Agent：能自主感知、决策、执行、复盘的测试执行者（如：用例设计Agent、自动化执行Agent、缺陷分析Agent）。Skill：Agent 能调用的原子能力（如：接口调用、造数据、截图、日志分析、生成用例）。落地公式测试场景 = 1个Agent + N个Skills + 任务流。

手册目的：规范4个测试专用Skills包（Excel用例、Xmind用例、API测试用例、JMeter脚本）的使用流程，明确输入规范、输出标准、工具导入步骤及常见问题解决方案，帮助团队成员快速上手、高效落地，减少沟通成本和操作失误。适用人群：全体测试人员（手工测试、接口测试、性能测试相关）核心原则：输入极简规范、输出直接可用、步骤清晰无冗余，彻底解决“格式转换、中转适配”的核心痛点。

OpenClaw是底层引擎；QClaw是个人微信版；WorkBuddy是腾讯企业版；KimiClaw是云端文档版；JVSClaw是阿里沙箱版；ArkClaw是字节飞书版。

链接：https://juejin.cn/post/7589107312112599049核心亮点：完整Skill开发流程（需求定义→文件编写→打包上传）SKILL.md文件编写规范（含示例模板）测试验证方法，确保Skill符合预期测试人必学：按此流程开发对接自研测试平台的Skill，实现用例自动执行。

Skill不是简单的工具，而是将测试专业知识内化为可复用、可扩展的测试能力。真正的AI测试专家，是将测试方法论转化为可执行的Skill。

提供可落地的Skill模板。“complete_optimized_code”: “完整的优化后代码”“optimized_complexity”: “优化后圈复杂度”,“critical_issues”: “严重问题数”,“original_lines”: “原始代码行数”,“issues_found”: “发现的问题总数”,“medium_issues”: “中等问题数”,“high_issu

说明：全程贴合测试岗日常工作（接口测试、报告整理、用例生成、环境巡检），所有命令、指令均已简化，复制即可执行；避开复杂配置，新手也能快速上手，结合我15年测试经验，标注高频使用场景和避坑点。

代码采用模块化设计，每个Agent独立封装，便于单独调试和扩展；基于LangChain的Prompt+Parser模式，保证大模型输出结构化JSON，避免格式混乱；核心流程完整覆盖“需求分析→用例生成→执行→分析→协调”全链路，可直接落地；预留了RAG、自动化工具、缺陷平台的对接接口，只需补充具体实现即可适配实际业务。

预训练模型虽然“博学”，但存在两大问题：预训练是“从0到1造模型”，让模型“知道是什么”（通用知识）；微调是“从1到N改模型”，让模型“擅长做什么”（特定任务/领域）。

在快速发布的背景下，作为QA，需要从不同的角度来提高我们的工作效率，其中的一个方向是：通过AI生成测试用例的方式。Agent 具备。