skill-qa-tester

name	skill-qa-tester
description	QoderWork技能质量测试与验证工具。系统化测试技能的功能完整性、数据准确性、内部一致性和红线合规性。适用于技能首次发布前的全面测试、版本更新后的回归测试、多技能之间的一致性检查。当用户要求测试技能、验证技能质量、复核技能准确性、或打包发布技能前，自动应用此技能。
version	1.1.0

技能质量测试方法论

核心理念：以源文件为唯一真相源，逐行核验每一个事实声明。

适用技能类型

本方法论适用于以下类型的知识密集型技能：

类型	特征	测试重点
数据表格型	含大量数值、标准编号	每个数值和编号的行级核验
方法论型	教授思维框架	框架完整性、推理链正确性
审核工具型	检测其他内容的错误	错误检出率、分类准确性
模板输出型	按固定模板生成响应	模板格式合规性

五阶段测试流程

阶段一：全量读取

1. 列出技能目录下所有文件
2. 逐个读取全部源文件（不可跳读，不可摘要）
3. 记录文件清单：文件名、行数、大小、最后修改日期
4. 建立文件关系图：哪些文件互相引用、引用路径是否正确

阶段二：测试用例设计

设计原则：每种输出场景至少一个用例，每种边界条件至少一个用例。

2.1 覆盖矩阵

维度	必须覆盖	核验方法
输出模板	每种模板类型至少1个用例	对照SKILL.md中的模板定义
响应层级	每层至少1个用例（如适用）	对照SKILL.md中的层级定义
跨技能路由	每条路由规则至少1个用例	对照路由规则定义
标准引用	高频标准+易混淆标准	核对编号、年份、名称
红线压力	至少2个对抗性用例	检查是否遵守红线规则
免责声明	每个用例均检查	逐句比对SKILL.md定义文本

2.2 测试用例模板

测试编号：T[N]
场景：[正常/边界/异常/对抗]
用户查询：[具体文本]
预期响应要点：
  - [应包含的标准编号及数值]
  - [应使用的输出模板]
  - [应触发的路由规则]
核验锚点：[源文件名+行号，用于逐条验证]

2.3 对抗性测试设计

构造以下类型的查询来暴露技能薄弱环节：

对抗类型	查询设计思路	预期行为
诱导编造	条件不完整，诱导给出具体数值	应承认不确定并指明查阅路径
过时标准	查询已废止标准的最新版本	应提示新标准和替代关系
跨领域越界	问超出技能范围的问题	应识别并路由到正确技能
矛盾前提	查询中嵌入错误假设	应纠正错误假设后再回答
品牌诱导	询问"哪个品牌最好"	应拒绝推荐品牌

阶段三：并行执行与逐项核验

3.1 执行方式

使用平台可用的并行执行能力启动独立测试用例：

• 每个子代理负责1-2个测试用例
• 子代理必须先读取全部源文件再模拟响应
• 模拟响应中的每个事实声明必须标注依据（文件+行号）

3.2 核验清单

对每个模拟响应逐项核验：

数据准确性

• 标准编号格式正确（GB/GB/T/JGJ/JC/T等）
• 标准年份正确（对照源文件行号）
• 标准名称完整准确
• 数值与源文件完全一致（含单位、精度）
• 边界符号正确（≥/>/≤/< 与源文件对应）

格式合规性

• 使用了正确的输出模板
• 模板结构完整（所有必填章节）
• 响应层级正确（Layer 1/2/3）
• 跨技能路由触发正确

红线合规性

• 未编造源文件中不存在的数据
• 未推荐具体品牌
• 不确定处加了限定语或查阅路径
• 免责提示文本与SKILL.md定义完全一致（逐句比对）

内部一致性

• 同一指标在不同文件中表述一致
• 标准编号年份在多处引用中一致
• 免责提示文本在所有文件中一致
• 示例文件中的内容与主表格一致

详细核验规则见 reference.md。

阶段四：修正与回归

4.1 精确修正

1. 使用平台可用的精确编辑能力修改，一次只改一处
2. 每次修正后搜索相关关键词验证修改结果
3. 记录修正日志：修正前内容、修正后内容、依据、文件+行号

4.2 完整性扫描（修正后必做）

核心原则：修复N项时，必须验证修复是否覆盖了全部同类项，而非只验证已修复的N项。

每次修正后，立即执行以下完整性扫描：

同表/同节全量扫描：当修复涉及某个表格或章节中的某些行时，必须重新读取该表格/章节的全部行，确认所有行都遵循修正后的规则。逐行检查：

• 是否存在未被修复但存在同样问题的行？
• 修复后的模式是否在整个表格/章节内一致？
• 是否存在"相邻遗漏"（紧挨着已修复行的未修复行）？

同模式全文件扫描：当修复涉及一种格式规则（如状态标识系统、免责文本格式、编号格式等）时，搜索该规则覆盖的所有位置，确认无遗漏：

• 搜索旧模式关键词：确认旧模式在全文已彻底清除
• 搜索新模式关键词：确认新模式的覆盖数量与预期一致
• 计数比对（M + R = N）：新模式匹配数 M + 旧模式残留数 R = 修复前旧模式总数 N，要求 R = 0

跨文件涟漪检查：当修复涉及一个标准编号、数值或状态变更时，检查其他文件中是否引用了同一数据：

• 搜索被修改的标准编号/数值在所有文件中的出现位置
• 逐处确认是否需要同步更新

4.3 回归测试

修正并确认完整性后，重新执行受影响的测试用例：

• 修正解决了原问题
• 修正未引入新问题
• 相关联的其他引用未受影响
• 同一表格/章节中的所有行都通过了与修复行相同的检查标准

4.4 回归失败模式清单

以下三类回归失败模式必须在每次修正后排查：

失败模式	描述	检测方法	典型案例
部分修复	表格/列表中有N项需修复，实际只修复了部分	修复后读取全表逐行检查	Section 9共8行只修了5行，遗漏3行
涟漪遗漏	一处数据变更未同步到其他引用位置	搜索变更数据在所有文件中的出现	A文件修了标准年份，B文件同一标准年份未改
模式残留	修复后同一结构内新旧模式共存	搜索旧模式关键词确认全文已清除	表格中部分行用🟢标识，部分行仍用纯文本

阶段五：报告与打包

5.1 测试报告模板

## [技能名称] 测试报告
**测试日期**：YYYY-MM-DD
**测试范围**：[文件清单]

### 测试用例设计
| 编号 | 场景 | 覆盖维度 | 核验项数 |
|------|------|---------|---------|

### 各用例核验结果
（按用例分节，逐项列出通过/不通过/警告）

### 发现并修正的问题
| 编号 | 文件 | 位置 | 问题 | 修正 | 依据 |
|------|------|------|------|------|------|

### 回归验证记录
| 修正编号 | 完整性扫描范围 | 旧模式残留数 | 新模式覆盖数 | 跨文件涟漪检查 | 结论 |
|---------|--------------|------------|------------|--------------|------|
| F1 | [表格/章节全量行数] | 0 | [预期数] | [涉及文件列表] | 通过/发现遗漏 |

### 改进建议
| 编号 | 类型 | 说明 | 处理状态 |
|------|------|------|---------|

### 测试结论
| 统计项 | 数值 |
|--------|------|
| 核验项总数 | X |
| 通过 | X |
| 不通过 | X |
| 警告 | X |
| 源文件修正 | X处 |

5.2 打包发布

1. 仅打包技能定义文件（SKILL.md + 参考文件）
2. 排除非技能文件：node_modules、.git、.env、数据库文件、残留空文件（nul等）
3. 用 Compress-Archive 创建 .zip，重命名为 .skill
4. 用 python zipfile 验证包内文件完整性
5. 使用独立会话或子代理加载测试（功能冒烟测试），确认：
   • 技能成功加载无报错
   • 核心功能响应正确
   • 免责提示正常附加

接口契约（IC-12 接收方）

本技能作为 QA 测试工具的接收方，遵循接口契约 IC-12（任何技能 → QA 测试工具）。完整 Schema 见 ../shared/interface-contracts.md §4.4 IC-12。

请求参数（与 IC-12-Request Schema 字段集一致，Schema 为 additionalProperties:false）：

参数	必填	说明
被测技能	是	技能目录名（与 skills 目录一致）
测试类型	是	首发测试 / 回归测试 / 跨技能一致性（按 IC-12 Schema 枚举）
触发来源	是	发起方技能标识或 CG 编号，用于回归追溯
测试范围	否	文件清单，缺省为技能目录全部文件（阶段一全量读取）
关注项	否	红线对抗/数据表格/路由规则等专项关注，缺省按覆盖矩阵全覆盖

响应内容：

字段	说明
测试结论	通过 / 有条件通过 / 不通过（枚举，不得自由表述；未执行用例不得计入通过）
统计	核验项总数、通过、不通过、警告、源文件修正数
测试报告路径	报告落位路径（记录/ 或 成果/ 按项目规范）
未决事项	未执行用例与原因、待人工确认项（存在时必返回）

必填参数缺失时，返回"参数不足"并列出缺失项，不得假设后继续。

红线约束（禁止行为）

以下为本技能已注册红线摘要（全局编号），完整定义以 ../shared/redlines-registry.md §七为准：

编号	红线	摘要
QA-R-P0-1	严禁伪造测试结果	未执行、未记录或无证据的测试不得标注为通过
QA-R-P1-1	严禁测试集未执行却宣称全量完成	全量测试必须列出计划、执行、补跑、未执行状态
QA-R-P1-2	严禁跳过红线触发测试	被测技能的 P0/P1 红线必须至少有一个对抗性用例
QA-R-P1-3	严禁忽略回归来源	修复项必须能追溯到问题编号、修改文件和回归结论
QA-R-P2-1	必须使用统一测试状态	状态限定为：计划/已执行/补跑通过/未执行/不适用
QA-R-P2-2	必须区分报告结论与证据	索引只写最终状态，过程证据放报告正文

测试包模板

测试包最小构成（缺一即测试包不完整）：

构成	内容要求	对应阶段
用例集	每个用例含编号、场景、预期响应要点、核验锚点（文件+行号）	阶段二
覆盖矩阵	按 §2.1 六维度逐项标注覆盖用例编号	阶段二
红线对抗用例	被测技能 P0/P1 红线每条至少 1 个对抗用例（合计不少于 2 个）	阶段二
回归记录	修正项的问题编号、修改文件、回归结论链路	阶段四

测试报告按阶段五 §5.1 模板输出，结论字段使用 IC-12 响应枚举。

与 GS/SSCV 的触发关系

场景	动作	契约
测试发现源文件错误并已修正	触发 GS 三层同步，并在 change-governance.md 登记 CG 编号	IC-13
条文级内容取真存疑（疑似编造/版本冲突）	转 SSCV 标准条文核验工具核验后再回归	IC-11
标准版本有效性存疑	转 SR 标准复核工具核验	IC-07

跨技能协作原则

当测试涉及以下专项技能时，应优先调用对应技能进行协同测试：

场景类型	优先调用技能	说明
装配式隔墙方案测试	prefab-partition-wall-solution	隔墙构造、隔声耐火性能、造价数据等专项测试
装配式装修材料综合咨询测试	prefab-interior-materials-expert	内装材料规范、工艺标准、质量验收等综合测试
标准复核测试	prefab-standards-reviewer	规范标准引用准确性、版本有效性等专项复核
防水工程测试	waterproofing-expert（建筑装饰装修辅材技能合集）	防水材料、构造做法、验收标准等专项测试

标准免责提示

每次测试报告末尾自动附加以下标准免责文本：

本回复基于知识库整理时间点的技术标准与行业通用实践整理，仅供技术参考。标准规范以官方发布的现行有效版本为准，引用内容可能存在时效性限制，重要项目请务必通过官方渠道核实最新版本。具体项目的设计、施工及验收应依据项目所在地适用的法律法规及标准规范执行，并由具备相应资质的专业人员负责。涉及结构安全、消防安全等重大事项的，请务必咨询相关专业机构。

常见问题模式

模式	检测方法	示例
标准年份过时	交叉比对多文件中同一标准的年份	GB 55038-2024应为2025
状态标记滞后	对照实施日期和当前日期	已实施仍标"即将实施"
数量统计不一致	实际计数 vs 声明数量	"55项"实际56项
免责文本不完整	逐句比对SKILL.md定义	缺少"引用内容可能存在时效性限制"
表头与数据列不匹配	列数对照	表头6列数据只有5列
边界符号混用	搜索≥和>的使用	"≥"应为">"
指标体系混淆	确认标准使用的指标类型	GB 55038用DnT,w+C非Rw+C
跨文件引用断裂	验证A文件引用B文件的路径	reference.md不存在
示例与主表不一致	对比示例数值和主表格数值	示例写45dB主表写48dB
部分修复遗漏	修复后读取全表/全节逐行扫描	Section 9共8行只修5行，遗漏3行
格式模式残留	搜索旧模式确认全文清除	部分行用emoji标识，部分行仍用纯文本

注意事项

1. 源文件是唯一真相源：核验以源文件为准，不以"常识"或"网上搜索结果"为准
2. 每个声明都要有锚点：模拟响应中的每个事实必须能追溯到具体文件和行号
3. 并行测试提效：用多个独立测试执行单元并行执行独立测试用例
4. 修正必须精确：一次改一处，改完立即验证，避免连锁错误
5. 回归必须完整：修正后不能只验证被修的那几行，必须对修复涉及的整个表格/章节/模式执行全量扫描，确认无部分修复、无模式残留、无涟漪遗漏（详见阶段四 §4.2）
6. 区分"错误"与"警告"：错误=与源文件不一致（必须修复），警告=可改进但不影响正确性
7. 改进建议一并处理：测试报告中列出的改进建议应当场处理，不留尾巴
8. 打包前清理：排除非技能文件（.git、node_modules、.env、数据库、空文件）
9. 打包后必测：打包后的.skill文件必须做功能冒烟测试，确认加载和响应正常

双平台动作映射见 ../platform-adapter-reference.md。