更新于

用 AI 批量生成单元测试的工程化方法

测试AI 自动化工程实战覆盖率Quality

测试是后端 / 前端项目最容易”债”的地方。AI 写测试一年来效果显著提升，能在一天内把项目从 30% 覆盖率拉到 80%。本文给完整工程化方法。

一、AI 写测试的优势与陷阱

优势

  • 速度快（人手工 5 分钟一个，AI 30 秒）
  • 不疲劳（写 50 个测试不烦）
  • 覆盖边界全（容易记得各种 edge case）
  • 风格统一（按 rules）

陷阱

  • 写出”看起来对实际无效”的测试（最大坑）
  • 同质化（测试假设 = 代码假设，没真验证）
  • 不挑战业务逻辑
  • 测试通过但不发现 bug

二、最简模板

你是测试工程师。给以下函数写完整单元测试。

# 函数
```typescript
[贴代码]

要求

  • 用 vitest
  • 覆盖：正常路径 / 边界值 / 异常输入
  • 每个 case 一个 it()，描述具体
  • 不 mock 内部依赖（如有）：[列出真实可用的 mock]
  • 测试名清晰，“should xxx when yyy”
  • 不要测私有函数

输出

仅 *.test.ts 文件内容，不要解释。


直接产出能跑的测试。

## 三、覆盖率驱动

跑 `pnpm test --coverage` 后，让 AI **针对未覆盖行写**：

当前覆盖率报告： src/utils.ts 60% (uncovered: 30-40, 55-60)

我贴 src/utils.ts 内容：[贴]

为未覆盖的行 30-40 和 55-60 写测试。 已有的测试在 src/utils.test.ts：[贴现有测试] 不要重复已有测试，只补缺的。


精确补缺，**比"全写一遍"省 70% token**。

## 四、Mutation Testing 验证

最容易被忽略的：**测试通过 ≠ 测试有效**。

Mutation testing 改一个字符（== → !=、+ → -），看测试是否还通过。**通过 = 测试没真测**。

```bash
# Node
npm install -D stryker-mutator
npx stryker run

# Python
pip install mutmut
mutmut run

跑 mutation 看 “mutation score”：

Score含义
> 80%测试质量高
60–80%中等
< 60%测试薄弱

AI 写完跑一次，低分的让 AI 重写：

> 以下测试 mutation score 只有 50%：
> [贴 test + 函数]
> 这些 mutation 没被检测到：
> - line 12: + → -
> - line 15: == → !=
> 修改测试让这些 mutation 被检测到。

五、写完跑一遍

AI 给的测试 强制跑一遍验证：

# Aider 配置
auto-test: true
test-cmd: pnpm test --run

通过的留下，失败的 AI 自己修。

六、Mock 策略

# Mock 规则
- 数据库：用 src/test/db.ts 的 testDb
- HTTP：用 msw（src/test/mocks/handlers.ts 已有定义）
- 时间：用 vi.useFakeTimers()
- ID 生成：用 vi.spyOn(crypto, 'randomUUID')
- 文件：用 memfs

# 不 mock 的
- 纯函数（直接调）
- 项目工具（src/lib/*）
- 类型

写清楚团队约定，AI 不会乱 mock。

七、参数化测试

减少重复：

it.each([
  [0, 0, 0],
  [1, 2, 3],
  [-1, 1, 0],
  [Number.MAX_SAFE_INTEGER, 1, Number.MAX_SAFE_INTEGER + 1],
])("add(%d, %d) → %d", (a, b, expected) => {
  expect(add(a, b)).toBe(expected);
});

让 AI 自动用 it.each，比一个个 it() 简洁。

八、Snapshot 测试

it("renders correctly", () => {
  expect(render(<Button />).toJSON()).toMatchSnapshot();
});

简单但容易”测了寂寞”——snapshot 一改就全过，没真验证。

纪律：

  • 只对稳定输出用 snapshot
  • 不在 PR 里随手 update snapshot
  • review 时 snapshot diff 当 source code 看

九、Property-based Testing

import fc from "fast-check";

it("sort is idempotent", () => {
  fc.assert(
    fc.property(fc.array(fc.integer()), (arr) => {
      expect(sort(sort(arr))).toEqual(sort(arr));
    })
  );
});

让 AI 写 property-based 测试——通用 invariant 比手写 100 个 case 强。

十、E2E 测试

让 AI 写 Playwright：

> 写 Playwright e2e 测试用户注册：
> 1. visit /signup
> 2. 填 form: email, password
> 3. 点 Submit
> 4. expect redirect /onboarding
> 5. expect 页面显示用户邮箱
>
> 用 page.getByRole / getByLabel 优先，不要 selector。
> 跑前确保 dev server 已起。

详见 前端开发者用 AI 编程的实战工作流。

十一、API 测试

import { test, expect } from "vitest";
import { app } from "@/app";
import { testDb } from "@/test/db";

test("POST /api/users creates user", async () => {
  await testDb.reset();
  const res = await fetch(`${app.url}/api/users`, {
    method: "POST",
    headers: { "content-type": "application/json" },
    body: JSON.stringify({ email: "alice@test.com" }),
  });
  expect(res.status).toBe(201);
  const json = await res.json();
  expect(json.ok).toBe(true);
});

AI 按 OpenAPI spec 一次性写全套。

十二、批量改造

把项目从 0 拉到 80% 覆盖率：

# 1. 拉清单
pnpm test --coverage --reporter=json > coverage.json

# 2. 逐文件让 AI 写
for file in $(jq -r '.coverageMap | keys[]' coverage.json | head -20); do
    claude --headless --task "为 $file 补充单元测试到 80%+ 覆盖" 
done

# 3. 跑测试看通过
pnpm test --coverage

一晚上跑完。第二天 review。

十三、避坑

  • ❌ 测试通过就 commit 不 review
  • ❌ Mutation score 不跑（测试可能无效）
  • ❌ 全用 snapshot
  • ❌ Mock 一切（测试和真实代码脱钩）
  • ❌ 让 AI 改业务代码”让测试过”

十四、相关阅读

批量测试生成走 YoTradeApi 中转，按上面流程一晚拉到 80% 覆盖。

相关阅读