AI测试Skills踩坑大全：8个常见问题及解决方案|ai测试|skills|技能名|用例|编辑器|自然语言|踩坑|通用

用 Cursor 写测试技能，明明照着教程配好了 SKILL.md，AI 就是不按套路出牌？

技能多了就“失忆”，输出格式乱七八糟，换个项目直接报废……

别急着怀疑 AI，80% 的问题都出在下面这 8 个坑里。

坑 1：技能根本不在列表里（路径/格式写错了）

典型现象：

对话框里输入“列出你当前拥有的 skills”，返回的列表找不到你写的那个技能。

AI 完全不理会你的指令，用通用方式回答。

原因：

Cursor 要求技能文件必须放在.cursor/skills/<技能文件夹>/SKILL.md，且 YAML 头格式必须严格正确。

解决：

1、确认路径

你的项目/└── .cursor/ └── skills/ └── 接口测试生成器/ ← 文件夹名随意 └── SKILL.md ← 文件名固定大写

2、检查 SKILL.md 头格式

必须这样写：

---name: 接口测试生成器description: 根据接口代码生成 pytest 测试用例---以下是你的指令...

常见错误：--- 没写全、name: 后面缺少空格、中文冒号。

3、重新加载

修改后按 Cmd/Ctrl+Shift+P → 输入 Reload Skills，或直接重启 Cursor。

坑 2：技能总是时灵时不灵（灵敏度下降）

典型现象：

技能描述里写了“当用户要求生成测试用例时触发”，但 AI 有时触发，有时不触发。

项目里技能数量超过 3 个后，AI 经常选错、漏选。

原因：

多个技能混淆了 AI 的意图识别，它要在好几份描述里做选择，再加上通用指令干扰，自然不稳。

解决：

强制点名法：对话中直接用 @技能名指定，不依赖自动判断。

示例：

@接口测试生成器针对 user_api.py 生成测试用例

虽然每次都要手动打一下，但可靠性接近 100%。可以把它写进团队规范：凡是要求技能输出，必须 @技能名。

坑 3：全局技能太多，AI 聊久了就“失忆”

典型现象：

一开始技能工作正常，聊了几轮后 AI 突然回归普通模式，好像忘了自己有这个技能。

甚至开始出现错误的输出格式。

原因：

全局技能（对所有项目生效）会一直占用上下文窗口。如果你挂了 5 个全局技能，每个几百字，再加上系统 prompt，可能占据好几千 token。对话变长后，早期的技能描述就被“挤出”窗口，AI 自然忘记。

解决：

原则：只有“通用规范类”技能才放全局。
例如：“测试报告必须包含风险分析”、“所有代码示例用 Python 3.10+”。
项目专属技能（如针对某个接口的生成器）放在项目级 .cursor/skills/，不要全局。
定期清理：不常用的全局技能先删掉，用的时候再加。

坑 4：技能执行到一半就断掉或卡住

典型现象：

技能要求 AI 先分析代码、再生成用例、再输出报告。但 AI 做完分析后突然问“需要我继续吗？”或者只输出分析结果，没有后续。

原因：

技能描述中没有明确要求“一次性完成所有步骤”，AI 理解为可以分步输出。

或者某一步的输出格式与下一步期望的输入不匹配，AI 无法自动衔接。

解决：

在技能描述开头加强制规则：

## 执行规则- 你必须一次性完成以下所有步骤，中间不得询问用户是否继续。- 步骤3的输出必须保存为 `{analysis}`，步骤4必须直接使用该变量。

如果技能超过 10 步，考虑拆成两个技能，用 → 链式调用。

坑 5：技能老是忘记你告诉它的项目规则

典型现象：

你已经在对话中说过“我们的接口返回码 0000 表示成功，其他表示失败”。

技能第一次记得，几轮对话后又开始用 HTTP 200 判断成功。

或者你要求“测试环境必须用公司内部账号”，过一会儿它就换回公共账号。

原因：

项目特定规则只存在于临时对话记忆中，早期信息会被后续内容挤走。

技能描述本身没有固化这些常量。

解决：

把项目规则直接写进 SKILL.md，不要只靠口头告知。

示例：

## 项目特定约束- 成功码校验：`response.code == "0000"`- 测试域名：`https://test-internal.example.com`- 默认超时：30 秒，不可低于 10 秒

如果规则经常变动，可以建一个名为项目规范的全局技能（只放常量），需要时用 @项目规范显式引用，避免自动加载占用上下文。

坑 6：输出格式随心所欲，没法自动化解析

典型现象：

你要求“输出测试用例，格式为 JSON”，AI 有时输出 JSON，有时输出 Markdown 表格，有时还加一堆解释文字。

你想把它接到自动化工具（如上传到 TAPD），却被乱七八糟的格式卡住。

原因：

技能描述中的格式要求强制性不够，AI 理解为“建议”而非“必须”。

没有给出精确的 Schema 示例。

解决：

在技能描述中使用 “输出格式约束 + 强制示例”，并加警告语。

示例：

## 输出格式（必须严格遵守，不得添加任何额外文字）你必须输出以下结构的 JSON，不要输出代码块之外的任何内容。{ "test_cases": [ {"id": 1, "name": "登录成功", "steps": ["输入账号", "输入密码", "点击登录"]} ]}如果生成失败，输出 {"error": "失败原因"}，不要自由发挥。

如果平台支持（如 OpenAI），开启 JSON Mode 或 Structured Output 会更稳。

团队内部可以用脚本校验输出是否符合预期 JSON Schema。

坑 7：换个项目，技能就失灵了

典型现象：

在项目 A 中完美运行的技能（比如“根据 Model 生成 SQL 测试语句”），复制到项目 B 的 .cursor/skills/ 下，表现完全不同——报错、乱输出、甚至拒绝执行。

原因：

技能描述中隐含了项目 A 的特有假设：绝对路径、特定文件名、目录结构、依赖库。

项目 B 没有这些，AI 执行时就抓瞎。

另外，项目 B 的其他全局技能也可能干扰意图识别。

解决：