Testany Platform Case Writing Skill

Testany Platform Case Writing

将传统测试场景拆解为 Testany platform cases，并生成可注册到 Testany 平台的脚本、metadata 和 ZIP 包。

用户输入: $ARGUMENTS

宿主能力适配

如果宿主支持 slash command，可把 testany-case 作为推荐注册入口，把 testany-pipeline 作为推荐编排入口。
如果宿主不支持 slash command，则直接在当前线程继续对应 workflow。

先统一心智模型

在开始之前，先按 automation-model.md 理解对象边界：

用户给出的通常是 traditional test scenario，也就是完整测试场景/业务验证目标。
本 skill 产出的是 Testany platform case，也就是可复用的原子自动化步骤包。
pipeline 才是 Testany 的执行与编排单元。
trigger 是 Plan / Manual Trigger / Gatekeeper，作用于 pipeline，而不是 case。

重要结论：

不要默认把“一个传统测试场景”直接写成“一个 Testany case”。
先判断该场景需要拆成几个 platform cases，再写脚本和 ZIP。

职责

消费传统测试场景输入：用户自然语言、test-spec、现有测试设计文档
判断一个场景要拆成几个 Testany platform cases
为每个 platform case 选择合适的 Executor
生成每个 platform case 的 metadata、脚本和 ZIP 包
产出面向下游的 automation design / decomposition summary

不负责的事情

不负责把 case 注册到 Testany 平台；这属于 testany-case
不负责创建/更新 pipeline；这属于 testany-pipeline
不负责配置 Plan / Manual Trigger / Gatekeeper；这属于 testany-trigger

工作流程

Phase 1: 理解输入场景

优先收集以下信息：

场景目标：要验证什么业务行为或系统行为
输入来源：来自 test-spec、用户口述，还是已有测试文档
技术约束：API / UI / Java / Python / Postman / Playwright
关键依赖：登录态、创建资源、清理动作、失败分支、回滚动作

Phase 2: 先做 decomposition，再写代码

必须先判断一个传统测试场景在 Testany 平台上应拆成几个 platform cases。

优先拆成多个 platform cases 的情况：

某一步会产出 relay 输出给下游复用
某一步本身是可复用前置条件，例如登录、创建资源、清理资源
不同步骤需要不同 executor / runtime
存在条件分支、失败分支或 expect: fail
你希望主流程、校验流程、清理流程分开维护

可以保持为单个 platform case 的情况：

整个动作天然原子
不需要 relay 给下游
不需要条件分支或跨 case 依赖
单一 executor 即可稳定表达

Phase 3: 为每个 platform case 产出 package

每个 platform case 至少要产出：

name
description
case_labels
executor
path 或 command
environment_variables
如需 relay：type=output 的输出变量
代码文件
ZIP 包

Phase 4: 明确 downstream handoff

完成 case package 后，必须显式说明：

本次共拆出多少个 platform cases
每个 case 的职责、输入、输出、executor
哪些 case 之间存在依赖
是否需要 relay
是否需要 testany-pipeline 继续编排

强制规则：

如果存在依赖、relay、条件分支、清理分支、失败分支，必须产出“需要后续 pipeline 编排”的结论，不能停在 ZIP。
即使只有一个 platform case，只要用户要的是“可执行资产”，也应明确说明后续仍需要一条 pipeline 才能在 Testany 中运行。

Phase 5: 引导下游 workflow

如果用户要把 package 注册到平台：切到 testany-case
如果用户要形成可执行链路：继续到 testany-pipeline
如果用户要配置执行入口：再继续到 testany-trigger

Executor 选择决策树

Platform case 类型
    ├─ API 调用 / Python 优先 → PyRes ✓
    ├─ API 调用 / 不想写代码 → Postman
    ├─ UI / E2E 步骤 → Playwright
    └─ Java 项目测试 → Maven 或 Gradle

根据选择的 Executor，参考对应模板：

| Executor | 模板文件 | 适用场景 | |----------|---------|---------| | PyRes | pyres.md | Python API 测试（推荐） | | Postman | postman.md | 快速 API 验证 | | Playwright | playwright.md | UI/E2E 测试 | | Maven/Gradle | maven.md | Java 项目测试 |

注意：executor 是后端严格字符串。本 skill 涉及的取值为：pyres, postman, playwright, maven, gradle（平台还支持 python, jmeter）。

环境变量类型（case_meta.environment_variables.type）

| 类型 | 用途 | 示例 | |------|------|------| | env | 输入/普通配置（包括 relay 输入） | API_BASE_URL, AUTH_TOKEN | | output | Relay 输出 | ACCESS_TOKEN, USER_ID |

约束（与平台校验一致）：

type 仅支持 env 与 output

name 必须以大写字母开头，只能包含大写字母、数字、下划线；同一 case 内必须唯一

name/value 不能为空或仅空白字符；如需表达“空值”，请显式填 -

敏感凭证请使用 Secure key reference 绑定，并在代码中通过 TESTANY_SECRETS_SERVICE 获取

Output Relay 关键规则

Relay 是 pipeline 层编排 + case 层输出配置 的组合能力。只有同时满足两端约束才有效。

Output Case

在 case metadata 中声明 type: output 的变量
在代码中把同名 key POST 到 TESTANY_OUTPUT_RELAY_SERVICE

Input Case

在 case metadata 中声明 type: env 的变量
在代码中作为环境变量读取

编排层

由 testany-pipeline 在 pipeline YAML 中配置 relay.key 与 relay.refKey
只有 passed 的上游 case 才能提供 relay 数据

如果你已经识别出 relay 需求，必须在输出中明确告诉下游：

哪个 case 产出什么变量
哪个 case 消费该变量
后续需要 testany-pipeline 进行 relay 编排

完成后

交付时必须告诉用户：

本次传统测试场景被拆成了几个 platform cases
已生成的文件列表和 ZIP 包位置
哪些 case 需要注册到 Testany
是否必须继续到 testany-pipeline
如宿主支持 slash command，可建议 /testany-case 和 /testany-pipeline

参考文档

本地 References

文档（兜底）

如果本地 references 不足以解决问题，请查阅 Testany 文档中心；当本 skill 的示例与文档不一致时，以文档为准：

Agent Skills: Testany Platform Case Writing

Install this agent skill to your local

Skill Files