点：一是结构化，它用 8 个引导问题 + 5 个阶段强制走完 QA 全流程，不会漏掉非功能测试、可追溯性、质量门控这些容易被忽略的环节；二是交付物标准化，它按固定的 qa/ 目录结构产出 7 类文档，还带模板；三是上下文管理，它具备会话压缩与经验持久化能力，长周期项目不会越聊越乱。

Q4：它能替我执行自动化测试吗？ 不能。它的定位是策略与计划层——负责「测什么、怎么测、测到什么程度算过关、什么时候可以发」，并在计划中建议工具（如 Jest、Playwright、JMeter、OWASP ZAP 等）。真正的测试执行由这些工具和 CI/CD 完成，执行结果再回填给它分析。

Q5：适合谁用？什么情况下不适合？ 适合：没有专职 QA 的中小团队、需要快速搭建质量体系的项目、上线前需要一份可对表的质量评估、以及想把 QA 经验沉淀成团队资产的负责人。不太适合：只想要一个自动化测试框架的团队、需要技能直接承担合规审计责任的大型强监管场景（此时仍需人工 QA 与第三方审计）。另外，如果你的团队不使用英文/日文双语文档策略，建议在首轮对话中明确说明，以免产出多余的 .ja.md 文件。