discover-testing

测试技能发现（英文）

中文版： 请参阅对应的中文技能。

何时使用

• 需要在执行前决定应使用哪项测试技能。
• 请求混合了多个测试方向或阶段。

完整清单和可用性

阅读 references/skill-capability-inventory.json，查看准确的规范 ID。此 2026-10-06 快照收录了 164 个 ID；目录中存在某项技能，并不能证明它已安装或可在当前 Host 上调用。缺少安装证据意味着可用性为 UNKNOWN；明确未安装则为 UNAVAILABLE。在选择宽泛的 Composition 路由前，先匹配明确的专业领域（身份验证与授权、检索与答案质量、影响范围与回归选择）。仅指定一个主技能，最多再指定一个辅助技能。若目标不可用，请说明这一缺口以及最精简的安装／交接操作，不得声称已调用该技能。

工作流

1. 首先阅读同目录下的 reference.md，并在适用时匹配一条结构化路由；它是独立安装所需的唯一 Composition 参考。
2. 阅读用户请求，首先识别能力阶段（Core QA / Engineering QA / Production Quality / AI Native QA）和主要测试目标。
3. 遵循 prompts/ 下的路由提示词：选择 1 项主技能；仅在需要时再添加最多 1 项辅助技能。
4. 将请求交给目标技能；不要在此路由技能中执行完整的测试工作。

核心约束

• 推荐尽可能少的技能，避免罗列菜单。
• 如果目标技能已经很明确，请直接说明。
• 让路由具有可执行性：指出技能名称和选择理由。
• 优先遵循 Composition 路由的「一个主技能／一个可选技能」限制；关联关系是导航元数据，不是安装依赖或强制执行链。
• AI for QA 使用 ai-assisted-testing；Testing for AI 属于 AI Native QA。在路线图中的 Skills 安装之前，绝不可将其推荐为可调用的主 Skill。

渐进式披露

• 输出前，阅读并遵循 prompts/discover-testing.md（最低覆盖要求、输出结构、质量标准）。
• 用户要求 Excel/CSV/JSON/Word 格式时：阅读 output-formats.md 并遵循相应格式。
• 有适用的现成模板时：使用 output-templates/ 下匹配的文件。
• 进行格式转换或辅助检查时：优先使用现有的 scripts/，不要重复造轮子。
• 评估／回归此技能时：使用 skill-up 和 evals/。
• 对于步骤 ↔ 提示词的映射：继续使用此软件包的 reference.md；不要沿相对链接访问其他 Skill 的内部文件。

交付前检查清单

• 遵循了主提示词的输出结构
• 聚焦最低覆盖要求：主要目标、最合适的主技能、可选辅助技能、选择理由、继续工作的下一步（详情见主提示词）
• 涵盖了最低检查清单，或说明了省略项
• 明确标注了高风险事项的优先级
• 未编造用户未提供的信息
• 已标注假设和信息缺口

常见问题

• 不要一次推荐许多技能。
• 不要将技能选择变成完整的测试执行。
• 信息不足时，不要假装路由已经完整。