risk-based-testing

“基于风险的测试”(Risk-Based Testing) 技能为软件质量工程工作提供了一套数据驱动的优化框架。该技能专为质量保证 (QA) 工程师、测试架构师与 DevOps 团队设计，使团队能够摆脱单一化的测试模式，转向根据变更的业务影响与技术风险来智能分配测试资源。通过概率与影响力量化风险，AI 代理程序可以动态调整测试深度，确保关键模块获得全面覆盖，同时在较低风险区域维持具成本效益的冒烟测试或探索性测试。

• 风险评估引擎：利用历史错误数据库、生产环境事故数据及变更频率指标，计算特定代码组件的动态风险评分。

• 智慧资源配置：自动化分配测试力度，将 60% 的重点放在关键风险、25% 放在高风险、10% 放在中风险，以及 5% 放在低风险区域。

• 机器学习增强分析：运用梯度提升树模型与历史模式分析，以高准确度预测失效点，预测准确率可达 95%。

• CI/CD 流水线整合：与 CI/CD 工作流程无缝整合，允许自动化闸道根据代码提交的风险等级，自动阻挡部署或触发特定的测试套件（如单元、整合、端对端、效能测试）。

• 代理程序协作：协调如 qe-regression-risk-analyzer 与 qe-test-generator 等专业代理程序，执行大规模的自动化验证。

• 动态重新评估：根据生产环境的实际事故自动更新风险档案，确保测试策略与代码库的变更同步进化。

• 进行整合时，请确保内存命名空间 'aqe/risk-based/' 可存取，以便代理程序追踪历史模式与覆盖率图谱。

• 在 Task 调用中使用提供的 TypeScript 接口来定义测试深度；“关键”(critical) 功能应始终对应至包含效能与安全性测试的综合测试套件。

• 为获得最佳效果，请定期将生产环境的事故数据回馈至风险评估模型，以确保优先级别与应用程序当前的稳定性保持相关。

• 限制：风险评分的有效性取决于历史输入数据的质量；请确保错误数据库与事故报告保持即时更新，以获得最佳的预测准确度。