Raina测试学习指南Raina测试学习指南
导读
面试题
AI 测试教程
软件测试教程
🌍 知识星球
学习交流群
  • Raina测试工具集
  • Raina常用网站&工具合集
  • 小红书
  • B站
  • 作者介绍
导读
面试题
AI 测试教程
软件测试教程
🌍 知识星球
学习交流群
  • Raina测试工具集
  • Raina常用网站&工具合集
  • 小红书
  • B站
  • 作者介绍
  • 入门学习路线

    • AI 赋能测试完整学习流程
    • AI 基础知识学习清单
    • AI 工具选择
    • MCP学习清单
    • Skills学习清单
    • 工作流学习清单
  • AI测试基础

    • AI技术核心概念
    • Cursor

      • Cursor介绍
      • 下载与安装
      • 快速上手-基础使用
      • Cursor Rules的创建与使用
      • Cursor如何创建指令
      • Cursor如何集成Playwright MCP
      • Cursor如何配置MCP?
    • Kiro

      • Kiro介绍
      • 如何安装Kiro
      • Kiro简单使用
      • Kiro如何配置MCP
      • Kiro如何设置规则
    • Trae

      • Trae介绍
      • 如何安装Trae
      • 快速上手Trae(开发测试工具)
      • Trae如何使用Rules
    • Codex

      • Codex入门使用
  • AI 辅助生成测试用例

    • 方案对比(入门必看)
    • 需求读取

      • 读取PDF、word、ppt需求转md格式
      • 飞书CLI+Skill读取飞书需求文档
      • 蓝湖:读取蓝湖原型生成需求文档Skill
      • Figma:读取Figma生成需求文档Skill
    • 知识库与 RAG

      • Dify知识库-1:Dify 安装部署教程
      • Dify知识库-2:Dify知识库配置与使用全流程
      • Dify知识库-3:Dify知识库MCP 封装与调用
      • Notion知识库:Notion MCP+Skill 实现远程知识库检索
      • Obsidian知识库:Obsidian + MCP 构建本地知识库
    • Excel 用例生成

      • 基于规则:使用Cursor生成Excel格式测试用例(历史方案)
      • 基于skills:生成Excel测试用例的Skills包(⭐ 最新推荐,首选方案)
    • Xmind 用例生成

      • 基于工作流:从零搭建生成测试用例的coze工作流(历史方案)
      • 基于规则:使用Cursor自动生成Xmind测试用例(历史方案)
      • 基于智能体:使用Coze搭建一个测试用例智能体(历史方案)
      • 基于skills:生成xmind测试用例的Skills包(⭐ 最新推荐,首选方案)
    • Xmind 测试点

      • 基于规则生成功能测试点
    • Opentest

      • 从需求→用例→报告全流程skill方案(⭐ 最新推荐,首选方案)
    • 用例评审

      • 使用AI进行测试用例评审
  • AI 辅助接口测试

    • 获取接口文档

      • 读取项目代码生成接口文档的 skills
      • 读取Swagger接口信息的skill
      • 读取YApi接口信息的skill
    • 接口测试脚本生成

      • 生成API 测试用例的Skills分享
      • 生成jmeter脚本的Skills包分享
    • 全流程

      • 根据接口文档进行接口测试
  • AI 驱动接口自动化测试

    • 方案对比(入门必看)
    • 基于 Skills 方案

      • 1.前导篇:基于 Skill 的接口自动化测试方案说明
      • 2.项目准备:Python案例项目部署
      • 3.使用教程:基于skill的接口自动化测试方案完整使用教程
      • 4.思路解析:基于skill的接口自动化测试方案思路与原理解析
      • 5.方案升级:基于skill的接口自动化测试--新增多接口串联、自然语言场景用例
      • 6.方案升级:基于skill的接口自动化测试-新增Mysql断言
    • 规则驱动方案(历史)

      • 使用AI进行接口自动化测试(历史方案)
  • AI 驱动 Web UI 自动化测试

    • 方案对比(入门必看)
    • Playwright MCP 方案

      • 1.Playwright mcp实现UI自动化 概念&知识澄清篇
      • 2.基于Playwright MCP进行无代码UI自动化测试(历史方案1️⃣)
      • 3.Playwright框架 + MCP生成自动化测试代码(历史方案2️⃣
    • Playwright-cli 方案

      • 1.Playwright-cli 实现UI自动化-概念&知识澄清篇
      • 2. playwright-cli+skill 实现 UI 自动化实践案例1️⃣
      • 3. playwright-cli+skill实现 UI 自动化实践案例2️⃣
    • Midscene 方案

      • 1.Midscene.js MCP安装与配置
      • 2.基于Midscene.js 进行UI自动化测试的实践案例
    • Browser use 方案

      • 1. Browser use实现UI自动化-概念&知识澄清篇
      • 2. Browser use实现UI自动化-实践案例
  • AI 驱动的桌面端自动测试

    • Pywinauto桌面端自动化方案调研与简单实践
    • 基于midscene进行桌面端自动化方案调研与实践
  • AI 提效执行流程

    • 使用 tapd skill 一键提交bug
    • 使用tapd skill统计bug
  • AI 辅助性能测试

    • jmeter性能测试-全流程skill
  • Rules 与 Prompt

    • 实战案例:如何利用AI进行数据处理!对比
    • 实战案例:如何利用AI快速画业务流程图!时序图
    • Rules!如何创建与使用 Cursor Rules
  • Skills

    • Skills介绍
    • Cursor如何安装!使用Skills
    • Trae如何安装!使用Skills
    • 4 个实用的官方Skills
    • 使用技巧:学会按自己的需求去优化迭代
    • 基础教程:在Trae如何开发一个Skills
    • 基础教程:Cursor如何开发一个skill!
    • 实战案例:自然语言转SQL skill
    • 学习网站:分享 5 个我常用的 skill 学习网站
  • MCP

    • 什么是MCP?
    • MCP如何运用到测试工作?
    • 热门 MCP
    • 基础教程:如何去找需要的MCP?
    • 基础教程:Cursor如何配置MCP?
    • 实战案例:让AI自动帮你操作数据库场景集合
    • 实战案例:使用MysqlMCP实现自然语言操作数据库
    • 实战案例:BrowserTools MCP测试工程师运用场景
    • 实战案例:Cursor如何集成Playwright MCP
  • Dify

    • Dify 安装部署教程
    • 如何配置大模型LLM&获取API Key
    • Dify知识库配置与使用全流程
    • Dify知识库MCP 封装与调用
    • Dify如何配置MCP
    • Dify+MCP搭建数据库操作智能体
  • OpenClaw

    • 1.Windows 本地部署OpenClaw详细教程
    • 2.云服务器部署 OpenClaw +配置飞书 完整指南
    • 3.云服务器部署的 openclaw 如何访问 web ui
    • 4.如何给 openclaw 配置灵魂、身份、偏好、规则?
    • 5.如何给openclaw配置记忆
    • 6.OpenClaw如何使用Skill?

Skills介绍

前言

最近有个概念在AI圈很火——Skills。

也有不少小伙伴叫我更新相关的学习文章,想了解看看Skills到底是做啥的,和我们平时用的prompt、MCP有什么区别?能给我们带来哪些价值等,所以这几天花了些时间在研究,接下来会出几篇相关的文章,带着大家一起入门学习Skills。

一、什么是 Skills?

我们可以简单理解为:

Skills是说明书和工具资源的结合,假设之前的prompt(提示词)是一本种菜的说明书,那么Skills就是说明书+农具,让AI可以通过Skills去直接种菜。

如:以前我们没有办法直接操作pdf,那么现在skills中使用python/js脚本,封装了操作pdf的方法,让我们直接可以操作pdf了!

那么Skills和MCP又有什么区别呢?

MCP是 AI 与外部工具(如数据库、Slack、GitHub)交互的技术协议,解决的是 “AI 如何调用外部工具” 的问题,而非业务层面的 “做什么”。

MCP简单来说就是一种协议,让你具备一种能力去调用外部的能力,而不是在你电脑就可以直接操作能力.

二、Skills如何使用?

Skills和MCP类似,可以自己开发,也可以找官方提供的 或者找第三方开放的Skills,下载下来进行安装使用(这块会在下一篇文章进行细讲)。

案例使用讲解

假设我现在已经在安装好xlsx skills,然后现在要在cursor里面使用这个skills

大家都知道,在Cursor中是没有办法直接操作excel,像我们有时候想把测试用例写入到excel就不是很方便,但是现在使用skill之后,就可以直接让AI把用例写到excel里面了。

下面以在“Cursor中使用xlsx skills生成测试用例到excel”为案例进行讲解

在AI对话框输入:

过程:

  • 首先大模型会去读取 xlsx skills

  • 创建python文件并执行

  • 生成excel

  • 最后再将临时创建的python文件删除

  • 生成的excel的效果如下:

三、Skills的内部结构介绍

以一个Pdf-Skill为例

内部包含指令、元数据、可选资源,结构大概如下:

SKILL.md

是对该skill的介绍,内容分为两部分,是必须的文件

第一部分:元数据(始终加载)

可以理解为是对这个skills进行介绍,它是什么,它作用是什么

第二部分:指令

简单理解,就是提示词,操作说明

/scripts(可选)

主要是定义一个文件夹,用于存放代码/脚本等,让AI知道如何执行

其他(可选)

这个示例skill文件结构,除了skill.md之外,其他都是非必要,自定义即可

如该skill示例中的 FORMS.md 的作用是表单填充指南,应该是用来教你怎么在对应的场景里填写相关表单的说明文档。

REFERENCE.md 的作用是详细的 API 参考文档,主要是提供相关 API 的具体信息(比如接口用法、参数说明等)

当然我们也可以使用references/ assets/文件夹去存放这些信息,但是只要在skill.md中去读取该内容就OK了~

四、github上一些热门Skills

在github上有不少热门的Skills,可以根据自己需要去了解看看

有anthropics的skills,38.8k的star,内部提供了不少skills,如pdf、xlsx、frontend-design等

也有awesome-claude-skills,star 18.4k

内部提供了这些skills

当然还不止,还有一些第三方提供的skills,如:https://skillsmp.com/zh

内部提供了50k+的skills

不过这里大家要注意点进行辨别,有些skills不安全,可能会盗取token,因此还是选择star数高、可信任的skills or自己进行开发~

后续会针对skill的使用进行相关文章分享,如:

在Cursor如何使用Skill、如何自己开发想要的Skill等

最近更新: 2026/6/3 13:04
Contributors: weixin_55062269
Next
Cursor如何安装!使用Skills