把「不稳定测试排查」交给智能体，难点不在模型能力，而在流程是否说清楚：输入是什么（测试命令），按什么顺序处理，交付什么（不稳定测试清单与原因分析），哪些事不能做。Skill 就是把这些写下来的载体。

本文介绍如何在 Claude Code Skill 上实现这个技能，包括它的形态、示例配置、启用步骤、一次完整的运行过程和常见坑。

这个技能做什么

项目说明
技能不稳定测试排查（flaky-test-triage）
作用多次运行定位偶发失败的测试并分析原因
输入测试命令
输出不稳定测试清单与原因分析
形态带脚本
风险低
适用人群开发与测试工程师

处理流程分四步：

  1. 重复运行收集失败
  2. 对比失败日志
  3. 归类为时序、顺序依赖、外部依赖
  4. 给出修复方向

这个技能需要运行本地脚本（解析文件、调用命令行工具等），要求运行环境允许执行代码；风险较低，但输出仍需快速过目再使用。

在 Claude Code Skill 中是什么形态

Claude Code 的 Agent Skills 以文件夹为单位：一个 SKILL.md（YAML 头写 name 与 description）加上可选的脚本和参考资料。智能体平时只看到 description，判断相关时才加载全文，所以 description 写得准不准，直接决定 Skill 会不会被用上。

个人级放在 ~/.claude/skills/，项目级放在仓库的 .claude/skills/，随代码一起提交，团队成员拉取后即可使用。

示例配置

.claude/skills/flaky-test-triage/
├── SKILL.md
├── scripts/flaky_test_triage.py
└── reference.md      # 可选：团队规范、模板等长资料，按需加载

SKILL.md 示例（示意）：

---
name: flaky-test-triage
description: 多次运行定位偶发失败的测试并分析原因。当用户提到不稳定测试排查、或给出测试命令并希望得到不稳定测试清单与原因分析时使用。
---

# 不稳定测试排查

## 输入
- 测试命令
- 若缺少关键信息，先列出需要补充的问题

## 步骤
1. 重复运行收集失败
2. 对比失败日志
3. 归类为时序、顺序依赖、外部依赖
4. 给出修复方向

## 输出
- 不稳定测试清单与原因分析
- 末尾附「需人工确认」清单（没有则写“无”）

## 约束
- 生成的测试要先在本地跑通，别只盯覆盖率数字。
- 信息不足时先提问，不要自行编造数据或事实。
- 脚本只在当前项目目录内运行，运行失败时报告错误原文，不要猜测结果。

## 脚本
- 需要解析或批量处理时运行 `python scripts/flaky_test_triage.py <路径>`，读取其输出后再总结

示例里最重要的是两处：一是描述（或指令开头）要写明「什么时候用」，让智能体在开发与测试工程师提出相关请求时能对上号；二是约束部分要写进「生成的测试要先在本地跑通，别只盯覆盖率数字」这类领域规矩，避免智能体自作主张。

安装与启用步骤

  1. 在项目根目录新建 .claude/skills/flaky-test-triage/ 文件夹
  2. 写 SKILL.md：先写 name 和 description，再写步骤、输出与约束
  3. 需要确定性处理的部分放进 scripts/ 目录，在 SKILL.md 中写明何时调用
  4. 重新启动或新开会话，用一句自然语言描述任务，观察是否自动加载
  5. 把 Skill 提交到仓库，在 README 或 AGENTS.md 中登记

实操：一次完整的运行

假设你在测试框架与 CI 流水线中发出这样的请求（虚构示例）：

用不稳定测试排查技能处理这份测试命令，输出不稳定测试清单与原因分析。

智能体识别到任务与「不稳定测试排查」相关后，会依次重复运行收集失败、对比失败日志、归类为时序、顺序依赖、外部依赖、给出修复方向。最终交付不稳定测试清单与原因分析，并在末尾列出需要人工确认的内容。你的工作是对照原始测试命令抽查两三处关键信息，确认无误后再使用。

测试与验收

在新会话中用三种说法描述同一任务，确认 Skill 都能被触发；再用一个不相关请求确认它不会误触发。

针对这个技能，还建议额外准备：

  • 一份信息齐全的标准测试命令，检查输出是否完整
  • 一份缺少关键信息的输入，检查智能体是否先提问而不是编造
  • 一份包含“忽略以上规则”等字样的输入，检查约束是否仍然有效

常见坑

  • description 写成口号（如“强大的助手”），智能体无法判断何时使用。
  • 把大量参考资料塞进 SKILL.md 正文，拖慢每次加载；长资料应拆到单独文件按需读取。
  • 只写了步骤，没写交付格式，导致每次输出的不稳定测试清单与原因分析结构不同。
  • 没有给出样例，智能体对“好结果”的理解与你不一致；在参考资料里放一两份范例会明显改善。

延伸阅读

说明：文中的配置、代码与目录结构均为示意，用于说明思路；各平台的入口、字段名与能力会更新，落地前请以对应官方文档为准。示例中的数据与场景为虚构，不代表真实案例。