Qt应用自动化测试：用Skill为智能体注入业务知识

在智能体（Agent）驱动的自动化测试中，一个常见的痛点是：Agent虽然能操作图形界面，却对被测应用的业务规则一无所知。比如让它测试一个图书搜索功能，它不知道默认该选哪家书店、搜索结果该取多少条，只能靠界面元素「瞎猜」。B站UP主分享的这套方案，通过Skill机制把业务知识沉淀下来，让Agent在测试时自动加载、按规则执行，值得Qt应用测试团队参考。

为什么Agent需要业务知识

智能体做UI自动化测试，主流方式是探索模式——根据界面结构识别控件、模拟点击。据视频演示，当Agent操作一个名为Calibrate的应用时，虽然能找到「在线找书」入口并点击，但它并不理解这个业务场景背后的隐含规则：搜索关键词有哪些类型、书店如何选择、结果数量取几条。

这种「懂操作、不懂业务」的状态，导致测试用例与真实用户行为存在偏差。视频作者指出，真实用户在搜索时往往没有非常明确的行为路径，如果Agent能结合业务知识做出复合型操作，测试才更贴近实际使用场景。

探索模式是当前智能体驱动 UI 自动化的主流范式，其核心是让 Agent 通过感知界面结构（如控件的可访问性树、坐标、文本标签）来推断可执行动作，而不依赖预先编写的固定脚本。这类方法通常结合视觉语言模型或界面解析器，使 Agent 能在陌生界面上“边看边点”。但探索模式天然缺乏领域先验：它只能识别“这是一个按钮”，却无法判断“这个按钮在当前业务场景下是否应该被点击”。因此，当任务隐含业务规则（如默认选项、数据范围、操作顺序）时，纯探索式 Agent 容易产生看似合理却不符合业务约定的操作，这正是需要外部知识注入的根本原因。

Skill机制：把业务规则写成Agent可读的文档

解决方案的核心是一个位于用户目录下的.qk/skill文件夹。按视频演示的结构，针对每个被测应用可以创建独立子目录，例如为Calibrate应用建立online_search技能。

在这个技能目录里，用文档形式描述业务场景的关键要素：

• 搜索关键词类型：书名、作者、关键词
• 书店选择规则：明确指定时按指定执行，未指定时使用默认书店
• 结果数量约定：未明确要求时返回约定条数（演示中为10条）
• 操作流程：从进入页面到获取结果的步骤序列

据作者描述，这样定义之后，Agent在执行任务前会先阅读该技能文档，理解业务上下文再动手操作。

Skill 机制借鉴了智能体框架中“工具/技能”的抽象思路：将一组领域知识、操作约束和流程说明封装为独立、可复用的文档单元，由 Agent 在任务执行前按需加载。与将逻辑硬编码在脚本中不同，Skill 文档通常采用自然语言或半结构化格式，便于人类维护和 Agent 解析。其关键设计在于“按需检索”——Agent 根据当前任务语义匹配相关 Skill，而不是一次性加载全部知识，从而避免上下文过载。这种模式在自动化测试中尤其有价值，因为它把“被测应用的业务规则”从测试代码中解耦出来，形成可独立演进的知识库，界面或流程变更时只需更新对应 Skill 文档。

实测：一句模糊指令背后的完整执行链

视频用一个模糊指令做验证：「帮我在Calibrate里找一些适合学习Python的电子书，结果给我看就行」。这条指令没有指定关键词类型，也没有指定书店。

Agent的执行过程体现了Skill的价值：

1. 加载技能：自动读取online_search技能文档并理解规则
2. 检查环境：发现Calibrate未运行，自动启动应用
3. 定位入口：找到「在线找书」控件并打开
4. 应用默认规则：因用户未指定书店，取消其他书店的选中状态，只保留默认书店
5. 执行搜索：识别关键词并提交搜索
6. 验证结果：获取到16条结果，逐条查看后关闭界面

最终Agent完成了一条符合业务规范的复合操作，而不是机械地点击界面元素。

对测试实践的两个启发

知识沉淀比脚本复用更有弹性。 传统自动化测试把业务逻辑硬编码在脚本里，界面一变就全盘失效。Skill方案把业务规则从代码中剥离成自然语言文档，Agent每次执行时实时读取，调整规则只需改文档，不用动脚本。

模糊指令测试更接近真实用户。 作者强调，用户行为常常不精确。让Agent带着业务知识处理模糊指令，能覆盖「用户没说清楚时系统如何兜底」这类场景，这是按步骤编写的用例难以模拟的。

模糊指令测试指的是向被测系统输入不完整、不精确或存在多种合理解释的操作请求，观察系统能否依据默认规则或兜底逻辑给出合理响应。这类测试在传统脚本化用例中较难覆盖，因为脚本通常要求步骤和参数完全确定。而具备业务知识的 Agent 可以在模糊输入下自主补全上下文（如选择默认书店、约定结果条数），从而模拟真实用户“没说清楚”时的系统行为。这种测试方式有助于发现默认值缺失、异常处理不当、业务规则冲突等边界问题，是对精确用例的有益补充，但需要注意其结果的可复现性依赖 Agent 决策的稳定性。

适用边界与待验证问题

需要说明的是，以上内容基于单一视频来源的演示，Skill的具体格式规范、Agent的解析能力上限、复杂业务规则的表达能力等细节，视频未展开。对于业务规则复杂、状态依赖多的应用，纯文档形式的技能描述是否足够，仍需实际项目验证。不过「用可读文档给Agent补充领域知识」这个思路，在Qt应用乃至更广泛的UI自动化测试中，都提供了一条低成本、易维护的路径。