“我试了能用”不能作为 Claude Code skill 的测试标准

作者以自己维护的 TWD 浏览器测试库 Claude Code 插件为例，指出仅靠人工单次试跑验证 skill 存在不可复现、绑定特定项目和当前模型、无法在 CI 中持续运行等问题，主张建立可重复的自动化测试。

AI推荐理由 针对 Claude Code skill 的测试方法提出具体批评：单次人工试跑不可复现、依赖特定项目与当前模型、难以进入 CI；对 Agent 工具开发与评测实践有直接参考价值，但属个人经验文章，无量化实验。