上个月，团队里一个做接口自动化的同事跑来找我，表情有点崩溃。

“哥，我让AI生成退款接口的测试用例，它给我写了20条。跑完之后我一看，15条假通过。”

我问他什么叫假通过。他说：“比如测‘退款金额不正确’，AI的断言是`assert resp.status_code == 200`。HTTP 200确实返回了，但退款金额根本不对——它压根没校验金额字段。”

我说：“你把断言规则写在哪了？”

他说：“写在对话里啊。每次都要说‘断言要校验金额和订单状态’……”

我说：“那你为什么不用Skill把这三件事拆开——数据构造、依赖模拟、结果断言，各管各的？”

他愣了一下：“还能这么拆？”

**能。而且这是Agent接口测试最该学的一套设计。** 今天这篇文章，我把“测试数据生成Skill + Mock Skill + 断言Skill”这三件套拆开讲，看完你就能拼出一套真正能发现Bug的测试能力。


## 一、为什么接口测试需要“三件套”？

先说说接口测试的真实困境。

一个接口测试用例，本质上要回答三个问题：**输入什么数据？依赖服务怎么响应？怎么判断结果是对的？**

传统方式下，这三个问题被写死在同一个Python文件里。数据是硬编码的，Mock是随手写的`return {"code": 0}`，断言是随手写的`assert resp.status_code == 200`。

结果就是：上游字段一改，数据要重新构造；依赖服务行为变了，Mock要重写；业务规则变了，断言要全改。**三个问题耦合在一起，改一个牵动全身。**

更隐蔽的是“假通过”——Mock返回了`{"code": 0, "data": {"refund_amount": 100}}`，断言只检查了`code == 0`，没检查`refund_amount`是否等于预期。这个用例表面通过，实际上什么都没验证。

**把这三个问题拆成三个独立的Skill，每个Skill只解决一个问题，组合起来才是一条完整的测试链路。**


## 二、Skill ①：测试数据生成——让数据“按需生长”

### 为什么需要单独的Skill？

传统方式下，测试数据靠硬编码。`{"user_id": 12345, "amount": 100}`写死在代码里。想测边界值？手动改。想测异常数据？手动改。想批量生成100条不同状态的数据？写个循环。

测试数据生成Skill解决的是：**根据字段类型和约束规则，自动生成合法、非法、边界三类数据。**

### SKILL.md 设计

```yaml
---
name: test-data-generator
description: 根据字段类型、约束规则和业务场景，生成测试数据。当用户提到“生成测试数据”“构造数据”“批量造数”时触发。
when_to_use: 需要为接口测试生成请求参数时使用。适用于正常数据、边界值、异常数据的构造。
allowed-tools: Read, Write, Bash
---
```

正文定义三类数据的生成规则：

```markdown
## 任务
根据字段定义生成测试数据，覆盖三类场景。

## 数据分类
### 合法数据（正常流程）
- 字符串：符合长度和格式要求的随机字符串
- 整数：在合法范围内的随机值
- 枚举：从允许值列表中随机选取

### 边界数据
- 字符串：最小长度、最大长度、刚好超长
- 整数：最小值、最大值、刚好越界
- 空值：空字符串、null、空数组

### 异常数据
- 类型错误：期望整数传字符串
- 格式错误：手机号传10位、邮箱缺@
- 业务违规：金额为负数、状态非法

## 输出格式
JSON数组，每条数据附带：
- 数据值
- 数据类型（合法/边界/异常）
- 覆盖的测试点描述
```

### 配套脚本

`scripts/generate_data.py`根据Schema定义批量生成数据。Agent不读脚本内容，只运行它并读取输出结果。


## 三、Skill ②：Mock Skill——让依赖服务“按剧本演”

### 为什么需要单独的Skill？

退款接口依赖支付网关。正常流程下，支付网关返回“退款成功”。但如果你要测“支付网关超时”“支付网关返回失败”“支付网关返回了但格式不对”——这些场景怎么构造？

传统方式下，Mock是随手写的。`mock.patch("payment.refund", return_value={"code": 0})`。只Mock了成功场景，异常场景没覆盖。

Mock Skill解决的是：**根据依赖接口的定义和异常模式，自动生成完整的Mock策略。**

### SKILL.md 设计

```yaml
---
name: mock-skill
description: 为接口测试生成依赖服务的Mock策略，覆盖正常返回、超时、错误码、格式异常等场景。当用户提到“Mock依赖”“模拟服务”“桩数据”时触发。
when_to_use: 测试的接口依赖外部服务时使用。适用于支付网关、消息队列、第三方API等依赖的模拟。
allowed-tools: Read, Write, Bash
---
```

正文定义Mock的覆盖维度：

```markdown
## 任务
为被测接口的每个外部依赖，生成完整的Mock策略。

## Mock覆盖维度
1. **正常返回**：依赖服务返回成功，数据格式正确
2. **业务失败**：依赖服务返回业务错误码（如“余额不足”）
3. **超时**：依赖服务响应超时
4. **连接拒绝**：依赖服务不可用
5. **格式异常**：依赖服务返回了非JSON、字段缺失、类型错误
6. **边界值**：金额为0、金额为最大值、返回空列表

## 输出格式
每个依赖一个Mock配置：
- 依赖服务名称
- 触发条件（什么情况下用这个Mock）
- 模拟返回内容
- 预期被测接口的行为
```

### 配套脚本

`scripts/mock_server.py`启动一个本地Mock服务器，Agent根据配置动态注册接口。


## 四、Skill ③：断言 Skill——让结果“验得准”

### 为什么需要单独的Skill？

这是“假通过”的根源。AI生成的断言往往是`assert resp.status_code == 200`，只校验了“请求发通了”，没校验“业务做对了”。

退款接口的断言应该包括：状态码是200、业务码是0、退款金额等于预期金额、订单状态变更为“已退款”、退款流水号不为空、余额增加了对应金额。

断言Skill解决的是：**根据接口的响应结构和业务规则，生成多层级的断言策略。**

### SKILL.md 设计

```yaml
---
name: assertion-skill
description: 为接口测试生成多层级断言，覆盖状态码、业务码、字段存在性、字段值、业务规则校验。当用户提到“生成断言”“校验结果”“断言太弱”时触发。
when_to_use: 编写接口测试用例时使用。适用于所有需要校验接口返回结果的场景。
allowed-tools: Read, Write, Bash
---
```

正文定义断言的四个层级：

```markdown
## 任务
为接口测试生成完整的断言策略，覆盖四个层级。

## 断言层级
### 第一层：协议层（必须）
- HTTP状态码符合预期
- Content-Type正确

### 第二层：业务层（必须）
- 业务码等于预期值
- 业务消息符合预期

### 第三层：数据层（必须）
- 关键字段存在且不为空
- 字段类型正确
- 字段值在合法范围内

### 第四层：业务规则层（按需）
- 金额计算正确（退款金额=原订单金额）
- 状态流转正确（订单状态变为“已退款”）
- 关联数据一致（余额增加了对应金额）

## 输出格式
Python断言代码，使用pytest风格。
每条断言附带注释说明校验的是什么。
```

### 配套脚本

`scripts/assert_helper.py`提供常用断言的封装函数，Agent生成断言时直接调用。


## 五、三件套怎么串起来？

三个Skill写好了，怎么组合成一条完整的测试链路？

在Claude Code里，按顺序调用：

```
第1步：/test-data-generator → 生成请求参数
第2步：/mock-skill → 生成依赖Mock策略
第3步：/assertion-skill → 生成断言
第4步：组合执行测试
```

**实测效果**：一个退款接口，传统方式下写一条完整测试用例（数据+Mock+断言）需要30分钟。三件套组合后，Agent在3分钟内生成全套。

更关键的是**覆盖度**：传统方式下，Mock只覆盖成功场景，断言只校验状态码。三件套覆盖了6类Mock场景和4层断言，边界和异常场景全被覆盖。


## 六、一个真实的对比

拿退款接口做对比。

**传统方式生成的用例：**
```python
def test_refund():
    resp = requests.post("/api/refund", json={"order_id": 123})
    assert resp.status_code == 200
```
只测了正常流程，断言只校验状态码。

**三件套组合生成的用例：**
```python
# 数据：6组参数（正常、金额为0、金额超限、订单不存在、已退款、部分退款）
# Mock：6种场景（成功、余额不足、超时、连接拒绝、格式异常、空返回）
# 断言：4层校验（状态码、业务码、字段存在性、金额计算）

@pytest.mark.parametrize("data", test_data)
@pytest.mark.parametrize("mock_scenario", mock_scenarios)
def test_refund(data, mock_scenario):
    with mock_dependency(mock_scenario):
        resp = requests.post("/api/refund", json=data)
    
    # 第一层：协议层
    assert resp.status_code == expected_status
    # 第二层：业务层
    assert resp.json()["code"] == expected_code
    # 第三层：数据层
    assert "refund_id" in resp.json()["data"]
    # 第四层：业务规则层
    assert resp.json()["data"]["refund_amount"] == data["amount"]
```

**36种组合场景，传统方式下要写两天，三件套组合后半小时生成。**


## 七、避坑指南

**坑一：Skill粒度拆得太细。** 三件套（数据、Mock、断言）是接口测试的最小完整单元。再往下拆（比如把断言拆成状态码断言、字段断言），AI就不知道该用哪个了。

**坑二：description写得太空。** “帮助生成测试数据”——等于没写。要写清楚触发条件：用户说“生成测试数据”“构造数据”“批量造数”时触发。

**坑三：SKILL.md超过500行。** 详细的字段类型映射、Mock配置模板放到`references/`目录，SKILL.md只留核心流程。

**坑四：让Agent“猜”业务规则。** 断言Skill的第四层（业务规则层）需要显式提供规则。不要指望Agent知道“退款金额=原订单金额”，要在SKILL.md里写清楚：如果需要业务规则校验，先从业务规则库读取规则，再生成断言。

**坑五：忽略三个Skill的协同。** 数据生成Skill的输出，应该作为Mock Skill和断言Skill的输入。数据里包含“金额为0”的场景，Mock和断言要对应这个场景。**三个Skill不是独立的，是一串的。**


## 最后

**Agent接口测试的核心，不是“让AI写脚本”，是“把测试逻辑拆成可复用的能力单元”。**

测试数据生成Skill解决“输入什么”，Mock Skill解决“依赖怎么响应”，断言Skill解决“怎么判断对错”。三个Skill各管一段，组合起来就是一条完整的测试链路。

以前你把这三件事写在一个Python文件里，改一个牵动全身。现在你把它们拆成三个Skill，每个都能独立复用、独立迭代。

**你不需要再手写第N版测试用例了。你只需要把三件套拼起来，让Agent照着跑。**

下次你面对一个接口测试任务的时候，别打开编辑器了。先花30分钟把三件套搭好。

**30分钟的投入，换的是未来每一个接口的测试效率。**

>本文部分内容参考了霍格沃兹测试开发学社整理的相关技术资料，主要涉及软件测试、自动化测试、测试开发及 AI 测试等内容，侧重测试实践、工具应用与工程经验整理。


“哥，我让AI生成退款接口的测试用例，它给我写了20条。跑完之后我一看，15条假通过。”

测试数据生成 Skill、Mock Skill、断言 Skill：Agent 测试三件套

测试

开发工具

后端

拆解接口测试的三大痛点：数据构造、依赖模拟、结果断言，设计独立Skill模块。通过数据生成器覆盖合法、边界、异常三类场景；MockSkill支持六种依赖模拟场景；断言Skill提供四层校验体系。三件套组合可将用例生成时间从30分钟缩短至3分钟，覆盖36种组合场景，彻底解决假通过问题。

消息队列

软件测试

代码解释

服务器

Python

Agent

JSON

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

测试数据生成 Skill、Mock Skill、断言 Skill：Agent 测试三件套-腾讯云开发者社区-腾讯云

测试数据生成 Skill、Mock Skill、断言 Skill：Agent 测试三件套

测试数据生成 Skill、Mock Skill、断言 Skill：Agent 测试三件套

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐