开发与测试工程师经常要做「不稳定测试排查」这类事：多次运行定位偶发失败的测试并分析原因。每次都从头写提示词，结果时好时坏；把它做成智能体 Skill，就能让智能体每次按同一套步骤执行，输出结构也更稳定。

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

1. 「不稳定测试排查」技能和直接写提示词有什么区别？

技能把步骤、格式和约束固定下来，由平台在相关时自动加载；提示词需要每次手动提供，效果依赖当次写法。

2. 需要会编程吗？

不需要。不过这个技能带脚本，脚本部分需要有人能维护。

3. 哪个平台最适合？

取决于你在哪里工作：写代码的团队适合 Claude Code、Cursor 等编码工具；业务团队适合 GPTs、扣子、百炼、飞书 aily 等平台。可以先读介绍。

4. 输出可以直接用吗？

不建议。风险较低，但输出仍需快速过目再使用。

5. 缺资料时会怎样？

如果技能里写了“信息不足先提问”，智能体会先列出缺失项；没写的话可能自行补全，这正是要避免的。

6. 能处理很长的材料吗？

取决于模型上下文长度。材料过长时，建议在技能中要求分段处理并说明处理范围。

7. 数据安全怎么保证？

测试时使用脱敏样例，按最小权限配置工具，并确认平台的数据政策。详见安全审查。

8. 效果不好怎么办？

按故障排查对照症状，一次只改一处并重跑测试。

每一步要产出什么

把每一步的中间产出写清楚，智能体就不容易跳步，人也方便定位问题：

  1. 重复运行收集失败：产出一段简短的中间结果，并注明依据来自测试命令的哪一部分
  2. 对比失败日志：产出一段简短的中间结果，并注明依据来自测试命令的哪一部分
  3. 归类为时序、顺序依赖、外部依赖：产出一段简短的中间结果，并注明依据来自测试命令的哪一部分
  4. 给出修复方向：产出一段简短的中间结果，并注明依据来自测试命令的哪一部分

最后一步之后，再把这些中间结果汇总成不稳定测试清单与原因分析。中间结果可以折叠或省略展示，但在技能指令中要求智能体“先完成再汇总”，能明显减少遗漏。

领域注意事项

「不稳定测试排查」属于测试领域，使用者多是开发与测试工程师，工作环境通常是测试框架与 CI 流水线。这个领域最重要的一条底线是：生成的测试要先在本地跑通，别只盯覆盖率数字。

建议把这条底线原样写进技能的约束部分，而不是指望智能体自己意识到。同时，在团队内部明确：智能体给出的不稳定测试清单与原因分析只是初稿或建议，最终由谁签字确认、出了问题由谁负责。

常见变体

同一个技能可以按使用场景派生出几个变体：

  • 简版：只保留核心步骤（重复运行收集失败、给出修复方向），适合快速过一遍
  • 详版：每一步都写出理由与依据，适合交给他人复核或留档
  • 批量版：一次处理多份测试命令，输出汇总表，适合定期集中处理

变体之间共享同一套约束，只在步骤详略和输出格式上有差异。可以在一个技能里用参数区分，也可以拆成几个名称明确的技能。

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。