写在开头

大概率是这样的——

1. 几十条失败用例堆在面前，不知道从哪条看起；
2. 翻日志。错误堆栈一大堆，看不出所以然；
3. 判断是环境问题、数据问题、脚本问题还是产品缺陷，全靠个人经验；
4. 好不容易定位了根因，还要手写代码修复；
5. 修完不确定对不对，得重跑一遍验证；
6. 下次接口一变更，一样的问题又来一遍；
7. 失败用例没人盯、没人修，脚本越跑越烂；按理说，
8. 最终整个团队对自动化报告“视而不见”…，

领域统计，测试工程师平均花费 **%~%** 的时间在失败分析上——这恰恰是最该被 AI 接管的环节。说起来，

If you hit three or more of above scenarios。 you need to know skill that can let failed scripts “fix mselves”: api-failure-diagnoser.

api-failure-diagnoser 是接口自动化测试的失败智能诊断专家。它基于执行结果和日志。自动完成两件事：

1. 失败诊断：自动分类失败类型，定位脚本层面的根因。
2. 自动修复：针对“脚本问题”类失败，生成修复补丁、应用并验证。

大主要亮点

① 分类自动诊断：不是所有失败都一样

The first step is not “fix immediately”,but “classify”. The skill splits failures into four categories.

*为什么要先分类？话说回来，* 不同类型的故障需要不同的协作链路。如果直接盲目修改代码，就等于“瞎忙”。分类后才能精准定位对应责任人。

② 明确边界：只修该修的东西

The skill deliberately refuses to handle certain categories:

• No environment repair
• No product‑bug fix
• No complex refactor

This restraint makes tool safer and more reliable.

③ 根因精准定位：不是笼统说“脚本错了”​​​​​​​​​​​​​​​​​​​​​​​​​​ ​ ​ ​ ​ ​ ​ ​ ​ ​​​​​  ​​​​​ Actually this is a mistake;we should continue properly. Let's rewrite: --- Continue with root cause table.

写在开头 —— 我们到底在为谁解决实际问题？老实说，