Menu
基于 Neo4j 架构图谱的测试盲区诊断、自动化用例生成与 Trace 闭环验证技能。每当用户询问“系统测试是否完整”、“如何补齐覆盖率”、“目前的盲区在哪里”或提到代码与需求的对齐关系时，必须使用此技能进行图谱诊断。
Install with Codex or Claude Copy this prompt, paste it into Codex, Claude, or another assistant, and let it review the skill page and install it for you.
Based on SOC occupation classification
全栈故障诊断与日志溯源技能 — 允许 AI 自动串联前后端日志并定位 Bug 根因。
处理全渠道邮件聚合平台的智能首回任务。功能：L1-L5 分级标注 (01)、首回草稿生成 (02)、敏感词风控校验。支持多意图识别与订单信息关联。
处理物流进度查询 (意图 02)。对接 17track 实时查询接口，支持官网订单号自动关联查询或直接使用运单号。
处理核心订单业务 (意图 01, 03, 04)。用于：查询详情、申请取消、修改收货地址。涉及单号识别 (EFXX, Amazon) 与登录状态校验。
基于 Neo4j 的架构资产图谱映射，实现从需求到代码的精准路径发现
负责 L2 级的集成测试治理，包含脏数据注入、契约审计与跨库数据一致性探测。当用户提到“API 变更”、“数据库同步”、“脏数据处理”、“契约测试”或“副作用验证”时，必须调用此技能进行审计。
| name | graph-driven-testing |
| description | 基于 Neo4j 架构图谱的测试盲区诊断、自动化用例生成与 Trace 闭环验证技能。每当用户询问“系统测试是否完整”、“如何补齐覆盖率”、“目前的盲区在哪里”或提到代码与需求的对齐关系时，必须使用此技能进行图谱诊断。 |
核心理念: 测试不再是盲目的覆盖率游戏，而是基于 Digital Twin (Neo4j) 的精准补全。每个测试必须关联一个需求节点
REQ和一个架构节点AAA。
本技能依赖于以下图谱关系：
(REQ:Requirement)-[:IMPLEMENTED_BY]->(AAA:ArchitecturalAsset)(TST:TestCase)-[:VERIFIES]->(REQ)(TST)-[:EXERCISES]->(AAA)(TST)-[:LOGS_TRACE]->(TRC:Trace)目的: 找出哪些代码或需求处于“全裸”状态。
# 运行脚本找出没有任何测试关联的需求
python .agent/skills/graph-driven-testing/scripts/gap_analyzer.py --mode requirements
目的: 自动生成测试并自愈。
prompts/test-gen.j2 生成代码。scripts/test_validator.py。目的: 修改 A 文件，只跑 B, C, D 测试。
# 根据图谱依赖关系，找出受影响的测试用例并执行
python .agent/skills/graph-driven-testing/scripts/impact_runner.py --changed-file backend/app/sdk/core/token_service.py
pytest 标记的测试文件。hm_test.py 采集覆盖率。scripts/index_architecture.py 将新的 TST 节点及其 TraceID 回填进图谱。@pytest.mark.graph(req="REQ-XXX")。logs/testing/。