agentic-quality-engineering

Agentic Quality Engineering (AQE) 技能为软件开发生命周期中的 AI 驱动测试编排提供了全面的框架。它专为质量工程师、开发人员与 DevOps 团队设计，利用包含 19 个代理的专业舰队来自动化测试生成、覆盖率分析、安全性扫描与质量决策。通过实施 PACT 原则（主动分析、自主运作、协作反馈与目标风险导向），团队可以在扩展测试基础设施的同时，确保关键部署门禁有人为监督。该技能可与包含 Claude Code、Cursor、Windsurf 与 GitHub Copilot 在内的 11 个代码编写代理平台无缝整合，支持自动化 CI/CD 流水线增强与 TDD 工作流程。

• 为 Jest、Vitest、Playwright 与 Cypress 等多种框架提供自动化测试生成。

• 通过风险加权的覆盖率分析来识别并填补未经测试的代码路径。

• 基于机器学习的易碎测试（flaky test）侦测与根本原因分析，并提供稳定化建议。

• 支持多种协调模式，包含层级式、网状与序列式执行，适用于复杂的测试套件。

• 通过 aqe/learning/* 命名空间进行持久化内存管理，以便在项目间存储与重复使用模式。

• 内置质量门禁，可根据可配置的阈值触发决策点。

• 通过跨平台 MCP 服务器整合，统一指挥如 qe-security-scanner、qe-performance-tester 与 qe-chaos-engineer 等专业代理。

• 请始终使用 aqe init --auto 来配置本地项目环境与 MCP 工具。

• 使用指定代理类型的 Task 工具来产生逻辑；避免日常验证中的手动开销。

• 对于长时间执行的协调任务，请使用三阶段内存协议（STATUS、PROGRESS、COMPLETE）。

• 对于生产环境发布与架构决策，请务必保持人为参与；代理是效能放大器，而非专业知识的替代品。

• 在内存数据库中维护持久化模式，以降低 AI 成本并随时间提高测试生成准确度。

• 尊重 19 个代理的舰队层级；在委派给细分代理之前，请先调用 qe-fleet-commander 进行整体的流水线评估。