4.5 什么是 Skills？
在 Treeify 中，Skill 是一种可复用的测试能力单元。
你可以把它理解为：把测试专家在实际工作中常用的分析方法、拆解逻辑、覆盖思路和判断规则，整理成一份可以被 AI 理解和调用的能力模块。
它不是一条临时提示词，也不是一次性对话记录。
它更接近于“让 AI 学会一种特定测试方法”的方式。
例如，当你反复告诉 AI：
- 遇到状态流转类需求时，要重点检查状态边界、逆向操作和异常流转
- 遇到权限控制类需求时，要同时检查角色、资源、动作和越权路径
- 遇到表单类需求时，要补充必填校验、格式校验和异常输入处理
这些内容如果只是停留在对话里，下次还需要重新说明。
而在 Treeify 中，这些可重复的方法可以被沉淀成 Skill，在后续任务中持续复用。
为什么需要 Skills
在传统的 AI 使用方式中，很多团队都会遇到同一个问题：
这一次已经把 AI 调整得比较准确了，但下一次遇到类似需求时，仍然需要重新解释、重新纠正、重新补充。
这会带来几个明显问题：
1. 经验难以复用
很多有效的测试方法，只存在于资深测试人员的脑中，或者散落在一次次聊天记录里。
即使这些方法已经在某个项目里被验证过，也很难稳定复用到下一次生成中。
2. 相同问题反复修改
如果 AI 每次都从零开始理解需求，那么很多相同类型的遗漏就会反复出现。
例如状态流转场景遗漏撤回路径，权限场景遗漏角色差异，表单场景遗漏异常输入。
这会让用户不断重复相同的修正工作。
3. 团队标准难以沉淀
对于团队来说，真正有价值的往往不是某一批生成结果，而是背后的测试方法。
如果这些方法没有被结构化保存下来，就很难形成团队可共享、可维护、可持续优化的能力资产。
Treeify 引入 Skills，就是为了让这些经验不再停留在一次性的修改中，而是能够被持续沉淀、统一管理，并在后续生成时真正生效。
Skill 是什么，不是什么
为了更容易理解，可以先明确 Skill 的边界。
Skill 是什么
Skill 是一份围绕某类问题定义的可复用能力，通常会包含：
- 适用场景
- 核心处理逻辑
- 分析步骤
- 使用边界
- 示例和注意事项
它的目标是让 AI 在遇到相似需求时，能够沿着更稳定、更符合你预期的方式进行分析和生成。
Skill 不是什么
Skill 不是：
- 一次性的聊天指令
- 单纯的提示词模板
- 孤立保存的测试结果
- 对每个项目都固定强制套用的规则
它更像是一种“在合适场景下调用的方法”。
只有当当前任务和某个 Skill 的适用条件匹配时，Treeify 才会考虑调用它。
Skill 是如何工作的
Treeify 中 Skill 的工作方式，可以分成三个阶段理解：沉淀、管理、调用。
一、沉淀：把经验转化成 Skill
Skill 的第一步，是把原本分散在项目过程中的经验整理出来。
这些经验可能来自：
- 你手动创建的测试方法
- 你在项目中对结果进行多轮修改后的总结
- 你通过对话明确表达过的拆解逻辑和覆盖要求
- 团队内部已经形成的固定测试设计规则
例如，你发现自己每次做审批流需求时，都会反复补充以下内容：
- 状态是否完整
- 是否存在撤回或驳回路径
- 不同角色是否有不同操作权限
- 是否存在重复审批或异常流转
当这类思路已经比较稳定时，就适合把它整理成一个 Skill，而不是等到下次再重新说明。
二、管理：在技能中心统一维护
当 Skill 被创建后，它会进入技能中心统一管理。
你可以在技能中心中：
- 查看已有的 Skills
- 按分类、测试类型、行业进行筛选
- 新增一个 Skill
- 编辑和优化已有 Skill
- 启用或停用某个 Skill
在编辑页面中，左侧用于填写 Skill 内容，右侧会自动生成预览。
这样你可以在保存前先确认结构是否完整、表达是否清楚、使用边界是否明确。
这一步的意义在于：
Skill 不再只是项目中的临时产物，而是变成了一项可以维护、可以演化的正式能力。
三、调用：在生成过程中自动生效
Skill 被保存并启用后，不需要你在每次生成时手动选择。
在后续生成过程中，Treeify 会结合当前任务自动判断是否需要调用某个 Skill。
判断依据通常包括：
- 当前处于哪个测试设计阶段
- 当前项目所属行业
- 当前需求的类型和特征
- 当前内容是否与某个 Skill 的适用场景匹配
如果系统判断某个 Skill 与当前任务高度相关，就会在生成时参考这个 Skill 的方法和逻辑。
例如：
- 当前需求属于审批流，系统可能调用“状态流转类需求的测试拆解方法”
- 当前需求包含角色和权限约束，系统可能调用“权限控制场景的测试分析方法”
- 当前需求是复杂表单，系统可能调用“表单校验与异常覆盖方法”
这样，AI 的输出就不再完全依赖临时输入，而是能够结合你已经沉淀下来的测试能力一起工作。
一个简单例子
假设你创建了这样一个 Skill：
Skill 名称：状态流转类需求的测试拆解方法
它的核心逻辑是：
- 识别所有状态及状态含义
- 梳理状态之间的流转关系
- 检查撤回、驳回、取消等特殊路径
- 检查不同角色的操作权限
- 补充重复操作、异常流转和状态不一致场景
当 Treeify 在后续项目中识别到类似“审批流”“订单状态流转”“任务状态切换”的需求时，就可能自动调用这个 Skill。
这样一来，AI 就不容易只覆盖主流程，而会更系统地补充状态边界、异常分支和权限限制。
这就是 Skill 的核心价值：
把一次次重复说明的测试方法，变成后续可以自动复用的能力。
使用 Skills 后，你会得到什么
对个人用户
你可以逐步建立属于自己的测试方法库。
随着使用积累，Treeify 会越来越贴近你的测试习惯、拆解方式和覆盖重点，从而减少重复修改。
对团队用户
你可以把团队中已经形成共识的测试设计规则沉淀下来，让更多项目复用。
这样，经验就不再依赖个别成员反复口头传递，而是可以被结构化保存和统一维护。
对生成质量
Skill 的作用不是替代需求本身，而是在需求基础上，让 AI 更稳定地沿着正确方向分析和生成。
它特别适合解决“同类问题反复出现”“相同修改反复重来”的情况。
什么时候适合创建一个 Skill
如果你遇到以下情况，就可以考虑把相关经验整理成 Skill：
- 同类型需求经常出现
- 你对某类场景有比较稳定的测试拆解方法
- 某类修改意见已经反复出现多次
- 你希望 AI 以后默认沿用某种分析思路
- 团队内部已经形成固定的测试设计规范
一个简单判断方法是：
如果这类方法你觉得下次还会用到，就值得考虑沉淀成 Skill。
总结
Skill 是 Treeify 中用来沉淀和复用测试能力的核心机制。
它把测试专家的方法，从一次次临时修改中抽离出来，整理成可以被 AI 持续调用的能力模块。
你可以把它理解为：
- 它让 AI 不只是“会生成”
- 它让 AI 开始“按你的方法生成”
- 它让一次经验，不只服务这一次任务，而能服务后续更多任务
这也是 Treeify 希望解决的关键问题之一：
不仅提升单次生成效率，更帮助用户把测试经验真正积累下来，并持续发挥作用。