AI Agent 的 Skill 到底是什么？以一个 JMX 生成器为例讲清楚

🔥 难度等级：进阶 | ⏰ 阅读时间：12 分钟 | 💡 实用指数：⭐⭐⭐⭐⭐

之前每次做压测都要手写 JMX 文件，一个接口写半天，改个参数还要翻 XML 文档。后来研究了一下 AI Agent 的 Skill 机制，用几行配置就搞定了从接口文档到 JMX 的自动生成，现在 10 分钟能搞定以前 2 小时的活。今天把这个思路完整分享出来，看完你就知道 Skill 到底是个啥，以及怎么用它解决实际工作里的重复劳动。

---

一、Skill 是什么？一句话讲清楚

Skill 就是 AI 的外挂技能包。

咱们平时跟 ChatGPT、Claude 聊天，靠的是模型自带的"通识能力"——你问啥它都能答一点，但碰到专业场景就经常"好像懂了又好像没懂"。

Skill 解决的就是这个问题：它把特定领域的知识、工具调用方式、处理流程打包成一个可插拔的模块，AI 遇到对应场景就加载这个模块，执行标准化操作。

打个比方：

• Prompt 工程 = 你每次都要跟新手厨师口述一遍"番茄炒蛋怎么做"
• Skill = 你直接把菜谱贴在墙上，厨师看到"番茄炒蛋"四个字就知道每一步该干嘛

Skill 的特点就三个：

1. 可复用——写一次，所有会话都能用
2. 确定性——不像 Prompt 那样每次结果都飘，Skill 里写的是死逻辑
3. 可组合——多个 Skill 可以叠加，比如"读接口文档"+“生成 JMX”+“上传到 JMeter”

---

二、Prompt 工程 vs Skill：为什么后者更靠谱

我知道很多人会说：“我用 Prompt 也能让 AI 生成 JMX 啊，写个 Prompt 不就完了？”

确实能。但用 Prompt 搞过生产环境的人都知道，这里有三个坑：

坑	Prompt 方案	Skill 方案
每次都要重复教	每次新开对话都要贴一遍格式要求	Skill 写好就常驻，自动触发
结果不稳定	这次生成的 XML 格式对了，下次可能就缺个闭合标签	Skill 里写死 XML 模板，输出格式固定
没法调用工具	Prompt 只能让 AI"描述"怎么做，实际执行还得你手动来	Skill 可以直接调本地脚本、写文件、发请求

举个例子，我要把 Swagger 接口文档转成 JMX。用 Prompt 的话，我得每次都说：

“请根据以下 JSON 生成 JMeter 的 JMX 文件，注意 ThreadGroup 要配置 10 个线程，Ramp-Up 5 秒，HTTPSamplerProxy 的 domain 要填 api.example.com…”

用 Skill 的话，AI 看到 Swagger JSON 就直接知道：

1. 解析 paths 拿到所有接口
2. 每个接口生成一个 HTTPSamplerProxy
3. 统一套 ThreadGroup 模板
4. 输出标准 JMX XML

不需要你教，它已经会了。

---

三、实战：我的"接口文档生成 JMX" Skill

好了，说那么多不如直接看代码。下面是我自用的 Skill，功能就是：输入 Swagger/YAPI 接口文档的 JSON，输出可直接导入 JMeter 的 .jmx 文件。

3.1 Skill 的结构

Skill 本质上就是一个带元数据的 Markdown 文件，长这样：

api-to-jmx/
  SKILL.md          ← 核心逻辑和触发条件
  scripts/
    generate_jmx.py ← 生成 JMX 的实际脚本
  assets/
    jmx_template.xml ← JMX 的 XML 模板

3.2 SKILL.md 内容

---
name: api-to-jmx
description: "Parse Swagger/YAPI API docs and generate JMeter .jmx test plans."
---

# API to JMX

Generate JMeter test plans from API documentation.

## When to use
- User provides Swagger JSON or YAPI export
- User says "生成 JMX" / "转成 JMeter" / "压测脚本"
- User pastes API doc and mentions load testing

## Workflow

1. **Parse input**: Accept Swagger 2.0/OpenAPI 3.0 JSON or YAPI JSON.
2. **Extract endpoints**: For each `path` + `method`, collect:
   - URL (base + path)
   - HTTP method
   - Query/body parameters
   - Headers (Content-Type, auth tokens)
3. **Build JMX**: Use the XML template, insert one `HTTPSamplerProxy` per endpoint.
4. **Configure ThreadGroup**: Default 10 threads, 5s ramp-up, 1 loop (user can override).
5. **Output**: Write `.jmx` file to workspace.

## Parameters (user can override)
- `threads`: number of threads (default: 10)
- `ramp_up`: ramp-up period in seconds (default: 5)
- `duration`: test duration in seconds (default: 60)
- `base_url`: override the server URL from Swagger

## Output format
Standard JMeter JMX XML (version 5.6+ compatible).

3.3 核心生成脚本

# scripts/generate_jmx.py
import json
import xml.etree.ElementTree as ET
from xml.dom import minidom

def generate_jmx(swagger_json, threads=10, ramp_up=5, duration=60, base_url=None):
    """
    从 Swagger JSON 生成 JMeter JMX 文件
    """
    # 解析 Swagger
    data = json.loads(swagger_json)
    
    # 获取 base URL
    if base_url:
        server_url = base_url
    elif 'servers' in data:  # OpenAPI 3.0
        server_url = data['servers'][0]['url']
    elif 'host' in data:  # Swagger 2.0
        scheme = data.get('schemes', ['https'])[0]
        server_url = f"{scheme}://{data['host']}{data.get('basePath', '')}"
    else:
        server_url = "https://api.example.com"
    
    # 创建 JMX XML 根节点
    jmeter_test_plan = ET.Element("jmeterTestPlan", version="1.2", properties="5.0")
    hash_tree = ET.SubElement(jmeter_test_plan, "hashTree")
    
    # 添加 TestPlan
    test_plan = ET.SubElement(hash_tree, "TestPlan", guiclass="TestPlanGui", 
                              testclass="TestPlan", testname="API Load Test", enabled="true")
    ET.SubElement(test_plan, "stringProp", name="TestPlan.comments").text = "Auto-generated from Swagger"
    ET.SubElement(test_plan, "boolProp", name="TestPlan.functional_mode").text = "false"
    ET.SubElement(test_plan, "boolProp", name="TestPlan.tearDown_on_shutdown").text = "true"
    
    test_plan_hash = ET.SubElement(hash_tree, "hashTree")
    
    # 添加 ThreadGroup
    thread_group = ET.SubElement(test_plan_hash, "ThreadGroup", guiclass="ThreadGroupGui",
                                 testclass="ThreadGroup", testname="Thread Group", enabled="true")
    ET.SubElement(thread_group, "stringProp", name="ThreadGroup.on_sample_error").text = "continue"
    ET.SubElement(thread_group, "elementProp", name="ThreadGroup.main_controller", 
                  elementType="LoopController", guiclass="LoopControlPanel", 
                  testclass="LoopController", testname="Loop Controller", enabled="true")
    ET.SubElement(thread_group, "stringProp", name="ThreadGroup.num_threads").text = str(threads)
    ET.SubElement(thread_group, "stringProp", name="ThreadGroup.ramp_time").text = str(ramp_up)
    ET.SubElement(thread_group, "boolProp", name="ThreadGroup.scheduler").text = "true"
    ET.SubElement(thread_group, "stringProp", name="ThreadGroup.duration").text = str(duration)
    
    thread_hash = ET.SubElement(test_plan_hash, "hashTree")
    
    # 为每个接口生成 HTTPSamplerProxy
    paths = data.get('paths', {})
    for path, methods in paths.items():
        for method, details in methods.items():
            if method in ['get', 'post', 'put', 'delete', 'patch']:
                sampler = create_http_sampler(path, method.upper(), details, server_url)
                thread_hash.append(sampler)
                # 每个 sampler 后面加一个空的 hashTree
                thread_hash.append(ET.Element("hashTree"))
    
    # 美化输出 XML
    rough_string = ET.tostring(jmeter_test_plan, encoding='unicode')
    reparsed = minidom.parseString(rough_string)
    pretty = reparsed.toprettyxml(indent="  ")
    
    # 去掉空行
    lines = [line for line in pretty.split('\n') if line.strip()]
    return '\n'.join(lines)

def create_http_sampler(path, method, details, server_url):
    """创建单个 HTTP Sampler"""
    sampler = ET.Element("HTTPSamplerProxy", guiclass="HttpTestSampleGui",
                         testclass="HTTPSamplerProxy", 
                         testname=details.get('summary', details.get('operationId', path)),
                         enabled="true")
    
    # URL
    ET.SubElement(sampler, "stringProp", name="HTTPSampler.domain").text = server_url.replace("https://", "").replace("http://", "").split('/')[0]
    ET.SubElement(sampler, "stringProp", name="HTTPSampler.port").text = ""
    ET.SubElement(sampler, "stringProp", name="HTTPSampler.protocol").text = "https"
    ET.SubElement(sampler, "stringProp", name="HTTPSampler.path").text = path
    ET.SubElement(sampler, "stringProp", name="HTTPSampler.method").text = method
    
    # 如果有参数，添加到 arguments
    params = details.get('parameters', [])
    if params:
        args = ET.SubElement(sampler, "elementProp", name="HTTPsampler.Arguments",
                             elementType="Arguments", guiclass="HTTPArgumentsPanel",
                             testclass="Arguments", testname="User Defined Variables", enabled="true")
        collection = ET.SubElement(args, "collectionProp", name="Arguments.arguments")
        for param in params:
            if param.get('in') in ['query', 'path']:
                arg = ET.SubElement(collection, "elementProp", name=param['name'],
                                   elementType="Argument")
                ET.SubElement(arg, "stringProp", name="Argument.name").text = param['name']
                ET.SubElement(arg, "stringProp", name="Argument.value").text = "${" + param['name'].upper() + "}"
                ET.SubElement(arg, "stringProp", name="Argument.metadata").text = "="
    
    ET.SubElement(sampler, "boolProp", name="HTTPSampler.follow_redirects").text = "true"
    ET.SubElement(sampler, "boolProp", name="HTTPSampler.auto_redirects").text = "false"
    ET.SubElement(sampler, "boolProp", name="HTTPSampler.use_keepalive").text = "true"
    ET.SubElement(sampler, "boolProp", name="HTTPSampler.DO_MULTIPART_POST").text = "false"
    
    return sampler

# 使用示例
if __name__ == "__main__":
    swagger = '''
    {
      "swagger": "2.0",
      "host": "api.example.com",
      "basePath": "/v1",
      "paths": {
        "/users": {
          "get": {
            "summary": "Get user list",
            "parameters": [
              {"name": "page", "in": "query", "type": "integer"}
            ]
          }
        }
      }
    }
    '''
    
    jmx = generate_jmx(swagger, threads=50, ramp_up=10, duration=300)
    with open("api_test.jmx", "w", encoding="utf-8") as f:
        f.write(jmx)
    print("JMX 文件已生成: api_test.jmx")

3.4 使用效果

假设我拿到一个 Swagger JSON，复制粘贴给 AI，说一句"生成 JMX"，然后 AI 就会：

1. 自动触发 api-to-jmx Skill
2. 解析 JSON 里的所有接口
3. 生成标准的 JMX XML 文件
4. 保存到本地

整个过程不需要我手写一行 XML，也不需要我每次都教 AI “JMX 文件长什么样”。

---

四、我还写了哪些测试相关的 Skill

既然搞清楚了 Skill 的机制，我就顺手搭了一套测试开发常用的 Skill 组合：

Skill 名称	功能	触发词
api-to-jmx	接口文档 → JMeter 脚本	“生成 JMX”
report-pusher	测试报告 → 飞书/钉钉群	“推送报告”
log-analyzer	分析压测日志，自动出瓶颈点	“分析日志”
bug-summarizer	批量 Bug 列表 → 分类汇总	“总结 Bug”
env-checker	检查测试环境各服务状态	“检查环境”

这些 Skill 之间还能联动。比如：

生成 JMX → 执行压测 → 分析日志 → 推送报告

一条指令串下来，以前半天的活现在几分钟搞定。

---

五、怎么开始写你自己的 Skill

如果你也想试试，步骤很简单：

1. 找个重复劳动的场景——你每周都要做、每次都要教 AI 的事
2. 写一个 SKILL.md——描述触发条件、处理流程、输出格式
3. 配一个脚本（可选）——复杂逻辑用 Python/Shell 写，Skill 里调用
4. 放到 AI 的 skill 目录——OpenClaw 这类框架会自动加载

一个好的 Skill 判断标准：

• 你自己用 Prompt 写过 3 次以上
• 每次写 Prompt 都觉得"怎么又要说一遍"
• 有明确的输入格式和输出格式
• 流程固定，不需要 AI “自由发挥”

---

六、总结

Skill 不是啥高大上的新概念，本质上就是把"反复教 AI 的东西"固化下来。

对于测试开发来说，特别适合做 Skill 的场景：

• 接口文档转各种格式（JMX、Postman collection、YAML）
• 测试报告的格式化与推送
• 环境检查的标准化脚本
• 常见报错的自动诊断

Prompt 工程解决的是"怎么让 AI 听懂"，Skill 解决的是"让 AI 记住并自动执行"。 两者不冲突，但到生产环境里，Skill 的稳定性和效率明显更靠谱。

---

💡 原创不易，如果这篇文章帮到了你，麻烦点个赞、收藏一下，也欢迎关注我的博客，后续会持续分享测试开发相关的实战干货。