让终端AI编程Agent起草测试,开发者按四步把关:划范围、给命令跑基线、验证测试有效、小步提交审diff。测试是否有效由人判断。
要点速览
- AI可起草单元测试,测试是否有效由开发者判断
- 先选一个模块,写明禁改文件,不要整仓库铺开
- 先跑现有测试作基线,命令执行前由人确认
- 故意改坏被测逻辑,测试能失败才算有效
- 一次提交一个模块,人工审阅diff后再合并
AI写单元测试怎么做?对已经运行多年的老项目,可行的做法是让终端 AI 编程 Agent 起草测试代码,开发者按四步把关:划范围,先选一个模块并写明哪些文件不许改;给命令,让 Agent 先跑现有测试留下基线,所有命令执行前由人确认;验证有效性,故意改坏被测逻辑,看新测试能不能失败;小步提交,一次只提交一个模块的测试,人工审阅 diff 后再合并。AI 能把测试写出来,也能帮你整理用例、标记可疑之处,但测试是否真的有效、断言是否符合业务规则,要由开发者判断。
老项目补测试,为什么容易补成摆设
新项目边写边测,测试和代码一起长大。老项目不一样:代码已经在线上跑着,行为就是事实标准,文档可能早已过时,写代码的人也许已经离开。这时候让 AI 补测试,常见的偏差有几类:
- 断言照抄实现。Agent 读了函数,把函数里的计算再写一遍放进断言,测试当然能通过,但它只证明了“代码等于代码”,发现不了逻辑错误。
- 为了让测试通过而改源码。测试跑不过时,Agent 可能顺手去改被测代码,老项目里这种改动往往牵连其他调用方。
- 模拟对象用得过多。把依赖全部替换成假的,测试只验证了调用顺序,真实行为一个都没覆盖。
- 覆盖率数字好看,回归一个也抓不到。覆盖率只说明代码被执行过,不说明结果被检查过。
这些问题并不是 AI 独有的,人写测试也会犯。区别在于 AI 写得快、写得多,如果没有把关,摆设式的测试会在短时间内堆满仓库。下面四步就是为了让速度和质量同时成立。
步骤一:划范围,先选一个模块,写明禁改文件
不要一上来就让 Agent“给整个仓库补测试”。范围越大,Agent 需要读的上下文越多,产出越难审,出了问题也越难回退。建议这样起步:
- 选一个边界清楚的模块或一类函数。优先挑纯计算、输入输出明确、外部依赖少的部分,比如格式转换、金额以外的数值计算、参数校验。这类代码好测,也好判断测试对不对。
- 写明哪些文件不许改。在任务说明里直接列出:被测源码目录只读,只允许在测试目录新增或修改文件;配置文件、依赖清单、构建脚本不得改动。必要时在版本库里先确认工作区是干净的,方便事后对比。
- 说清这次要测到什么程度。例如“覆盖每个公开函数的正常输入、边界输入和一种错误输入”,比“尽量多写”更容易验收。
如果你还是初次让 Agent 在终端里动代码,可以先看《AI编程Agent怎么用?初次在终端改代码先走哪四步》,里面讲的仓库准备和权限设定同样适用于补测试。
步骤二:给命令,先跑基线,命令执行前由人确认
老项目的测试环境往往有自己的脾气:依赖版本、环境变量、数据库连接、跑测试的入口脚本,各家都不一样。与其让 Agent 自己摸索,不如直接告诉它。
- 说明测试框架和运行命令。告诉 Agent 项目用哪个测试框架、测试文件放在哪里、命名规则是什么、跑单个文件和跑全部分别用什么命令。
- 先跑现有测试作为基线。在写任何新测试之前,让 Agent 把现有测试跑一遍,记录哪些通过、哪些失败、哪些被跳过。老项目里本来就失败的测试并不少见,有了基线,后面才分得清是新测试的问题还是旧问题。
- 所有命令执行前由人确认。安装依赖、清理缓存、修改环境变量、连接数据库,这些命令都可能影响本机或共享环境。让 Agent 先说出要执行什么、为什么执行,你确认后再放行。
哪些命令可以放宽、哪些必须逐条确认,可以参考《终端AI运维命令执行安全:哪些命令要人工确认?》的分级思路。补测试的场景里,只读和运行测试的命令风险较低,涉及安装、删除、联网和改配置的命令要停下来看一眼。
步骤三:验证有效性,测试能失败才算数
测试全部通过,并不等于测试有用。这一步是整件事的关键,也是 AI 替代不了的部分。建议至少做三件事:
- 故意改坏被测逻辑。在被测函数里做一个小改动,比如把大于号改成大于等于、把某个分支的返回值改掉,然后重跑新测试。如果测试仍然全部通过,说明它没有检查到这段逻辑,需要补断言。改完记得恢复,这一步可以让 Agent 协助执行,但改哪里、结论是什么由你决定。
- 检查断言是否照抄实现。逐个看断言里的期望值从哪里来。好的期望值来自需求、文档或者手算的结果;如果期望值是把被测代码的计算过程复制一遍,这条断言就要重写。也可以让 Agent 列出每条断言的依据,由你逐条核对。
- 覆盖率只作参考。看覆盖率报告是为了找没测到的分支,而不是为了凑一个数字。某个分支没覆盖,先问它重不重要;覆盖率高但改坏逻辑测不出来,说明断言太弱。
另外留意测试本身是否稳定:依赖当前时间、随机数、网络或者执行顺序的测试,今天能过明天可能不过。发现这类测试,让 Agent 把不稳定因素固定下来,或者干脆不纳入这次提交。
步骤四:小步提交,保留回退记录,人审 diff 再合并
补测试的提交节奏,和修 bug 一样要讲究可回退:
- 一次只提交一个模块的测试。提交说明里写清测的是哪个模块、覆盖了哪些情况、有没有已知没测到的地方。
- 确认 diff 里只有测试文件。如果 diff 里出现了被测源码、配置或依赖的改动,先停下来问清楚原因,不要顺手一起合并。
- 在独立分支上进行。测试补完、本地全部通过、人工审阅之后,再走正常的合并流程,让持续集成环境也跑一遍。
- 保留过程记录。Agent 执行过的命令、修改过的文件、中途的判断,能留存的尽量留存,后续有人接手时知道这些测试是怎么来的。
节奏慢一点,换来的是每一批测试都经得起看。等团队对这套流程熟悉了,再逐步扩大每次的范围。
哪些情况不要交给 Agent 决定
AI 可以起草这些地方的测试代码,但断言写什么必须由人确认:
- 支付、计费、退款等金额相关逻辑。期望值错一位,测试会把错误当成正确固化下来。
- 权限与身份校验。谁能看、谁能改、越权时应该返回什么,这些是业务规则,不是从代码里能推出来的。
- 涉及个人信息和敏感数据的处理。测试数据不能直接拿生产数据,脱敏规则要符合《中华人民共和国个人信息保护法》等要求,这需要人来把握。
- 代码行为本身可能是错的。老项目里有些“现有行为”其实是遗留缺陷。AI 按现状写测试,会把缺陷锁死。遇到看起来不合理的逻辑,让 Agent 标记出来,由人判断是该测还是该修。
概括一句:Agent 负责整理用例、起草代码、跑命令和提示风险,开发者负责判断测试是否有效、规则是否正确,以及是否合并。
用迅码 XunCode 做这件事,它解决什么
润迅的迅码 XunCode 是一个终端 AI 编程 Agent,支持 macOS、Linux 和 Windows,个人免费使用,企业可以私有化部署。放在补单元测试这个任务里,它能做的是这几件具体的事:在终端里读取你指定的模块,按你给的命令跑现有测试留下基线,起草测试文件,执行命令前向你说明并等待确认,把改动以 diff 的形式交给你审阅。范围、命令、验证和提交这四步的节奏,依然由开发者来定。
对团队来说,另一个常被问到的问题是代码能不能出内网。个人版适合开发者自己在本机试用;如果项目代码不便外传,或者需要统一的权限和使用记录,可以考虑私有化部署,两者的差别在《AI编程Agent个人版和企业版区别:差在模型代码权限记录》里有对照。
行动建议:从一个模块开始试
- 在你的项目里挑一个依赖少、逻辑清楚的模块,写一段任务说明:测哪些函数、测试放在哪里、哪些文件只读。
- 把测试框架和运行命令写进说明,让 Agent 先跑一遍现有测试,把结果保存下来作基线。
- 新测试写完后,至少挑两处被测逻辑故意改坏,确认测试会失败;逐条看断言的期望值从哪里来。
- 只提交这一个模块的测试,自己或同事审阅 diff,确认没有源码和配置改动后再合并。
- 跑通一轮后,把任务说明整理成团队模板,下一个模块直接复用。
如果团队准备在内部环境里使用迅码,上线前可以先对照《AI编程Agent私有化部署:上线前先确认四件事》梳理模型、权限和记录方面的要求;具体部署方式也可以拨打润迅业务热线 400-854-5566 沟通。
常见问题
AI写的单元测试能直接合并吗?
不建议直接合并。至少要确认三点:diff 里只有测试文件、故意改坏被测逻辑时测试会失败、断言的期望值不是照抄实现。审阅通过后再走正常合并流程。
老项目没有任何测试,AI补测试从哪里开始?
先挑依赖少、输入输出明确的模块,比如参数校验或格式转换。先让 Agent 搭好能跑起来的测试入口,确认命令可用,再逐个模块补用例,不要一次铺满整个仓库。
覆盖率高是不是说明AI写的测试质量好?
不一定。覆盖率只说明代码被执行过,不说明结果被检查过。更可靠的办法是改坏一处被测逻辑看测试是否失败,覆盖率报告用来找没测到的分支即可。
支付、权限相关的代码能让AI写测试吗?
可以让 AI 起草测试代码和整理用例,但断言写什么必须由熟悉业务规则的人确认。这类逻辑一旦把错误期望写进测试,错误会被固化下来。
迅码XunCode补测试需要付费吗?
迅码 XunCode 个人使用免费,支持 macOS、Linux 和 Windows;企业如果需要代码不出内网、统一权限和使用记录,可以选择私有化部署,具体可联系润迅沟通。