按理说，

Vibe Coding 盛行。质量谁来兜底，

因为 Vibe Coding 慢慢变成常态。产品经理可以用自然语言生成页面开发也不再从基础开始写代码，整体实现速度被成倍放大。甚至没有编程背景的人，也能借助 AI，把想法变成可运行的代码。

效率的提高是实实在在的。但问题也变得更直接：当代码产出越来越快，质量由谁来兜底？

当越来越多代码由大模型参与生成，并不代表着测试可以被弱化。相反，开发节奏被整体拉快，提测更频繁、周期更短。周内需求迭代 X 次 测试窗口从 N 天压缩到 M 天 留给测试分析和验证的时间却在减少。原本那套偏慢、依赖人工补位的测试方式，很容易在这个过程中卡住。

LLM 可以高效生产代码，但安全漏洞、逻辑缺陷、边界异常这些问题并不会所以消失。正如《Vibe Testing: How AI is Changing Way We Test Software》中提到的：

问题的主要。不是“还要不要测试”,而是： 当代码生产速度被拉满之后测试该如何跟上。

. 什么是 Agent Skills？

通俗来讲。Agent Skills 是专门为大模型准备的可复用能力包，基于文件程序存储。

过去给模型下任务，往往要一次性提供完整背景。有了 Agent Skills,可以把某个领域的知识提前整理好,打包成一个"技能"。 模型用到时再按需读取.

Agent Skills 的主要机制：渐进式披露

• 第一层：元数据层 —— 始终加载。

• 第二层：指令层 —— 按需加载。

• 第三层：资源层 —— 深度加载。

. 什么是 Vibe Testing？

"Vibe Testing"可以理解为： 方式。不过，它不只是检查"功能有没有实现",更关注"用起来是不是对".

AILLM 在 Vibe Testing 中的具体使用场景:

• 自愈测试: 当UI发生变化时,传统测试往往需要人工逐一修复脚本. 而在AI帮助下,程序可以自动识别元素变化并进行修复.
• 生成式AI: 结合需求文档+历史缺陷数据。自动生成覆盖广泛场景的测试用例.
• 预测性执行: 通过风险分析+历史数据,让高风险用例优先执行,提高效率.
• 主动探索: AI主动提出思路/识别风险/标记异常,人类聚焦高价值探索. 这是真正的人机协作!

. 测试 Skills 实践案例集锦

: 功能手工用例生成

• SKILL.md : 流程定义+脚本说明
• references/manual-test-case-gen.md : 用例规范
• scripts/json_to_xmind.py : 自动导出XMind文件

>>解决手工撰写冗长JSON格式!不过， >>自动将Markdown原型转换为可评审XMind!

: 接口自动化生成器

• agents/case-reviewer.md: 自动复核规则检查!

• `

>>无需学习YAML语法! >>直接从飞书文档转换为可运行接口案! >>覆盖断言+SQL校验一站式处理!