测试用例生成Agent教程

今天跟大家分享一下如何使用 open core 去设定一个多 agent 的 一个模式。首先呢，我们会通过这条命令去添加一个新的 agent， 那 这个名字是根据我们实际需要进行填写的，像我这边需要去 专门弄一个编程专家，那我就会给他起一个叫 call 点。执行这条命令之后，我们会给这个 agent 单独配一个工作空间，就是每个 agent 的 它的工作空间是独立的，它是互不干扰的。 那接下来会给他配一个模型，我这边先用的一个模型进行一个测试，然后接下来就会给它配一个通道，那我这边是采用飞速的方式进行接入的，配置完之后，他在一整台这边就会多了一个叫 call 点了，那除了主规划之外，就是我们这个 call 点就是我们新增的一个 a 整台， 然后在 open curl 的 这个配置文件里面，它这边也会新增相关的配置，然后在这边那 agent 它这边有个，它这边有个 list， 那 这边有个主绘画的一个 agent， 那 这个 call 点是我们新增的一个 agent， 那 配置完之后我们就要去设定这个 agent， agent 一个人格，那我我这边会通过 ai 的 方式来进行一个输出，这个这部分就不用我们自己去设定了，我们就提出我们需求，让它进行一个修改就可以了。 那我这边的提示词是这样写的，我会让他去艾特这篇文章，然后让他了解就是每个 agent 需要 包含的有哪些内容。那这篇文章是在这个网站这边去的，就是每个 agent 它有包含了几个文件，像 agent 点 md， 其实一些操作指令告诉 ai 应该怎么做，那 so 点 md 就是 ai 的 一个 灵魂。告诉 ai 他 是谁？ user 就是 我们用户，我们自己用户是谁？ i don't care 是 ai 的 一些基本身份， toos 是 一些工具，就是 ai 使用的一些 skill。 那 may may 点 d 是 一些长期需要记忆的，那然后下面有一篇的目录，这个是用来做短期记忆的，每天都会做一个总结。 那这边都有介绍每部分需要编辑的规则是怎样的。那我们看一下我们这边 ai 帮我们实现怎么样呢？ 那他就会给出这个基本身份是名字叫 cloud code， 资深前端的软件工程师， ai 助手。前端啊，即 open core， 它的一个定位是把需求变成可维护、可测试的交互。一个软件部分都是 ai 帮我们生成的。那我们来看下一个文件，这个是 ai 的 灵魂， 那现在我们看下一个就是它的 agent， 我 们继续 那用户的画像，说的就是我，我看一下，这个可能比较重要，这是为了更好的写作，不是为了收集隐私，不要记入敏感信息。那基本信息，我叫 oliver， 那 时间就是北京时间， 这是心跳的一个轨迹，周期性的一个工作，我们不需要心跳检查，把本电流空气的起动时保持最小，以免脱口干纹。我们先这样弄，然后要在人格里想画出来，就主要要记住这样 看一下，然后这个 让他再调整一个版本，我们采用飞书测试一下，我们来问一下他，你好，你是谁？我这个需要授权一下。 好像没起来哦，我们重启一下服务，我刚开始可能忘记重启了，再重启一下。 ok， 我 们再测试一下 哦，感受到配置完那个 agent 之后，需要那个重启一下服务。 那另外关于这几个这几个文件的一个介绍，我们在这个网站这边是有个详细的介绍，就是打造 ai 的 一个人格，它有介绍工工作空间一些文件的作用，大家有需要的话可以私信我，我分享给大家，今天分享到这边，谢谢大家。

hi， 大家好，今天我们来聊聊 ai agent。 我 想挑战用一个标题生成器的案例来搞清楚 agent 这回事。我们都知道 agent 是 智能体，相比于单纯的大模型来说， agent 是 一个能力更强大、更聪明的系统。 拿我们要实现的标题生成器来说，既然大模型已经很强了，直接写一句提示词不也能生成标题吗？为什么要用 agent 呢？我的答案是三个词，质量更高、能力更强、用起来更方便。 agent 生成的内容质量通常更稳定、更高，它可以调用工具拥有的能力更多。 agent 呢，可以把一件复杂的事拆成多个步骤，自动完成使用，会更加方便。 一、 agent 思维做一个 agent 的 第一步就是要把一个功能用 agent 的 思维来拆解。我们要明确， agent 不 再是一句话，而是一个流程。虽然每个 agent 不 一样，但大致可以按照以下结构来拆解， 输入层、分析层、生成层叫验层、输出层。这是我常用的一个思路，可以比较快速地拆解实现一个 agent。 第二步就是设计 agent。 这一步除了要用我们提到的五层架构，还需要准备 agent 用到的重要资产。说白了， agent 的 水平很大程度取决于你为给他什么， 可以是我们的知识积累，也可以是搜索的专业资料，还是拿标题生成器这个案例来说，我需要准备三样资产，优秀的标题库、标题写作方法论。还有一个就是平台的特性。 这三个资产就是区分是否能生成一个有吸引力、质量高的标题的关键了。接下来就是按五层结构开始梳理了。为了方便大家理解，我用一张图来展示，但实际上你只需要在脑海里梳理清楚就可以了。第一，输入层 就是你要给他输入什么，首先是输入一个主题或几个关键词。其次，不同平台对标题的要求也是不一样的，所以我可以去指定平台。 第二，分析层，这一部分，上层输入层，下结生成层。这一层是让 agent 变聪明的地方。这一层需要做几件事， 首先，优秀标题库里记录了你之前使用过的历史标题，或者是收集到的一些优秀的标题，分析层需要根据这些内容去学习你的个人风格偏好。 其次，我们提供了高质量标题的方法论和技巧，分析层可以代替我们去学习怎样写好一个标题。第三，我们还提供了不同平台的规则，分析层能根据这个资产去理解每个平台的内容 dna。 第三，生成层，这个就是大家熟悉的大模型的部分了，在这一部分我们需要提供一个标题生成的提示词，设计清楚三个关键要素，角色、任务和约束。 生成层会根据分析层得到的前置知识，生成更加符合要求、质量更高的内容。 第四，小验层，在输出之前再加一道质检，可以在这一部分引入一个评估机制，让模型从吸引力、清晰度和点击率三个方面打分，完成从标题生成到持续优化的过程，使输出内容的质量更加有保障。 最后一步就很简单了，把结果整理成结构清晰、可以直接使用的内容输出。 第三， agent 搭建设计完成之后，其实搭建反而是最简单的一步，现在已经有很多工具可以帮我们快速实现，比如扣子、 n 八 n 都是不错的工具，这里我采用扣子进行搭建， 我们打开扣子官网，点击新建项目，会弹出智能体的开发页面，进入页面之后，左侧是人设设置的地方，中间就是搭建智能体的主战场了。 最重要的就是工作流，你可以把它理解成一条流水线，可以通过拖拽的方法对插件、大模型等多种类型的节点进行操作，把我们刚才设计的流程一步一步的拼出来。 另外需要关注的就是知识部分，我们需要把我们的资产添加到知识库里，这样就可以提供给智能体读取和使用了。看，我已经把我需要的都添加到知识库里面了。 进入工作流编排的部分，我一般会先搭建每个作业簿，然后连线。作业簿的搭建我也概括了三个小步骤，第一，选择节点。第二，确定输入输出。第三，填充内容。我们来实战一下， 扣子里知识的节点有很多类型，每个节点的意思其实都很好理解，我们选出最适合使用的节点就可以了。举个例子，在分析层中我们要做一件事， 就是从标题库中提取风格偏好，那就需要一个剪辑节点去剪辑知识库以及一个大模型节点去做分析。选定这两个节点之后，第二步就是去确定它的输入输出。剪辑节点的输入就是过往优秀标题 从标题生成语料中进行解锁，输出呢就是解锁出来的内容，大模型这个节点输入就是解锁节点的输出，而大模型节点的输出呢，就是我们期望的分析结果。 第三，填充内容。这一步就是指定每个节点的设置，比如说这里的系统提示词、用户提示词等等， 就这么简单，一个作业簿就搞定了，其他内容的编排也是一样的。我们再看这里的生成层，把前面分析得到的风格、方法论、平台特写作为输入，全部给它喂进去，通过提示词给模型下达任务，让模型生成标题。 这里我就不再过多赘述了，感兴趣的朋友可以扣我来拿。完整的工作流，我们来测试一下。输入一个主题，跑一遍流程看，这就是完整的标题生成流程了，还不错， 测试没问题就可以点击发布。工作流只有发布之后才能被我们的智能体调用。 做完以上的这些步骤之后，我们直接点击发布就可以了，可以发布到扣子，也可以发布到飞书或者是其他的平台。 以上就是搞定一个智能体的全流程了，希望这个案例能帮你把 a 针的搭建变成一件可拆解可复用的事情。让我们一起用 ai 拓宽个人能力边界，我们下期见了，拜拜。

挑战从零基础小白自创 ai agent 的 智能体。上期视频我们实现了 ai 对 基本攻击的调用。本期视频我们将添加一个新的攻击 to do 作用系，让 ai 知道自己该干什么。首先我们在 tools 文件夹里面添加 to do py 文件。 第二步，修改 in it py， 将 to do 工具更新进去。然后我们打开 cloud code， 让 cloud code 帮我们检查 bug， 检查完机后生成测试脚本。 测试完机后， open cloud 建议我再添加一个 list to py 工具，这个工具能查看业务列表。然后我们再让 cloud code 检查一遍。 一切就绪之后，打开 power shell， 在 命令行输入 python 杠 m agent loop 运行并测试。下期视频我们将会实现自带里的创建。

三十六岁，当大多数测试人还在手动点点点为版本回归焦头烂额时，这位大佬已经悄悄用 ai 给自己开了外挂。他只用了一个周末，就用 cos ai 和 linchang 一 口气搭建了十八个测试智能体。需求分析、用地生成、自动化脚本编辑，甚至是 bug 的 初步定位， 全部交给这些数字员工去并行处理。而 curser 这个 ai 编程神器，更是让他修脚本的速度快的像开了倍速。现在他的工作流逝， 需求文档甩进去，十八个智能体瞬间启动。当别人刚写完用力标题，他这边全流程都快跑完了。这哪是在做测试，分明是在指挥一支 ai 军团！ ai 时代，淘汰你的不是工具，而是会用工具的人！评论区领取全部工作流哦！

前想做这样的一条一分多钟的 ai 漫剧，从角色和场景的设定，到分镜设计，再到最后的视频生成，一个人 导师根本下不来，光提示词就得写上几千字。这两天我紧急测试了一下 a 阵模式，效果真是出乎我的意料，我们只需要准备好剧本以及每个过程的质量把控， ai 就 能一次性生成几十集的分集短剧。 就这个短句 a 帧的模式，你只需要把剧本发给他，或者说你提供点子，让 ai 帮你去直接生成剧本。 ai 会分析我们的剧本，提供四五种适配的风格，确定好风格和比例，它就会生成剧本的大纲和梗概。接着就是角色设定图和场景图， 非常智能的一点是，他把同一个角色的不同造型全都生成好了，包括每一个造型出现在哪一集，都是提前关联上了。当然，如果你对他生成的角色图和场景图不满意的话，你也可以修改提示词，让他重新生成，或者说你去把你本地做好的上传上去都是 ok 的。 接下来就是大多数人最头疼的分镜提词词了，你看这里，他是根据剧本生成了多个分集，我们点进每一个分集里面， 在每一个分集的编辑界面，可以看到每一集都包含几个片段，每个片段里面呢会包含几组分镜提示词都是写好的，我们只需要去审核它的分镜和我们自己想象的画面是否一致，然后稍加修改就 ok 了。整体测试下来就是非常适合新手玩家或者说没有团队的个人， 即使不做题词的修改，他一次性生成的画面都是很 ok 的。 当然，如果你是专业玩家，也可以通过控制角色图、场景图以及分镜提示来达到更加酷炫的运镜效果和转场效果。

这是一个让设计师集体失业的网站，一天一个神奇网站第四十二期今天讲，这是一个真正拥有专业设计思维的 agent， 不 管你是做电商物料，还是设计海报，甚至是做 ppt， 它都能轻松搞定。以电商商品图为例，只要选 nano 版 nano pro 模型，再输入一句话， 它就能直接帮你生成一整套品牌级设计。而且生成的设计还可以编辑，任意元素，甚至最难搞的文字它都能编辑，无论是艺术字、 手写字，还是小字标注，甚至是被遮挡的文字也能改，不管你怎么改，字体排版全都自动保持统一。最厉害的是多角度功能，一拖一拉就能改变物体的视角，非常适合做产品的多角度展示，还能直接带走上架，真的非常好用。

每天一分钟，一起学 ai， 今天学习用 ai 做一站式短剧，万字剧本一键就能解析。首个搭载 c、 d 二点零模型的 ai 短剧 agent 工具，直接实现从文本到视频的自动化。接下来带大家实操。首先我们来到这里 选择短剧 a 指令，这里可以上传剧本，也可以用 ai 生成剧本形式。参考这段文字剧本可以上传文档形式，我们上传提前准备好的剧本，点击剧本解析，它就自动为我们解析剧本，还可以选择风格和画面比例。接着 我们点击确认，他就会给我们整理剧本大纲，生成人物形象图和场景图，不满意还可以手动修改，满意之后我们点击下一步，点击进入编辑，依次根据不同片段生成视频，全区人物不脸崩，灵活增加删除分镜。最后我们合成全集下载下来。 无论是慢剧还是短剧，拥有这个工具无需串联各大平台啊，一人即是一个团队，你也来试试吧！这院子拍古装剧也不用这么逼真吧？等等，这脑子里的东西是， 原主是青云宗外门最垫底的弟子，林根薄杂，连最基础的青云入门绝都练不会， 都精神点，今日考核，谁要是过不了关就卷铺盖滚出青云宗， 别占着宗门的资源，浪费老夫的时间。今日是外门月度考核，若不能完整演练一套基础剑士就会被宗门除名，沦为街头流民。从你开始演练青云基础剑士，少一个动作，少一份力道都算不合格 啊啊，废物，连站都站不稳，也配待在青云宗？来人，把他拖下去逐出宗门！ 不行，我不能被逐出宗门，既然魂穿到这里，我就一定要活下去。不就是一套剑石吗？我不信我学不会， 哼哼，林婉，该你了。

我叫林损损，一个倒霉的穿书选手，别人穿书好歹有个金手指，开局我这金谋纸还没到货呢，就被围在天眼宗大殿中央等着 ip 洞。林损损，你偷了恶尊主的本命剑，还推我坠下诛仙台，如今证据确凿，你认不认罪？就靠你这滴说来就来的眼泪，不去仙界春晚演小品都可惜了。 我就知道你最厉害了，一定能为我做主。不是吧，这天道亲儿子是走后门当的，放着三界顶级美女不看，围着你个枯包转，恭喜宿主修为提升至金三级，没想到天道比我还嘴贱，直接动手了。我看着自己冒着金光的手， 又看看叶尘渊那边原地成仙的特效，属实是懵逼树上美逼果懵逼树下你和我不是 骂他还能帮他升级？这只是我做的 ai 网剧中的一个片段，现在 ai 网剧有多火，需求多大你知道吗？但是你不会以为需要好几个人的团队，再用好多工具才能搞定吧？ 过去或许是现在，你需要找一个你喜欢的剧本，上传到这里可以支持万字教本一线解析，不用你慢慢抠剧本，下一步会自动根据全剧本中的不同角色和形象拉满，再下一步就自动给剧本分了级。 选择你想制作的一集，你会发现每个分镜的提示词都已经自动写好，只要你点击生成，就会用最强的 cds 二点零马力全开， 所有分镜搞定之后，只要一键合并视频，你的一集短剧本就做好了，是不是简单高效？具体的操作文档我已经整理好了，欢迎评论区来撩哦！

测试工程师如何利用 ai 体校？一、测试用力生成最常用的是分析文档生成 case， 但是这种呢，效果一般不好，好的做法是我们利用 r a g 支付建设，不仅是虚伪呢，我们还要把 u i 的 设计稿，业务的操作手册，接口的文档，还有历史的 bug， 以及 机械的用力和巡检用力，这些都放进来，同时让我们去优化体式词。二、自动化脚本开发大模型优秀的代码能力呢让我们没有代码基础的同学也可以进行自动化 case 的 编辑以及脚本的开发啊。我们可以结合一些原有的框架，比如说 pytest 的 opume， 这个能快速去生成高质量的自动化 case， 而且场景是非常全面的。同时呢，我们还能结合 agent 去执行自动化，产出自动化的报告，真正实现无代码的一些操作啊。三、自动化脚本修复当接口发生变更，参数发生变化以及 ui 元素更新的时候，自动化可以更新接口信息和定位方式，实现自我修复，提高维护的效率。 结果和 bug 的 分析对测试的结果、测试报告、 bug 报告等，我们可以进行分析汇总，识别真正的问题和测试环境或者脚本引发的一些问题，对于真实的一些 bug 进行汇总分析，突出一些关键的风险点和趋势，给出问题的优先级和一些修复的建议。 五、测试数据构造利用 ai 大 模型生成测试数据，几分钟就可以实现复杂的一些业务数据构造，而且数据是非常丰富的，大大提高了一些数据准备的效。

香港大学刚刚开园的宝藏项目，一天时间飙升到了两万星标，只需要一行指令就能自动扫描软件源代码，然后自动生成一套标准的 c l i 命令。简单说就是把任何软件改造成 ai， 可以 直接调用的工具。过去的软件是给人用的，而经过它的转换， ai 现在可以直接调用。武装你的小龙虾吧！

c l i anything 让所有软件变成 ai agent 的 原声工具。一条命令把任何软件变成 agent。 可以 通过 c i i 控制的工具安装，超级简单，只需要添加这个 marketplace， 然后安装 play anything 插件，一行命令，插件就装好了。最酷的部分来了一条命令就能给任何软件生成完整的 c l i 接口。比如给 g m p 生成 c l i， 它会自动完成分析设计，实现测试文档和发布全部七个阶段。 它支持的平台超级多， cloud code， open code code， 还有更多平台正在路上。基本上你想用的主流 ai 编程工具都支持它能做的事情超乎想象。 创意工具，像 gimp blender create 办公软件，像 library office 开发工具，像 jenkins github， 还有像 zoo 这样的会议软件， 全都能变成 agent。 原声工具质量也是顶级的。十一个专业应用，一千五百零八个测试，百分之百通过率。每个生成的 c l i 都经过单元测试和端到端测试，确保生产环境可用。它最大的优势是什么？ 不是用 u i 自动化，不是调用有线的 a p i， 而是直接生成真正的 c l i 接口。完整的软件能力零妥协。 agencies 可以 像专业用户一样控制这些工具。 c l i anything 让任何软件都能被 ai agent 控制，不需要 api， 不 需要重新实现。一条命令，让软件真正变得 agent native。

香港大学刚刚开园的宝藏项目，一天时间飙升到了两万星标，只需要一行指令就能自动扫描软件源代码，然后自动生成一套标准的 c l i 命令。简单说就是把任何软件改造成 ai， 可以 直接调用的工具。过去的软件是给人用的，而经过它的转换， ai 现在可以直接调用。武装你的小龙虾吧！

写简历这件事，我用 ai 彻底帮我搞定了。最近基于 cloud code 开发了一个 agent skill， 用户只需要根据提示用自然语言描述自己， ai 就 会帮你生成这样的简历。项目名叫 auto cv， 已经开源在 github 上。先说下为什么想做这个。 每次当我写简历的时候，大部分时间根本没花在想写什么上，而花在了调节自己大小行间距的对齐方式。这件事情跟你的实际能力半毛钱关系都没有，却要花掉几个小时，很不值得。所以我想让 cloud code 来帮我干这件事情。 项目基于了 text 的 语言，参考了 overleaf 上的中文简历模板。首先用 vs code 打开工作目录，从命令行启动， cloud code 直接调用 autocv 指令。 刚开始 a 证呢，会自动检查环境，自动把 the text 的 插件和依赖包都给你装好。之后，他会像真人面试官一样，引导你一步步填写信息，比如我直接告诉他我的籍贯、姓名、电话、邮箱，还有个人主页的链接， agent 收到这些信息后会自动更新，并实时渲染出 pdf 预览。接着我输入了我的学历背景，我是二二级北理电子信息的本科生，二六级清华计算机的硕士，他思考过后就会直接输出更新。 ok， 下一步他询问我有几段实习经历， 可以直接去招聘网站找到你对应实习岗位的描述，以字结合腾讯的招聘官网为例，把岗位描述和核心需求全部复制下来，会给 agent， 并明确告诉他我有两段实习，一段在字节，一段在腾讯。参考这些来写， agent 会严格遵循 sta 而原则及背景任务行动结果，自动量化数据，把自然语言描述升级成了专业的简历语言。 呃。随后是项目经理，我给了他三段项目的简单描述，外加两篇论文的信息。 起初他尝试自动完善并渲染简历，但效果一般，格式有点乱，甚至写到两页，有些关键信息也缺失了。呃，同时可以看到他在向我索要缺失的细节。我补充了信息，并给出了具体的修改意见。在此提交后，他就能生成一份基本可用的简历。 如果你还不满意他的初稿，可以直接打开上下的点 text 原文件，手动修改里面的 text 代码，重新渲染即可。 最终直接在工作目录下打开生成的 pdf， 一 份高质量的简历就诞生了。需要说明的是，这个 agent skill 的 表述风格可能更偏向于理工科学生，对于其他岗位需要稍作调整。 其次是深层的效果，很大程度上取决于你的原始描述，毕竟巧妇难为无米之炊。 agent 只是基于特定的流程进行优化，也就是常说的大白话进去规范语言出来，后续也会考虑延伸用于辅助面试。如果你有更好的想法，也欢迎在评论区留言。 以上就是本期的全部内容，如果你觉得对你有帮助的话，欢迎投币三连加转发。

如何用 tree 完全开发一个微信小程序？第二期，今天我们的主要内容是使用 tree 创建我们的项目，然后创建两个 ai 智能体，一个是我们的软件产品经理，另外一个呢是我们的 ai 技术经理。 那通过这两个智能题，我们今天要输出我们的需求，细化后的软件产品 prd 文档，以及技术经理输出我们的技术方案，可行性分析还有风险，以及 最终的就是方案报告。首先我们先打开 tree， 然后在设置中选择智能体，这里可以看到我已经创建好了这两个智能体，创建的方法也很简单，点击创建，然后这里这个智能生成不是好用，大家可以点击取消， 然后在这里输入智能体的名称，这里的提示词我已经准备好了，所以我直接把它粘贴上去， 主要是一个角色定义，然后技能描述，还有一个是输出，然后给他一个英文标识，何时调用，这里我们就写，当用户提出开发需求，需要确认软件开发的具体需求和细节时 才调用，然后所有的都保持默认，点击创建，然后选择立即使用就可以了。这里我们还是用我们之前创建好的软件产品经理来给大家演示，这是我已经准备好的需求， 然后粘贴给他。 接下来呢我们就把这个需求发给我们的软件产品经理，可以看到他已经开始在分析问题了，因为我要求他是以对话的方式，需要我去主动澄清一些需求的问题，所以他会向我提问，并且给我一些选择， 我会按照我实际的一个要求去做一些选择。 ok， 那 接下来我们就和他一起对话，完成我们所有的需求澄清。 最后在他所有的步骤都完成以后呢，我们实际上就得到了一个最终的 prd 文档，然后这个 prd 文档我也是做了一些阅读和修改，最终生成了 我们最终的 prd。 接下来就是把我们的 prd 文档给到我们的技术经理去做技术拆解，同样也是要创建一个技术经理的智能体。这里我就不再演示了， 我会把提示词分享在评论区。嗯，这里可以看到他实际上最开始给的一个方案是后端用腾讯云去开发，但我们实际上是要用自己的私有服务器去部署， 所以这里我修改一下他的提示词，让他重新和我通过对话的方式重新完成这个技术方案。 最终我们可以看到他最后是交付了一个技术架构图和一系列的文档。 那这个里面就比较符合我们现在的一个技术需求。首先微信小程序通过 ninjix 反向代理做 s t t p s 反向代理，然后 后端使用 node js 开发，然后使用 mac 的 数据库，然后由后端再去调用扣子工作流动语音识别 以及做这个邮件同步。 ok， 那 通过今天这期内容呢，我们可以看到，实际上我们在用 ai 编程的时候，并不说直接上来给 ai 提了需求就让他去干， 而是我们先通过前期跟 ai 协同的规划，搞清楚我们要做什么，怎么做。 嗯，其实这也是大家用 web coding 去编程很容易犯的一个常见的误区，就是一上来就开始让 ai 去做一些模糊的需求，这就会导致后期项目很难去把控，还有 bug 可能会出现反复解决不掉的问题。 所以我认为 web coding 最重要的就是第一个，磨刀不误砍柴工，我们一定要在前期把如何做，怎么做，规划好技术架构是什么， 然后将这些以文档的形式约定好告诉 ai， 这样的话 ai 在 后期开发的时候才不会偏离的太离谱。 ok， 那 本期内容就到这里，如果你感兴趣的话可以点一个关注。下期我们将做三个内容，第一个就是创建我们的 ai 工程师 去开发前端和后端。第二个就是在虚拟机上安装一个本地的 linux 来模拟我们真实的服务器。最后一个就是让我们的后端工程师能够操作这个 linux 服务器完成开发。

大家好，我是土豆，今天想跟你分享一个我最近一直在用的东西，一个面向测试工程师的 cloud skill。 它可以做什么呢？很简单，你丢给他一份需求文档，他给你吐出一整套。测试用力 不是那种泛泛而谈的势力，是真正能直接用，能对起你公司模板的那种。我知道，你可能会想，又是标题党吧， ai 生成的用力能靠谱吗？ 别急，今天我不仅会告诉你它怎么用，还会把完整的配置文件、提示词、模板都整理成一个 md 文件，放到最后， 你可以直接拿去用，或者自己改。先说说我为什么要做这件事。做测试的都知道，拿到需求文档之后，最耗时的环节是什么，不是执行，是拆解。你得把文档里那些业务规则、接口、约束、边界条件一条一条拎出来，写成正向、反向异常的用力。 文档短还好说，赶上那种五六十页的需求，翻来覆去看，生怕漏掉一个点。而且最烦的是，不同人拆出来的风格还不一样，有的人只写正向，有的人边界写的细，有的人异常想的全，最后合到一起参差不齐，反攻改到想摔键盘。 所以我就想，能不能让 cloud 帮我干这件事。我给他设定了一套固定的测试设计策略，什么意思呢？就是不管扔进去什么文档，他都会按同一套逻辑来拆解。 第一，正向流程主路径必须覆盖。第二，反向异常输入错误，流程阻断、权限不足都得想到。第三，边界条件，数值的上下线列表的空余满时间的临界点一个不漏。第四，场景组合多个条件同时变化时有没有冲突？而且我让他区分接口、功能、性能三种类型。接口用力， 他关注参数、错误码、返回值，功能用力，他关注加载并发响应时间。 最关键的是，他可以对齐你公司的模板。你在配置里告诉他，我们的用力格式是用力编号模块、前置条件、步骤、预期结果类型，他生成出来就是这个格式， word 也行， excel 也行，直接复制粘贴，不用二次整理。你可能想问，真的能直接用吗？ 我拿最近一个真实的项目试过，需求文档大概三十页，有接口描述，有业务规则，有交互说明。我把文档贴进去 cloud， 大 概用了几十秒吧，生成了六十多条用力。 我一条一条看下来，正向的都覆盖了反向的他想到了手机号已注册这种场景边界的他，列了密码，最短六位，最长二十位这种临界点 漏掉的，当然也有大概百分之十左右需要我手动补充。但你想啊，本来我要花两三个小时从头写，现在只用花十几分钟过一遍补一下， 效率翻倍不夸张。所以，这个 skill 的 本质是什么？不是让 ai 替代你，是让他帮你干那些重复耗时但又必须做的事情。你把精力解放出来，去做更有价值的事，比如复杂场景的设计，比如质量体系的搭建，这才是一个测试工程师该有的成长路径。好了，今天的内容就到这， 我把这个 skill 的 完整配置、提示词模板，还有我用的测试用力格式范例，都整理成了一个 md 文件。需要的同学可以在评论区回复六六六，或者私信我，我直接发给你。