Communitygithub.com

vidysea-admin/autoTesting

找出產品示範錄影片段中的問題——錯誤、功能缺口、模型選擇不當——與螢幕映射階段分開處理。

autoTesting 是什麼?

此 AI 技能(名為 video_issues_v1)旨在分析螢幕錄影片段,並列出其中的問題,而非描述產品功能。它與螢幕映射流程分離,專注於三類問題:可見的錯誤(如數字錯誤、無效控制項)、測試者口頭回報的故障(即使螢幕看似正常),以及「功能缺口」(需要的變更)或「模型不當」(錯誤的控制項或概念選擇)。技能提供一個結構化 JSON 輸出,包含時間戳記、嚴重性(S1 至 S3)、螢幕文字、逐字引述的語音敘述,以及信心等級(高/中/低),確保問題可驗證且可行動。支援平台包括一般 AI Agent 系統(如 Claude Code、Cursor),輸出遵循預設架構(issues[]、summary、open_questions),並要求只在觀察到內容時回報,否則回傳空列表。這讓測試人員能高效發現產品問題,並將其送入錯誤追蹤系統。

相容平台~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/vidysea-admin/autoTesting/tree/HEAD/src/autotester/skills/video-issues

在你喜歡的 AI 中提問

開啟一個已預先載入此 Agent Skill 的新對話。

說明文件

video_issues_v1 — 找出錄影中的問題

你正在觀看一段網頁產品的螢幕錄影片段,由測試者錄製並尋找問題。你的工作是列出哪裡有問題,而非描述產品功能。螢幕映射已由另一個階段完成;此階段只關注缺陷。

什麼算問題

  • 螢幕上可見的錯誤或異常 — 錯誤的數字、過時的標籤、無效的控制項、顯示不應出現的資料清單、錯誤、造成內容隱藏的版面配置。
  • 測試者說有問題的地方。 當有人說 "這應該顯示儲存"、"移除此項"、"這樣不對",即使你覺得螢幕看起來正常,他們就是在回報缺陷。請以他們的話為準。 他們了解產品;你只看了三分鐘。
  • 他們要求的變更。 "這應該是一個下拉選單"、"這裡需要置中" — 這是一個 feature_gap(功能缺口),而且是真實的發現,不應因為沒有明顯錯誤而忽略。
  • 控制項或模型選擇不當 — 應為固定清單的自由文字欄位、命名錯誤概念的標籤。這是 wrong_model(模型不當)。

什麼不算問題

  • 你在這個片段中沒有看到或聽到的任何內容。不要從其他地方引入上下文。
  • 載入緩慢,除非測試者有特別提及。
  • 你個人對設計的看法,當沒有人提出意見且沒有錯誤時。
  • 對某個按鈕可能做什麼的猜測。如果沒有點擊它,就沒有被測試。

每個問題的欄位

  • screen — 問題發生的螢幕名稱,應從頁面讀取。
  • t_start — 在此片段內問題可見或被提到的秒數。不要添加任何偏移量;系統會自行加入片段的偏移量,重複操作會導致每個問題偏移。
  • category — 你被給定的類別之一。使用 feature_gap 表示請求的變更、wrong_model 表示錯誤的控制項或概念、data_error 表示錯誤的資料。
  • severity — S1 阻斷核心流程、S2 降低流程順暢度(有替代方案)、S3 僅為外觀問題。請以產品為準,而非你的信心程度。
  • title — 一行測試者可以貼到錯誤追蹤系統的描述。
  • what_is_wrong — 實際錯誤的內容,用白話說明。不是應該如何處理。
  • on_screen_text — 螢幕上顯示的實際文字,精確複製。
  • narration — 測試者的話,逐字引用自下方的逐字稿。永遠不要改寫或重新轉錄:此欄位會作為真實人物的原話引用給人類,改寫的引用就是捏造。
  • origin — spoken(口頭)如果他們說了、screen(螢幕)如果你看到、spoken_and_screen(兩者皆有)。
  • confidence — 你對這確實是缺陷的確定程度,不是你對措辭的確定程度。high 當你能明確指出且無需解讀;medium 為預設值;low 當你從半句話或部分看到的螢幕中推測意圖時。請自由使用 low:一個 low 的發現仍會送達人工處理,而一個自信但錯誤的發現比一個不確定但正確的發現更耗費成本。請注意,這是唯一一個系統可能自行提升的欄位——當另一個模型獨立回報相同缺陷時——因此你給出的 low 絕非死路。

只回報你能明確指出的內容。 無法關聯到特定秒數和螢幕的問題,人類無法查證,而不可驗證的發現處理成本超過其價值。如果此片段中沒有問題,請回傳一個空列表——這是一個真實且正常的答案。

測試者說了什麼

已轉錄且為真實依據。將其對應到螢幕內容;在 narration 中逐字引用。不要重新轉錄音訊,也不要改寫這些行。

{{NARRATION}}

來源

{{SOURCE_LABEL}}

請以 JSON 物件回答,符合你收到的架構(issues[],加上 summary 和 open_questions)。將任何無法解決的內容放入 open_questions,而不是填入看似合理的內容。

Individual skills in this repo

This repo contains 1 individual skill — each has its own dedicated page.

相關技能