菜单
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。
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
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/。