1、zentao-api、zentao-cli的作用这两个是官方提供的skill，用于基础能力，而 zentao-tour 主要用于禅道功能及对应 Skill 的入门教学，和我们实际业务场景匹配度较低，因此已做移除处理。2、zentao-hybrid是什么呢？为什么需要设计这个这个skill算是zentao-api、zentao-cli的结合体、禅道的开放平台接口文档，具备两个版本： 分别是v1.

虽然上面分享了很多skill，但不是说大家都需要具备，最重要的是结合自己的工作痛点去封装适配需求的skill，这个才是我们学习的重点。大家可以基于Raina提供的思路自行去开发skill，如果需要现成的skill，并且有完整使用教程的，可以加入【Raina的AI&测试实战圈】了解看看，以上的skill以及详细使用教程、实现原理都有更新在里面的，在使用的过程中有问题也都可以在星球里面提问，Raina

1、zentao-api、zentao-cli的作用这两个是官方提供的skill，用于基础能力，而 zentao-tour 主要用于禅道功能及对应 Skill 的入门教学，和我们实际业务场景匹配度较低，因此已做移除处理。2、zentao-hybrid是什么呢？为什么需要设计这个这个skill算是zentao-api、zentao-cli的结合体、禅道的开放平台接口文档，具备两个版本： 分别是v1.

所有内容均为原创输出，围绕软件测试全栈知识和AI 赋能测试实战两大方向展开，兼顾入门学习、技术进阶、工具使用、项目落地与求职面试。覆盖测试基础理论、用例设计、功能/性能/自动化/接口/移动端/安全测试，以及测试管理、工具、敏捷、数据库、兼容性、环境管理、文档、编程语言、最佳实践、项目实战等。电商交易、IM 即时通讯、支付金融、直播短视频、社交 Feed、外卖出行、在线教育、RTC 音视频、办公 S

现在很多公司的需求原型是放在蓝湖进行管理，当我们在用cursor等AI工具进行用例设计或UI还原度测试时，会遇到个痛点，就是没法直接把我们的蓝湖链接放上去，让ai直接读取需求，需要我们手动截图或复制需求的内容到markdown文档里面，效率低的同时还可能会有遗漏，导致生成的用例效果不佳等情况。按下回车，AI 会自动调用已启动的蓝湖 MCP，向蓝湖平台发起请求，读取对应原型的所有内容，包括页面布局、

做AI提效测试的小伙伴，一定绕不开MCP这个核心工具——它就像给你的AI助手装了一个“万能外接设备”，让Cursor、Trae等AI工具不再只停留在“出主意”的层面，能直接上手操作浏览器、数据库、代码仓库、测试工具，帮你省去大量重复手工操作，真正实现测试效率翻倍

大家在使用AI辅助开展测试工作时，比如生成测试点、测试用例等，经常会遇到一个共性问题：由于需求文档不规范、不完善，甚至存在描述模糊、信息缺失的情况，导致AI生成的结果不符合实际业务预期，需要反复修改核对，反而增加了额外工作量。那要如何改善这个问题呢？可以搭建一个专属的知识库——把所有相关资料集中管理，让AI生成用例时，能获取更全面、更精准的上下文信息。

之前给大家分享过获取蓝湖需求文档 的Skill，有些使用 Figma原型的小伙伴希望能有适配 Figma 的同款 Skill，解决日常用AI辅助生成测试用例时原型解析的痛点。其实之前我们已经分享过 Figma MCP 的相关配置教程，基于现有基础封装 Figma Skill 会简单很多，之前配置过 Figma MCP 的小伙伴，甚至可以尝试自己动手封装。今天给大家分享整体的实现思路和案例。

优先推荐：方案 1（playwright-cli + Skill）—— 兼顾执行效率、Token 成本与稳定性，自带异常处理能力，零编码门槛，适合所有测试同学，尤其是新手，学完就能直接落地到工作中，提效明显；次选推荐：方案 4（Playwright + MCP 代码生成）—— 灵活性强、可维护性高，能适配各类复杂场景，适合有一定编码基础、需要处理复杂业务的测试同学，可作为进阶学习方向；补充了解。

本次完整梳理了 ApiAutoTest 接口自动化的全流程升级思路，从单一接口请求，升级到自然语言编写场景用例，再落地到多接口串联业务流程，下一篇，我会在此基础上，继续讲解：如何在串联用例中加入 MySQL 断言，实现接口 + 数据库双层验证，让自动化更严谨、更贴近企业级标准。不用深耕编码、不用复杂脚本，通过自然语言就能描述业务场景，自动完成接口依赖传参、上下游接口串联、流程断言校验。