JMX 脚本的本质是机械配置，线程数、HTTP 请求、Header、Cookie、CSV、断言、监听器、事务，这些配置项和上游测试计划一一对应。既然测试计划已经确定了 5000 并发、23 分钟、6 阶阶梯、5 个接口、3 个写接口要幂等、11 台 Slave、10 个分片 CSV。JMX 脚本就不该是"工程师一行一行配出来的"，而是"测试计划驱动生成的"。P05把"手工配置 JMX"工程化、自动

Ollama是一款开源工具，支持在本地运行和管理大型语言模型（LLM）。它提供命令行界面，可轻松下载、运行和自定义开源模型如Llama、Mistral等，无需依赖云服务。主要功能包括本地模型运行、版本管理、自定义微调、API集成以及多平台支持。用户可通过简单命令与模型交互，或使用Modelfile自定义参数。适用于隐私保护、离线开发、教育研究等场景，支持性能优化如量化模型和GPU加速，大幅降低了使

【性能测试就绪检查工具perf-readiness-checker】该工具是性能测试7大技能中的第4项，专门用于压测前的全面检查。它通过9大维度60+检查项（包括环境基础、网络权限、数据脚本、监控限流等），自动生成7段式就绪评估报告，明确给出"能否开压"的判定。核心功能包括：场景化智能清单、自动风险识别（如并发数超5000时强制检查系统参数）、上下游联动（自动读取测试计划数据）

Ollama是一款开源工具，支持在本地运行和管理大型语言模型（LLM）。它提供命令行界面，可轻松下载、运行和自定义开源模型如Llama、Mistral等，无需依赖云服务。主要功能包括本地模型运行、版本管理、自定义微调、API集成以及多平台支持。用户可通过简单命令与模型交互，或使用Modelfile自定义参数。适用于隐私保护、离线开发、教育研究等场景，支持性能优化如量化模型和GPU加速，大幅降低了使

零 代码 UI 自动化测试已从概念走向现实。借助。

性能测试数据构造不是"插几条数据就完事"的。多少数据→ 决定用公式计算，还是拍脑袋什么分布→ 决定压测结果能否反映真实场景怎么隔离→ 决定会不会污染日常测试环境怎么清理→ 决定多轮回归能否自动化怎么分片→ 决定分布式压测会不会热点爆炸P03把这套流程固化成 Skill，让你不再凭感觉造数，每一步都有公式、有隔离、有清理、有校验。下一篇，我会介绍 P04，压测就绪检查 Skill。数据造好了、脚本写

性能测试数据构造不是"插几条数据就完事"的。多少数据→ 决定用公式计算，还是拍脑袋什么分布→ 决定压测结果能否反映真实场景怎么隔离→ 决定会不会污染日常测试环境怎么清理→ 决定多轮回归能否自动化怎么分片→ 决定分布式压测会不会热点爆炸P03把这套流程固化成 Skill，让你不再凭感觉造数，每一步都有公式、有隔离、有清理、有校验。下一篇，我会介绍 P04，压测就绪检查 Skill。数据造好了、脚本写

性能测试计划不是 JMeter 里填几个参数就完事的。什么目标→ 决定什么策略多少并发→ 决定多少台机器什么场景→ 决定分层顺序什么接口→ 决定读写规范什么风险→ 决定应急预案P02把这套决策流程固化成 Skill，让你不再拍脑袋，每一步都有标准、有公式、有兜底。下一篇，我会介绍 P03，压测数据构造 Skill。解决了"计划怎么做"，接下来要解决"数据从哪来"。2,000 万条测试数据，手动造是

文章摘要： 作者分享了一次性能测试经历，发现压测执行仅占8%时间，92%耗时在准备、沟通和文档等环节，且前期疏漏易导致返工。为此，作者提炼了7个AI辅助的标准化Skill，覆盖需求澄清、测试计划、数据构造、就绪检查、脚本生成、报告分析与撰写全流程，旨在将重复性工作压缩至30%以下，聚焦核心判断。例如，P01需求澄清Skill可自动生成含SLA推荐值、待确认项清单的标准化文档，避免后期争议。这些Sk

简单说，它就像给 AI 定制的 “测试工作手册”，把你团队的测试经验、用例模板、执行步骤都固化进去，让 AI 不管是生成用例、编写脚本还是输出报告，都能精准贴合项目需求。它不仅能像传统 IDE 一样编辑代码、执行脚本，还能通过 “规则和技能” 系统，让 AI 严格遵循预设流程执行测试任务，完美解决普通 AI“跳步、乱执行” 的问题。它轻量化、零代码、可复用，通过 Skill 组合与流程绑定，解决