菜单
AI测试用例质量评审专家技能。对AI生成的测试用例进行分类分级（可用/待修改/错误无效）、5维评审打分（逻辑完整性25分+预期结果明确性20分+前置条件完备性15分+PRD覆盖度25分+边界异常覆盖15分）、7项量化指标统计（需求覆盖率/反向用例占比/边界用例数量/重复用例率/错误用例率/高危场景覆盖率/历史缺陷覆盖率），输出逐条评分+扣分原因+改进建议，保持同原文件后缀格式新增输出。支持Excel和XMind格式输入。
用 Codex 或 Claude 帮你安装 复制这段 Prompt，粘贴到 Codex、Claude 或其他助手里，让它检查 Skill 页面并帮你完成安装。
基于 SOC 职业分类
WEB UI 自动化测试（Playwright + Pytest + POM）失败用例智能诊断与全栈自动修复专家。分析 ui-test-executor 输出的执行结果（JUnit XML + sidecar JSON + page-source HTML + console-logs + trace.zip），对失败用例做 6 类分类（ENV/LOCATOR/TIMEOUT/DATA/SCRIPT/BUG）+ 14 种根因定位，自动修复 pages 层 locator 问题、注入 conftest marker、清理测试脏数据、调起 playwright install，并通过 pages.yaml 对比修复定位漂移。**核心约束：永不修改 tests/**/*.py 断言与语义**。
UI自动化测试数据预处理技能。负责将页面URL或自然语言用例描述转换为标准化pages.yaml页面对象定义。支持全站自动爬取（单入口URL发现全站页面）、Playwright动态抓取、CDP连接模式、推断兜底模式。是ui-testcase-generator、ui-testscript-generator等后续技能的标准输入来源。当用户提供页面URL或自然语言描述的测试用例需要生成结构化页面定义文件时触发。
WEB UI 自动化测试全链路统一编排入口。负责把 ui-test-executor（执行）→ ui-failure-diagnoser（诊断修复）→ ui-test-executor（重试）→ ui-report-generator（报告）四个阶段自动串联成闭环，含失败诊断+智能重试+熔断兜底。当用户需要"一键全跑 UI 自动化"、"自动修复失败用例并重试"、"端到端 UI 测试流水线"、"全流程闭环"、"UI 自动化 pipeline"时触发本技能。本技能不替代任何子技能，仅做流程编排与参数透传，三个子技能仍可独立调用。
WEB UI 自动化测试（Playwright + Pytest + POM）测试报告生成专家。将 ui-test-executor 的 JUnit XML + artifacts、ui-failure-diagnoser 的诊断报告、以及历史趋势数据融合为单文件 HTML 可视化报告，含状态分布图、模块通过率、浏览器矩阵、风险分级、失败详情（含内联截图/录屏/Trace 打开按钮）、根因聚类与优化建议。**核心约束：只读测试结果与诊断输出，永不修改 tests/** 与 pages/**。
WEB UI 自动化测试的智能执行调度引擎。负责触发执行 Playwright + Pytest UI 测试，按标签/模块/优先级智能调度，自动检测本地浏览器环境，全程监控执行状态，自动采集截图/录屏/Trace/网络日志，输出标准化报告。当用户需要"跑一下 UI 测试"、"执行 P0 用例"、"跑登录模块测试"、"跨浏览器跑 UI 测试"、"按标签筛选执行"、"用 CI 跑 UI 测试"、"浏览器跑不了"、"需要选浏览器"、"测试失败要截图和 Trace"、"生成测试报告"等场景时应使用本技能。不要使用本技能处理接口测试（用 api-test-executor）或测试脚本编写（用 ui-testscript-generator）。
WEB UI 自动化测试脚本（Playwright + POM + Pytest）的智能标签化管理专家。当用户需要为 UI 测试脚本批量打标签、检测标签冲突、补全缺失标签、生成标签统计报告时使用此技能。支持六维标签体系：优先级(P0-P3)、模块(module:xxx)、场景(scene:xxx)、页面类型(page:xxx)、执行策略(run:xxx)、浏览器/平台(browser:xxx, platform:xxx)。自动解析测试方法名、docstring、page.goto() 路径、Playwright 操作步骤、断言内容，并参照 pages.yaml 推断模块和优先级。即使用户只是说'给 UI 用例打标签'、'按模块跑用例'、'筛选冒烟用例'、'这些 Playwright 脚本要分类'，也应使用此技能。
| name | review-testcase |
| description | AI测试用例质量评审专家技能。对AI生成的测试用例进行分类分级（可用/待修改/错误无效）、5维评审打分（逻辑完整性25分+预期结果明确性20分+前置条件完备性15分+PRD覆盖度25分+边界异常覆盖15分）、7项量化指标统计（需求覆盖率/反向用例占比/边界用例数量/重复用例率/错误用例率/高危场景覆盖率/历史缺陷覆盖率），输出逐条评分+扣分原因+改进建议，保持同原文件后缀格式新增输出。支持Excel和XMind格式输入。 |
本技能扮演资深测试评审专家角色，核心能力是对 AI 生成的测试用例进行 分类分级、逐条评分、量化统计，输出带评审标注的结果文件和汇总报告。
核心流程：
输入文件（Excel/XMind）
↓
解析用例结构
↓
Phase 1: 逐条评分（5维评审体系）
↓
Phase 2: 分类分级（评分驱动 + 否决规则修正）
↓
Phase 3: 量化统计（7项核心指标计算）
↓
输出文件（同格式 + 评审标注）+ 评审汇总报告
以下场景自动触发本技能：
接收以下输入，按优先级处理：
如果用户未提供 PRD 文档、高危场景清单、历史Bug清单，对应指标标记为"⚠️ 缺少参考数据，无法计算"，但不影响其他评审和评分。
根据文件格式选择不同的解析方式：
Excel文件解析：
scripts/review_excel_handler.py 读取用例数据XMind文件解析：
scripts/review_xmind_handler.py 读取测试点数据对每条用例/测试点，按照 references/scoring-rules.md 中的5维评审体系逐项打分：
| 评审维度 | 满分 | 评审重点 |
|---|---|---|
| 逻辑完整性 | 25分 | 步骤是否清晰、逻辑链路是否跑通、是否存在跳跃或矛盾 |
| 预期结果明确性 | 20分 | 每一步的预期结果是否可验证，金额、状态是否有明确定义 |
| 前置条件完备性 | 15分 | 环境、数据、权限、商品类型等前置条件是否完整 |
| PRD覆盖度 | 25分 | 是否覆盖了需求文档中的核心功能点与联动规则 |
| 边界异常覆盖 | 15分 | 边界值、并发、互斥、错误处理是否充分 |
评分要求：
评分输出格式（每条用例）：
用例编号: TC-001
分类: 待修改
总分: 68
评分明细:
- 逻辑完整性: 18/25（扣7分：第3步到第4步存在跳跃，缺少"点击确认按钮"的中间操作）
- 预期结果明确性: 14/20（扣6分：第2步预期结果为"验证支付成功"，未说明判定标准）
- 前置条件完备性: 10/15（扣5分：未说明账号权限和订单支付状态）
- PRD覆盖度: 20/25（扣5分：未覆盖PRD中要求的组合优惠场景）
- 边界异常覆盖: 6/15（扣9分：未测试金额为0的边界场景，未测试并发支付）
扣分原因汇总: 步骤跳跃-3分 | 预期结果模糊-6分 | 前置条件缺失-5分 | PRD场景遗漏-5分 | 边界异常不足-9分
改进建议:
1. 在第3步和第4步之间补充"点击确认支付按钮"
2. 第2步预期结果改为"订单状态变为'已支付'，账户余额减少99.00元"
3. 前置条件补充"使用已登录的普通用户账号，且已有待支付订单"
4. 新增用例：支付金额为0时的异常处理
5. 新增用例：同一订单并发支付的互斥处理
根据 Step 2 的评分结果，按照 references/classification-rules.md 中的规则进行分类：
| 分类 | 判定条件 |
|---|---|
| 可用 | 总分 ≥ 80 且每个维度 ≥ 该维度满分的60%，且无否决规则命中 |
| 待修改 | 总分在 50-79 之间，或总分≥80但存在1-2个维度低于60%阈值 |
| 错误无效 | 总分 < 50，或存在3个及以上维度低于60%阈值，或命中否决规则 |
否决规则（任一命中即归为"错误无效"，无论总分高低）：
按照 references/metrics-formulas.md 中的公式计算7项量化指标：
| 指标 | 合格线 | 数据来源 |
|---|---|---|
| 需求覆盖率 | ≥ 95% | 需PRD文档 |
| 反向用例占比 | ≥ 30% | AI语义识别 |
| 边界用例数量 | 每功能点 ≥ 2 | AI语义识别 |
| 重复用例率 | ≤ 10% | AI语义比对 |
| 错误用例率 | ≤ 5% | 分类结果 |
| 高危场景覆盖率 | 100% | 需高危场景清单 |
| 历史缺陷覆盖率 | ≥ 80% | 需历史Bug清单 |
指标计算说明：
| 新增列 | 说明 |
|---|---|
| 用例分类 | 可用/待修改/错误无效 |
| 评审总分 | 0-100 |
| 逻辑完整性 | 0-25 |
| 预期结果明确性 | 0-20 |
| 前置条件完备性 | 0-15 |
| PRD覆盖度 | 0-25 |
| 边界异常覆盖 | 0-15 |
| 扣分原因 | 具体扣分项列表 |
| 改进建议 | 具体可操作的改进措施 |
用例分类列使用颜色标记：
新增 Sheet "评审汇总"，包含：
调用 scripts/review_excel_handler.py 的 append_review_to_excel() 生成新文档
命名规则：原文件名+【评审版】.xlsx
对每个测试点节点增加评审标注：
在根主题下新增一级分支节点"评审汇总"，包含：
调用 scripts/review_xmind_handler.py 的 append_review_to_xmind() 生成新文档
命名规则：原文件名+【评审版】.xmind
无论输入是Excel还是XMind，均额外输出一份 Markdown 格式的评审汇总报告：
# AI 测试用例评审报告
## 一、总体概况
- 总用例数：XX
- 可用（第一类）：XX（XX%）
- 待修改（第二类）：XX（XX%）
- 错误无效（第三类）：XX（XX%）
## 二、量化指标达标情况
| 指标 | 实际值 | 合格线 | 是否达标 |
|------|--------|--------|---------|
| 需求覆盖率 | XX% | ≥ 95% | ✅/❌ |
| 反向用例占比 | XX% | ≥ 30% | ✅/❌ |
| 边界用例数量 | 每功能点 X 个 | 每功能点 ≥ 2 | ✅/❌ |
| 重复用例率 | XX% | ≤ 10% | ✅/❌ |
| 错误用例率 | XX% | ≤ 5% | ✅/❌ |
| 高危场景覆盖率 | XX% | 100% | ✅/❌ |
| 历史缺陷覆盖率 | XX% | ≥ 80% | ✅/❌ |
## 三、各维度得分分布
| 维度 | 平均分 | 满分 | 得分率 |
|------|--------|------|--------|
| 逻辑完整性 | XX | 25 | XX% |
| 预期结果明确性 | XX | 20 | XX% |
| 前置条件完备性 | XX | 15 | XX% |
| PRD覆盖度 | XX | 25 | XX% |
| 边界异常覆盖 | XX | 15 | XX% |
## 四、典型问题 Top 10
| 排名 | 问题类型 | 出现次数 | 典型示例 |
|------|---------|---------|---------|
| 1 | 预期结果模糊 | XX次 | "验证成功"无具体判定标准 |
| ... | ... | ... | ... |
## 五、改进建议汇总
（按优先级排列的改进建议）
本技能是下游评审技能，与上游生成技能形成闭环：
generator-testcase-xmind ──→ 生成 XMind 用例 ──┐
│
generator-testcase-excel ──→ 生成 Excel 用例 ──┤──→ review-testcase ──→ 评审输出
│
safe-testcase ──→ 补全遗漏用例 ────────────────┘
建议使用流程：先使用生成技能产出用例 → 再用评审技能检验质量 → 根据评审结果修改待修改用例 → 必要时用 safe-testcase 补全遗漏场景。
Python脚本，用于读取Excel测试用例文件并追加评审结果。支持：
append_review_to_excel(file_path, review_results, metrics_data, output_path) — 主写入函数Python脚本，用于读取XMind测试点文件并追加评审标注。支持：
append_review_to_xmind(file_path, review_results, metrics_data, output_path) — 主写入函数5维评审体系的详细打分细则，包含每个维度的分段评分标准、扣分项清单和扣分分值。
三级分类（可用/待修改/错误无效）的判定规则，包含评分阈值、维度下限、否决规则和判定流程图。
7项量化指标的计算公式、合格线、数据来源说明，以及缺少参考数据时的处理方式。