关于 test-reporting-analytics
用于为开发、质量工程和管理层设计测试报告与分析的技能。它强调按受众选择指标、展示趋势、给出可执行结论,并自动生成报告。
主要功能
- 01按受众选择指标
- 02展示趋势而非快照
- 03突出后续行动
- 04自动生成报告
- 05支持仪表板与摘要报告
适用场景
- 01构建实时 CI/CD 质量仪表板
- 02汇总迭代质量趋势
- 03准备管理层质量报告
安装
复制下面的命令,在终端中运行。
$
npx skills add https:/ / github.com/ proffesor-for-testing/ agentic-qe --skill test-reporting-analytics安装后在 Claude Code 中输入/test-reporting-analytics确认已加载。
包含的文件
除 SKILL.md 外,安装时一起下载的参考资料和脚本。
evals/test-reporting-analytics.yamlschemas/output.jsonscripts/validate-config.json详细介绍
测试报告与分析
<default_to_action> 构建测试报告时:
- 明确受众(开发团队还是高管)
- 选择关键指标(最多 5-7 项)
- 展示趋势(而不只是快照)
- 突出行动(应采取哪些措施)
- 自动生成
仪表板快速设置:
+------------------+------------------+------------------+
| Tests Passed | Code Coverage | Flaky Tests |
| 1,247/1,250 ✅ | 82.3% ⬆️ +2.1% | 1.2% ⬇️ -0.3% |
+------------------+------------------+------------------+
| Critical Bugs | Deploy Freq | MTTR |
| 0 open ✅ | 12x/day ⬆️ | 2.3h ⬇️ |
+------------------+------------------+------------------+
不同受众的关键指标:
- 开发团队:通过率、不稳定测试占比、执行时间、覆盖率缺口
- 质量工程团队:缺陷检测率、测试速度、自动化投资回报率
- 管理层:逃逸缺陷、部署频率、质量成本 </default_to_action>
快速参考卡
核心指标
| 类别 | 指标 | 目标 |
|---|---|---|
| 执行 | 通过率 | >98% |
| 执行 | 不稳定测试占比 | <2% |
| 执行 | 测试套件时长 | <10 min |
| 覆盖率 | 行覆盖率 | >80% |
| 覆盖率 | 分支覆盖率 | >70% |
| 质量 | 逃逸缺陷 | <5/release |
| 质量 | MTTR | <4 hours |
| 效率 | 自动化率 | >90% |
趋势指示符
| 符号 | 含义 | 行动 |
|---|---|---|
| ⬆️ | 正在改善 | 继续当前做法 |
| ⬇️ | 正在下降 | 调查根本原因 |
| ➡️ | 稳定 | 保持现状或继续改善 |
| ⚠️ | 超出阈值 | 立即关注 |
报告类型
实时仪表板
Live quality status for CI/CD
- Build status (green/red)
- Test results (pass/fail counts)
- Coverage delta
- Flaky test alerts
Sprint 总结
## Sprint 47 Quality Summary
### Metrics
| Metric | Value | Trend |
|--------|-------|-------|
| Tests Added | +47 | ⬆️ |
| Coverage | 82.3% | ⬆️ +2.1% |
| Bugs Found | 12 | ➡️ |
| Escaped | 0 | ✅ |
### Highlights
- ✅ Zero escaped defects
- ⚠️ E2E suite now 45min (target: 30min)
### Actions
1. Optimize slow E2E tests
2. Add coverage for payment module
高管报告
## Monthly Quality Report - Oct 2025
### Executive Summary
✅ Production uptime: 99.97% (target: 99.95%)
✅ Deploy frequency: 12x/day (up from 8x)
⚠️ Coverage: 82.3% (target: 85%)
### Business Impact
- Automation saves 120 hrs/month
- Bug cost: $150/bug found vs $5,000 escaped
- Estimated annual savings: $450K
### Recommendations
1. Invest in performance testing tooling
2. Hire senior QE for mobile coverage
预测分析
// Predict test failures
const prediction = await Task("Predict Failures", {
codeChanges: prDiff,
historicalData: last90Days,
model: 'gradient-boosting'
}, "qe-quality-analyzer");
// Returns:
// {
// failureProbability: 0.73,
// likelyFailingTests: ['payment.test.ts'],
// suggestedAction: 'Review payment module carefully',
// confidence: 0.89
// }
// Trend analysis with anomaly detection
const trends = await Task("Analyze Trends", {
metrics: ['passRate', 'coverage', 'flakyRate'],
period: '30d',
detectAnomalies: true
}, "qe-quality-analyzer");
Agent 集成
// Generate comprehensive quality report
const report = await Task("Generate Quality Report", {
period: 'sprint',
audience: 'executive',
includeROI: true,
includeTrends: true
}, "qe-quality-analyzer");
// Real-time quality gate check
const gateResult = await Task("Quality Gate Check", {
metrics: currentMetrics,
thresholds: qualityPolicy,
environment: 'production'
}, "qe-quality-gate");
Agent 协调提示
记忆命名空间
aqe/reporting/
├── dashboards/* - Dashboard configurations
├── reports/* - Generated reports
├── trends/* - Trend analysis data
└── predictions/* - Predictive model outputs
Fleet 协调
const reportingFleet = await FleetManager.coordinate({
strategy: 'quality-reporting',
agents: [
'qe-quality-analyzer', // Metrics aggregation
'qe-quality-gate', // Threshold validation
'qe-deployment-readiness' // Release readiness
],
topology: 'parallel'
});
相关技能
请记住
衡量以求改善。报告以便沟通。
优秀的报告应:
- 回答“所以呢?”(提供可执行的洞察)
- 展示趋势(而不只是快照)
- 满足受众需求
- 尽可能实现自动化
没有行动的数据只是噪声。没有数据的行动只是在猜测。
评论
支持 Markdown