用途：在测试工作中引入AI辅助，覆盖测试数据生成、缺陷分析、测试优化与智能推荐等场景。触发条件包括用户提到AI辅助测试、智能测试，或需要借助AI提升测试效率与质量。
主要能力：测试数据生成（边界值、异常数据、大规模数据、个性化数据）；缺陷分析（根因分析、相似缺陷识别、缺陷预测、影响分析）；测试优化（用例优先级排序、测试套件优化、回归测试选择、资源分配优化）；智能推荐（用例、工具、策略与改进建议）。
使用方式：打开本目录 prompts/ 下相关文件，复制虚线以下内容，追加需求与上下文（业务流程、环境、约束、验收标准）；如需非Markdown输出，在末尾追加 output-formats.md 中的请求语句。默认输出Markdown。
参考文件：prompts/ai-assisted-testing_EN.md、output-formats.md。模板目录 output-templates/ 提供 word、excel、xmind、json、csv、markdown 模板；scripts/ 提供解析与转换脚本，例如： python3 scripts/parse_json.py output-templates/template-json.json python3 scripts/convert_output_formats.py output-templates/template-json.json --to csv python3 scripts/batch_convert_templates.py --skip-same
工作流：需求分析（AI提取测试点，人工确认）→用例设计（AI生成草稿，人工优化）→数据准备（AI生成，人工校验）→执行测试（自动执行，AI分析结果）→缺陷分析（AI分析根因，人工确认修复）→持续改进（收集反馈，优化模型）。
限制与注意：AI仅辅助，最终由人决定；必须验证与评审AI输出；保证训练数据质量；建立反馈闭环。AI生成内容不准确时可补充上下文、用示例引导、迭代优化提示词并人工修正；成本高时优先开源工具、仅在关键场景使用、批量处理并评估ROI。不适用于无测试范围/上下文的纯生产事故响应、需法律合规签字的决策、缺少最小输入（范围、环境、预期行为）的请求。相关技能：test-case-writing-en、bug-reporting-en、test-strategy-en。