本文总结了AI技能项目验证体系的三个关键设计决策：采用LLM语义评测替代正则断言、排除架构限制项而非修改评测器、选择性价比最优的DeepSeek模型。最终交付包含6层验证金字塔（4套免费自动化+付费LLM评测+人工双盲），通过量化测试将准确率从41%提升至94.3%。作者建议：1）建立可执行的评测运行器；2）用LLM验证内容质量；3）诚实标注架构限制。项目提供完整MIT协议代码，旨在建立统一的AI

让测试团队拥有统一的 AI 辅助标准，不做各自为政的 Prompt 孤岛。下一篇：几个关键设计决策（为什么用 LLM-as-judge、为什么用 DeepSeek、API key 安全）+ 最终交付的验证体系 + 给同类项目的 3 条建议。

上篇我们呼吁：做测试要回归业务本心，别被工具绑架；下篇我们想说：别把业务和技术对立起来，重新看清测试人的价值。AI是工具，自动化是方法，守住业务风险、保障产品质量，才是测试的初心。愿所有深耕业务的测试人都能被认可，愿所有企业都能抛开形式主义，找到真正能创造价值的质量守护者。© 回归测试本源 · 业务为核，技术为用 | 写给所有坚守本心的测试人。