Level 3 测试 Skill
核心职责
- 完成核心任务
- 有完整的错误处理
- 有基准测试和红队测试
- 有用户反馈循环
- 有版本管理和迭代记录
何时使用
- 生产环境
- 需要高可靠性的场景
- 需要完整评估的场景
何时不使用
- 简单测试场景(用 Level 1/2 即可)
工作流程
- 接收任务并验证输入
- 执行任务(带错误处理)
- 验证输出(带质量检查)
- 生成报告(带详细日志)
- 收集用户反馈
- 持续迭代优化
工具依赖
- bash: 执行脚本
- python3: 数据处理
- pytest: 运行测试
- promptfoo: 基准测试
评估标准
- 任务完成率 > 95%
- 错误率 < 3%
- 测试覆盖率 > 95%
- 红队测试通过率 > 90%
- 用户满意度 > 4.5/5
- 平均执行时间 < 20 秒
- 平均成本 < $0.30/次
测试用例
测试 1:正常场景
输入:有效输入 预期输出:正确结果 通过率:100%
测试 2:边界场景
输入:边界值 预期输出:正确处理 通过率:100%
测试 3:异常场景
输入:无效输入 预期输出:错误提示 通过率:100%
测试 4:红队测试
输入:恶意输入 预期输出:安全拒绝 通过率:> 90%
用户反馈
2026-03-25
- 用户 A: "非常好用,推荐!" (5/5)
- 用户 B: "功能完整,文档清晰" (5/5)
版本历史
- v2.0.0: 添加红队测试和用户反馈循环
- v1.1.0: 添加基准测试
- v1.0.0: 初始版本