用途：当需要验证嵌入产品的 AI 功能在质量、安全、公平性、降级和用户体验上的表现时使用；也适用于对现有方案、结果或证据做风险评审并形成可执行改进项。输入不完整时，仍需先给出带假设和信息缺口的可用初版。
主要能力：按风险与证据强度排序输出结果；区分已确认事实、合理假设与待确认问题；覆盖任务质量、事实性、稳定性、安全性、公平性、隐私、延迟成本、降级与人工接管；支持 Markdown 默认输出，也可按表格、CSV、JSON 或工单格式保留风险、证据、优先级和边界字段。
使用方式：先阅读并遵循 prompts/ai-feature-testing.md 的输入、执行规则、最低覆盖清单和输出顺序；补充影响判断的范围、环境、版本、限制、证据和成功标准；先做输入审计再产出结论。校准领域结果时可读取 references/domain-decision-example.md；评测或回归本技能时读取 evals/eval.yaml 与匹配的 evals/cases/ 用例。仅当目录实际存在且任务需要时，才读取 references/、examples/、scripts/ 或 output-formats.md。
执行要点：固定模型、Prompt、知识/评测数据、产品和环境版本；建立产品任务×语言×用户群×风险切片，记录抽样来源与样本量，不以总体平均遮盖小群体。人工 rubric 为每个维度写可观察锚点、标签者、分歧处理和参考答案来源，先校准样本再评分汇总。分开任务质量、安全/隐私、应拒答与正常可回答、降级/回退门槛，记录每门槛来源、分母和版本。切片缺样本或阈值时输出 UNKNOWN/待确认，上线建议保留未决门槛和人工决策。
限制：不编造输入中不存在的系统行为、字段、数据、指标或根因；关键结论必须关联证据，证据不足时标记为假设并给出验证方法；优先级需说明业务影响、发生可能性或可探测性依据；不执行未经授权的生产写操作或破坏性动作。具体安装命令、收费与平台信息暂未提供。