用途：该技能用于系统化设计测试用例，核心方法是 PICT（Pairwise Independent Combinatorial Testing，成对独立组合测试）。给定需求或代码后，它会分析系统以识别测试参数，生成带约束的 PICT 模型，执行模型生成成对测试用例，并整理预期输出。
主要能力：从需求或代码中识别参数、取值（可用等价类划分与边界值）、约束（业务规则、技术限制、参数依赖）和预期结果；生成含参数定义与约束的 PICT 模型；输出带编号的 Markdown 测试用例表及预期输出；提供测试用例汇总（总数、成对覆盖、约束数量）。
使用方式：按工作流先分析需求/代码，再生成 PICT 模型文本，然后执行模型。模型结构为“参数名: 值1, 值2, 值3”，约束形如 IF [参数1] = "值" THEN [参数2] <> "其他值";。可保存模型文件后使用在线 PICT 工具（如 https://pairwise.yuuniworks.com/ 或 https://pairwise.teremokgames.com/），或本地安装 PICT。辅助脚本用法：python scripts/pict_helper.py generate config.json、python scripts/pict_helper.py format output.txt、python scripts/pict_helper.py parse output.txt。若使用 pypict，可执行 pip install pypict --break-system-packages，需 Python 3.7+。
适用场景：多输入参数的功能/函数/系统测试用例设计；多组合配置的测试套件；需要以最少用例实现全面覆盖；需求分析识别测试场景；含多个条件分支的代码；API 端点、Web 表单、系统配置的测试矩阵。
限制与注意：约束过严会无用例生成，过松会产生无效组合；参数名需与约束中一致并用方括号；约束须以分号结尾；用例过多时应确认使用成对（order 2）而非更高阶，或拆分子模型/独立测试套件。典型成对测试相比穷举可减少 80-90% 用例。预期输出需具体明确，避免“成功”“错误”等模糊描述。资料未提供该技能的收费、价格与平台支持信息。