开发与测试工程师经常要做「测试数据工厂」这类事：为测试生成结构合理、可复现的假数据工厂。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。

背景（虚构）

Mia是一名开发，每周都要做几次测试数据工厂。过去靠复制粘贴提示词，结果不稳定。这次团队把它做成了技能，下面记录一次完整运行。

1. 发出请求

Mia在测试框架与 CI 流水线中输入：

帮我做一下测试数据工厂，材料是附上的数据模型定义。

2. 技能被触发

智能体根据技能描述判断任务匹配，加载「测试数据工厂」的完整指令。它不需要外部工具，直接按指令处理。

3. 读取模型字段与约束

智能体完成“读取模型字段与约束”，并在中间结果里注明依据，方便Mia回看。

4. 设计默认值

智能体完成“设计默认值”，并在中间结果里注明依据，方便Mia回看。

5. 支持覆盖字段

智能体完成“支持覆盖字段”，并在中间结果里注明依据，方便Mia回看。

6. 保证随机种子可复现

智能体完成“保证随机种子可复现”，并在中间结果里注明依据，方便Mia回看。

7. 交付与复核

智能体交付数据工厂代码，末尾列出两条需人工确认的内容。Mia对照原始数据模型定义抽查关键信息，修正一处表述后采用。

复盘：这次做对了什么

  • 步骤写在技能里，没有遗漏
  • 不确定处被标出，而不是被编造
  • 遵守了「生成的测试要先在本地跑通，别只盯覆盖率数字」
  • 风险较低，但输出仍需快速过目再使用

可以改进的地方

Mia发现智能体对团队内部术语理解不一致，于是在技能目录中加了一份术语表（reference.md），并在 SKILL.md 中写明“遇到术语先查表”。更多改法见定制指南。

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（读取模型字段与约束、保证随机种子可复现），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：一次处理多份数据模型定义，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。

什么时候用这个技能

  • 手头有数据模型定义，需要在较短时间内得到数据工厂代码
  • 同类任务每周出现多次，希望每次处理方式一致
  • 结果要交给同事或上级复核，需要统一的结构和清楚的依据
  • 新人接手这类工作，需要一个可以照着做的标准流程

反过来，如果只是偶尔做一次，或者任务高度依赖现场判断，直接和测试框架与 CI 流水线里的智能体对话即可，不必专门封装成技能。

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。