AI写单元测试
单元测试是保证代码质量的重要手段，但很多开发者因为"太麻烦"而跳过。AI可以帮你自动生成测试，让写测试变成一件轻松的事。
为什么单元测试很重要？
没有测试的代码：
- 改一个地方，不知道会不会影响其他功能
- 不敢重构，怕改坏
- 每次发布都提心吊胆
有测试的代码：
- 改完跑一下测试，心里有数
- 大胆重构，测试会告诉你哪里错了
- 发布有信心用AI生成测试的三种方式
方式一：让AI为现有代码写测试
请为以下函数编写单元测试：
<code>
def calculate_discount(price: float, member_level: str) -> float:
"""计算会员折扣价格"""
discounts = {
"普通会员": 0.95,
"银卡会员": 0.90,
"金卡会员": 0.85,
"钻石会员": 0.80
}
discount = discounts.get(member_level, 1.0)
return price * discount
</code>
要求：
1. 使用pytest框架
2. 覆盖正常情况和边界情况
3. 包含参数化测试方式二：测试驱动开发（TDD）
先让AI帮你设计测试，再写代码：
我要实现一个密码强度验证函数，需求如下：
- 至少8个字符
- 包含大写字母
- 包含小写字母
- 包含数字
- 包含特殊字符
请先帮我写测试用例，我再根据测试写代码。方式三：补充缺失的测试
这个项目测试覆盖率只有30%，请分析哪些关键函数缺少测试，
并为它们补充单元测试。AI生成的测试示例
输入
python
def divide(a: float, b: float) -> float:
"""除法运算
Args:
a: 被除数
b: 除数
Returns:
商
Raises:
ValueError: 当除数为0时
"""
if b == 0:
raise ValueError("除数不能为0")
return a / bAI生成的测试
python
import pytest
from calculator import divide
class TestDivide:
"""divide函数的单元测试"""
def test_normal_division(self):
"""测试正常除法"""
assert divide(10, 2) == 5.0
assert divide(9, 3) == 3.0
assert divide(7, 2) == 3.5
def test_negative_numbers(self):
"""测试负数除法"""
assert divide(-10, 2) == -5.0
assert divide(10, -2) == -5.0
assert divide(-10, -2) == 5.0
def test_float_result(self):
"""测试浮点数结果"""
assert divide(1, 3) == pytest.approx(0.333333, rel=1e-5)
assert divide(10, 4) == 2.5
def test_zero_divisor(self):
"""测试除数为0的情况"""
with pytest.raises(ValueError) as excinfo:
divide(10, 0)
assert "除数不能为0" in str(excinfo.value)
def test_zero_dividend(self):
"""测试被除数为0的情况"""
assert divide(0, 5) == 0.0
@pytest.mark.parametrize("a,b,expected", [
(100, 10, 10.0),
(50, 5, 10.0),
(33, 3, 11.0),
(1, 1, 1.0),
])
def test_parametrized(self, a: float, b: float, expected: float):
"""参数化测试"""
assert divide(a, b) == expected测试用例设计原则
原则一：覆盖正常情况
测试函数的主要功能是否正常工作：
python
def test_normal_case():
"""测试正常情况"""
result = calculate_discount(100, "金卡会员")
assert result == 85.0原则二：覆盖边界情况
测试极端输入和边界条件：
python
def test_edge_cases():
"""测试边界情况"""
# 价格为0
assert calculate_discount(0, "金卡会员") == 0
# 负价格
with pytest.raises(ValueError):
calculate_discount(-100, "金卡会员")
# 不存在的会员等级
assert calculate_discount(100, "不存在") == 100.0 # 无折扣原则三：覆盖异常情况
测试错误处理是否正确：
python
def test_exception_handling():
"""测试异常处理"""
with pytest.raises(ValueError):
divide(10, 0)原则四：使用参数化减少重复
python
@pytest.mark.parametrize("price,level,expected", [
(100, "普通会员", 95.0),
(100, "银卡会员", 90.0),
(100, "金卡会员", 85.0),
(100, "钻石会员", 80.0),
])
def test_member_levels(price, level, expected):
"""测试不同会员等级"""
assert calculate_discount(price, level) == expected让AI生成高质量测试的技巧
技巧一：提供完整的上下文
❌ 上下文不足
为这个函数写测试
def process(data):
...
✅ 上下文充分
这是一个处理用户注册数据的函数，请为它写测试：
def process_registration(data: dict) -> dict:
"""
处理用户注册
Args:
data: 包含username, email, password的字典
Returns:
包含user_id和status的字典
Raises:
ValueError: 数据格式错误
DuplicateError: 用户名已存在
"""
...
要求：
1. 测试成功注册的情况
2. 测试数据格式错误的情况
3. 测试用户名重复的情况
4. 使用mock模拟数据库操作技巧二：指定测试框架和风格
请使用pytest框架编写测试，风格要求：
1. 测试类以Test开头
2. 每个测试方法以test_开头
3. 使用pytest.fixture管理测试数据
4. 使用pytest.raises测试异常技巧三：要求AI解释测试覆盖
请为以下函数编写单元测试，并说明每个测试用例覆盖了什么场景：
<code>
...
</code>测试复杂场景
场景一：测试依赖数据库的代码
使用mock隔离外部依赖：
python
from unittest.mock import Mock, patch
import pytest
def test_get_user_from_db():
"""测试从数据库获取用户"""
# Mock数据库连接
mock_db = Mock()
mock_db.query.return_value = {"id": 1, "name": "张三"}
with patch('myapp.db.get_connection', return_value=mock_db):
user = get_user(1)
assert user["name"] == "张三"场景二：测试异步代码
python
import pytest
import asyncio
@pytest.mark.asyncio
async def test_async_function():
"""测试异步函数"""
result = await async_fetch_data()
assert result is not None场景三：测试文件操作
python
import pytest
import tempfile
import os
def test_file_processing():
"""测试文件处理"""
# 使用临时目录
with tempfile.TemporaryDirectory() as tmpdir:
# 创建测试文件
test_file = os.path.join(tmpdir, "test.txt")
with open(test_file, "w") as f:
f.write("test content")
# 测试处理函数
result = process_file(test_file)
assert result == "processed"测试覆盖率
让AI帮你分析覆盖率
请分析这个项目的测试覆盖率，找出缺少测试的关键模块：
1. 列出所有模块
2. 识别哪些模块有测试
3. 找出覆盖率最低的关键模块
4. 建议优先补充测试的顺序提高覆盖率的策略
python
# 运行覆盖率分析
# pytest --cov=myapp --cov-report=html tests/
# 让AI帮你找出未覆盖的代码
# 然后针对性补充测试小结
AI辅助写测试的核心要点：
| 要点 | 说明 |
|---|---|
| 提供上下文 | 函数的功能、参数、返回值、异常 |
| 指定框架 | pytest、unittest等 |
| 要求覆盖面 | 正常情况、边界情况、异常情况 |
| 使用参数化 | 减少重复代码 |
最佳实践
不要一次性让AI写完所有测试。先让AI写核心用例，运行确认通过后，再逐步补充边界情况测试。
下一步
学会了写测试后，让我们继续学习 AI辅助Debug调试，让AI帮你快速定位和修复bug。