mcpField
T
testability-analysis

testability-analysis

github.com/naodeng测试与质量28538 次安装今天更新
代码仓库

关于 testability-analysis

面向工程师的可测试性分析 Skill,用于评估需求与系统在可控制、可观察、可隔离和可复现方面的准备度。它还可按架构模式检查依赖、测试接缝及故障注入,并要求改进建议说明价值与成本。

主要功能

  1. 01评估可观察性、可控制性与隔离性
  2. 02检查确定性、数据准备和环境一致性
  3. 03架构模式分析依赖与测试接缝
  4. 04评估故障注入和自动化接口
  5. 05改进项说明价值、成本与验证依据

适用场景

  1. 01评估需求或系统的测试准备度
  2. 02从架构角度审查测试接缝与依赖
  3. 03确定提升隔离和故障注入能力的改进

安装

复制下面的命令,在终端中运行。

$npx skills add https://github.com/naodeng/awesome-qa-skills --skill testability-analysis

安装后在 Claude Code 中输入/testability-analysis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。

agents/
openai.yaml
evals/
eval.yaml
local-rules.json
trigger-prompts.csv
evals/cases/
architecture-incomplete-input.yaml
architecture-success.yaml
architecture-unsafe-seam-boundary.yaml
basic-success.yaml
edge-incomplete-input.yaml
edge-risk-priority.yaml
review-actual-design-safe-seams.yaml
review-existing-seam-control.yaml
prompts/
testability-analysis.md

详细介绍

来自项目 README

可测试性分析(中文版)

何时使用

  • 需要评估需求与系统在可控制、可观察、可隔离和可复现方面的测试准备度。
  • 需要对现有方案、结果或证据做风险评审,并形成可执行改进项。
  • 输入不完整,但仍需先给出带假设和信息缺口的可用初版。

输出格式选项

  • 默认输出 Markdown,适合评审、执行和持续补充。
  • 用户要求表格、CSV、JSON 或工单格式时,保留同样的风险、证据、优先级和边界字段。
  • 若输出会进入自动化流程,先确认字段 schema、枚举值和必填项。

如何使用

  1. 先阅读并遵循 prompts/testability-analysis.md 的输入、执行规则、最低覆盖清单和输出顺序。
  2. 补充真正影响判断的范围、环境、版本、限制、证据和成功标准。
  3. 先做输入审计,再区分已确认事实、合理假设和待确认问题。
  4. 当任务要求 architecture-testability-review 或 architecture 模式时,先从架构制品、依赖拓扑、异步边界、测试接缝、替身策略、故障注入入口和环境复现分析,再保留通用可测试性维度。
  5. 按风险和证据强度排序,产出可直接执行、评审或验证的结果。
  6. 信息不足时不要停在提问:先交付受限初版,并说明哪些结论暂不能成立。

参考文件

  • 每次执行必须读取 prompts/testability-analysis.md;它是本 Skill 的完整执行规范。
  • 需要评测或回归本 Skill 时,读取 evals/eval.yaml 与匹配的 evals/cases/ 用例。
  • 只有目录实际存在且任务需要时,才读取 references/、examples/、scripts/ 或 output-formats.md,不要假设不存在的资产。
  • 需要回归 architecture-testability-review 时使用 architecture-* Eval 和本地触发数据;仍复用本 Skill 的物理目录,不创建别名目录。

核心约束

  • 不要把测试框架选择当测试性本身
  • 每项改进说明价值和成本
  • 避免为测试暴露不安全后门
  • architecture 模式必须用架构级来源支撑接缝、替身、隔离和故障注入判断;不把框架名称当作可测试性证据。
  • 不编造输入中不存在的系统行为、字段、数据、指标或根因。
  • 关键结论必须关联证据;证据不足时标记为假设并给出验证方法。
  • 优先级必须说明业务影响、发生可能性或可探测性依据。

交付前自检

  • 已覆盖:可观察性、可控制性、隔离、确定性、数据准备、故障注入、环境一致、自动化接口。
  • 已区分事实、假设、缺口和建议。
  • 高风险项有明确优先级、证据、负责人或下一步。
  • 输出包含可验证的判断标准,而非泛泛而谈。
  • 未执行未经授权的生产写操作或破坏性动作。

常见误区

  • 只列检查点,不说明输入条件、预期结果或证据。
  • 把所有事项都标为高优先级,失去取舍价值。
  • 用工具名或通用理论替代领域判断。
  • 输入不完整时直接拒绝,或反过来假装结论已经确定。

最佳实践

  • 从最可能造成业务损失、安全问题或发布阻塞的路径开始。
  • 用最小可验证实验缩小不确定性,并记录复现条件。
  • 让输出能够被另一位工程师直接执行和复核。

评论

支持 Markdown