免费POC, 零成本试错
AI知识库

53AI知识库

学习大模型的前沿技术与行业应用场景


代码采纳率如何提升至50%?AI 自动编写单元测试实践总结

发布日期:2025-11-10 12:03:17 浏览次数: 1549
作者:阿里云开发者

微信搜一搜,关注“阿里云开发者”

推荐语

借助AI自动生成单元测试,代码采纳率提升至50%,揭秘高效测试实践的核心方法。

核心内容:
1. AI Prompt规则设计:标准化配置与场景全覆盖原则
2. 测试架构配置模板详解:Spring Boot环境与事务管理
3. 持续优化策略:如何通过prompt质量提升AI生成效果

杨芳贤
53AI创始人/腾讯云(TVP)最具价值专家

零、一句话概括

借助 Aone Copilot Agent,通过精心设计的 prompt 指导 AI 进行测试用例的自动化生成和代码修改。从实践来看,AI 代码采纳率约 50%,要获得更好效果需要持续优化 prompt 质量。

一、项目背景与需求

1.1 业务背景

在服务包模型升级项目中,我们需要为新的 GoodsDomainRepository 编写完整的单元测试。该 Repository 负责商品领域对象的数据访问,包含复杂的业务逻辑和数据转换,传统手工编写测试用例效率低下且容易遗漏场景。

1.2 核心需求

建立一套基于AI辅助的测试用例自动生成机制,通过提供标准化的测试用例模板和规范,利用AI能力自动生成完整、规范的测试用例代码,提高开发效率和测试质量。

1.3 被测试接口示例

/** * 商品仓储接口 * * @author AI * @date 2025-01-12 */public interface GoodsDomainRepository {
    /**     * 根据商品ID查询商品信息     *     * @param goodsId 商品ID     * @return 商品信息     */    GoodsDomain findById(ServiceGoodsIdDomain goodsId);
    /**     * 批量查询商品信息     *     * @param goodsIds 商品ID列表     * @return 商品信息列表     */    List<GoodsDomain> findByIds(List<ServiceGoodsIdDomain> goodsIds);
    /**     * 查询所有商品     *     * @return 所有可用商品列表     */    List<GoodsDomain> findAll();}


二、实践方案设计

2.1 AI Prompt 规则设计

2.1.1 核心设计原则

  • 标准化配置:统一的Spring Boot测试环境配置;

  • 数据驱动验证:优先使用数据库比对而非硬编码验证;

  • 场景全覆盖:正常、异常、边界、业务场景的完整覆盖;

  • 规范化命名:标准化的测试方法命名规范;

  • 可维护性:清晰的代码结构和充分的注释;

2.1.2 测试架构配置模板

@SpringBootTest(classes = {TestApplicationConfig.class, TestMybatisConfig.class})@Import({GoodsDomainRepositoryImpl.class})@Transactional  // 确保测试数据自动回滚@Sql(scripts = "classpath:sql/dml/repo/GoodsDomainRepositoryImplTest.sql")@RunWith(SpringRunner.class)publicclassGoodsDomainRepositoryImplTest {    // 测试代码}

2.1.3 数据验证策略

数据库比对验证(核心策略)

// 使用参数查询方式获取期望数据ServiceGoodsInfoParam param = new ServiceGoodsInfoParam();param.createCriteria().andGoodsIdEqualTo(goodsId);List<ServiceGoodsInfoDO> dos = serviceGoodsInfoMapper.selectByParam(param);ServiceGoodsInfoDO expectedData = dos.get(0);
// 与返回结果比对assertEquals("商品名称应该与数据库一致", expectedData.getGoodsName(), result.getGoodsName());

条件验证逻辑

// 根据数据库配置进行动态验证ServiceGoodsSaleConfigDO config = serviceGoodsSaleConfigMapper.getByGoodsId(goodsId, "prod");if (config != null) {    assertNotNull("当数据库中存在售卖配置时,售卖范围不应为空", result.getSaleScope());    System.out.println("数据库中的售卖配置: " + config.getSaleChannelConfig());else {    System.out.println("数据库中没有找到goodsId=" + goodsId + "的售卖配置");}

2.2 测试用例设计规范

2.2.1 测试方法命名规范

格式test{方法名}_{测试场景}_{期望结果}

实际应用示例:

  • testFindById_WhenIdNotExists_ShouldReturnNull

  • testFindById_WhenGoodsIdExists83_ShouldReturnCorrectGoodsDomain

  • testFindByIds_WhenOneNotExistsOneExists83_ShouldReturnListWithOne

2.2.2 测试场景设计表格

我们建立了详细的测试场景设计表格来指导AI生成:

2.2.3 业务规则验证策略

针对不同商品ID的特定业务规则验证:

// 根据商品ID验证不同的业务规则if (goodsId.equals(83L)) {    assertEquals("服务类型应该为自配送", ServiceType.SELF, result.getServiceType());    assertTrue("应该支持品类抽佣", result.getIsSupportCategory());    assertFalse("不应该强制手机注册", result.getIsForcePhone());    assertFalse("不需要运力检查", result.getDeliveryOverCheck());} elseif (goodsId.equals(1300L)) {    assertEquals("服务类型应该为超客", ServiceType.SUPER_CLIENT, result.getServiceType());    assertFalse("不应该支持品类抽佣", result.getIsSupportCategory());    assertTrue("应该强制手机注册", result.getIsForcePhone());    assertTrue("需要运力检查", result.getDeliveryOverCheck());}


三、实践执行过程

3.1 AI协作流程

1.需求分析明确测试目标和场景覆盖要求;

2.Prompt输入提供标准化的测试规则和具体需求;

3.代码生成AI根据规则自动生成测试代码;

4.结果验证运行测试用例验证生成质量;

5.迭代优化根据结果反馈优化Prompt规则;

3.2 实际生成效果

AI成功生成了完整的测试方法,包括:

  • 完整的Given-When-Then结构;

  • 数据库比对验证逻辑;

  • 详细的业务规则断言;

  • 清晰的错误消息和调试日志;

生成代码示例(部分):

@TestpublicvoidtestFindByIds_WhenOneNotExistsOneExists83_ShouldReturnListWithOne(){    // Given    List<ServiceGoodsIdDomain> goodsIds = Arrays.asList(            ServiceGoodsIdDomain.ofGoods("99999"), // 不存在的ID            ServiceGoodsIdDomain.ofGoods("83")     // 存在的ID    );    Long existingGoodsId = 83L;
    // When    List<GoodsDomain> result = goodsDomainRepository.findByIds(goodsIds);
    // Then    assertNotNull("查找结果不应为空", result);    assertEquals("应该只返回一个商品"1, result.size());
    // 验证返回的商品是goodsId=83的商品    GoodsDomain goodsDomain = result.get(0);    assertEquals("商品ID应该为83", existingGoodsId.toString(), goodsDomain.getGoodsId().getId());
    // 从数据库查询期望的数据进行比对    ServiceGoodsInfoParam serviceGoodsInfoParam = new ServiceGoodsInfoParam();    serviceGoodsInfoParam.createCriteria().andGoodsIdEqualTo(existingGoodsId);    List<ServiceGoodsInfoDO> goodsInfoDOs = serviceGoodsInfoMapper.selectByParam(serviceGoodsInfoParam);    ServiceGoodsInfoDO expectedGoodsInfo = goodsInfoDOs.get(0);    assertNotNull("数据库中应该存在goodsId为83的商品信息", expectedGoodsInfo);
    // 验证基础信息与数据库一致    assertEquals("商品名称应该与数据库一致", expectedGoodsInfo.getGoodsName(), goodsDomain.getGoodsName());    assertEquals("服务类型应该为自配送", ServiceType.SELF, goodsDomain.getServiceType());
    // 验证业务规则    assertFalse("应该为非增值商品", goodsDomain.getIsAddition());    assertTrue("应该在饿百展示", goodsDomain.getIsShowEBai());    // ... 更多业务规则验证}

3.3 测试执行结果

测试用例成功执行,所有断言通过,验证了AI生成代码的正确性和完整性。

四、Prompt规则生成方法

4.1 规则提取策略

每个项目的测试框架可能不同,我们采用"示例驱动"的方式生成Prompt规则:

1.手工编写标准示例先手工编写一个高质量的测试类作为标准;

2.AI分析提取让AI分析示例代码,提取通用规则和模式;

3.规则标准化将提取的规则标准化为可复用的Prompt模板;

4.验证优化通过实际应用验证规则效果,持续优化;

4.2 规则生成实践

通过向AI提供完整的测试类示例,AI能够自动提取出:

  • 测试架构配置模式

  • 命名规范

  • 验证策略

  • 断言模式

  • 代码质量要求

  • 生成prompt文件

# 测试用例编写规则 - AI Prompt
## 角色定义你是一名专业的Java测试工程师,专精于Spring Boot项目的单元测试编写,特别擅长Repository层的测试用例设计和实现。## 任务目标根据用户提供的Repository接口或实现类,生成完整、规范的单元测试代码,确保测试覆盖率和代码质量。## 核心规范### 1. 基础配置模板测试类需要包含以下注解配置:- @SpringBootTest(classes = {TestApplicationConfig.class, TestMybatisConfig.class})- @Import({被测试的实现类}.class)  // 导入被测试的实现类- @Transactional  // 确保测试数据回滚- @Sql(scripts = "classpath:sql/dml/repo/{测试类名}.sql")  // 加载测试数据- @RunWith(SpringRunner.class)### 2. 必需的Import语句```java// 测试相关import org.junit.Test;import org.junit.runner.RunWith;import org.springframework.boot.test.context.SpringBootTest;import org.springframework.context.annotation.Import;import org.springframework.test.context.jdbc.Sql;import org.springframework.test.context.junit4.SpringRunner;import org.springframework.transaction.annotation.Transactional;// 断言相关importstatic org.junit.Assert.*;// 依赖注入import javax.annotation.Resource;// 集合工具类import org.apache.commons.collections4.CollectionUtils;// 业务相关类(根据实际项目调整包路径)import me.ele.newretail.contract.v6.repository.mapper.base.ServiceGoodsInfoMapper;import me.ele.newretail.contract.v6.repository.mapper.scope.ServiceGoodsSaleConfigMapper;import me.ele.newretail.contract.v6.repository.pojo.ServiceGoodsInfoDO;import me.ele.newretail.contract.v6.repository.pojo.ServiceGoodsInfoParam;import me.ele.newretail.contract.v6.repository.pojo.ServiceGoodsSaleConfigDO;import me.ele.newretail.contract.v61.config.TestApplicationConfig;import me.ele.newretail.contract.v61.config.TestMybatisConfig;import me.ele.newretail.contract.v61.domain.goods.entity.GoodsDomain;import me.ele.newretail.contract.v61.domain.goods.enums.ServiceType;import me.ele.newretail.contract.v61.domain.goods.repository.GoodsDomainRepository;import me.ele.newretail.contract.v61.domain.goods.valueobject.ServiceGoodsIdDomain;// Java基础类import java.util.List;```### 3. 依赖注入规范```java@Resourceprivate {被测试的Repository接口} {repository变量名};  // 被测试的Repository@Resourceprivate {相关Mapper}Mapper {mapper变量名};  // 用于数据验证的Mapper```### 4. 测试方法命名规范**格式**: `test{方法名}_{测试场景}_{期望结果}`**示例**:- `testFindById_WhenIdNotExists_ShouldReturnNull`- `testFindById_WhenGoodsIdExists83_ShouldReturnCorrectGoodsDomain`- `testFindAll_ShouldReturnAllGoods`### 5. 数据验证策略#### 5.1 数据库比对验证(优先使用)```java// 使用参数查询方式{Entity}Param param = new {Entity}Param();param.createCriteria().and{字段名}EqualTo(value);List<{Entity}DO> dos = {mapper}.selectByParam(param);{Entity}DO expectedData = dos.get(0);// 与返回结果比对assertEquals("字段描述应该与数据库一致", expectedData.get{字段名}(), result.get{字段名}());```#### 5.2 条件验证逻辑```java// 根据数据库配置进行条件验证{Config}DO config = {configMapper}.getBy{Key}(key, env);if (config != null) {    assertNotNull("当数据库中存在配置时,相关字段不应为空", result.get{字段名}());    // 进一步验证配置内容else {    System.out.println("数据库中没有找到{key}=" + key + "的配置");    // 根据业务逻辑进行相应断言}```### 6. 断言规范#### 6.1 基础断言```java// 非空断言assertNotNull("当{条件}时,返回的{对象}不应为空", result);// 空值断言assertNull("当{条件}时,应该返回null", result);// 相等断言assertEquals("字段描述", expected, actual);```#### 6.2 业务规则断言```java// 布尔值断言assertTrue("业务规则描述", result.getIs{字段名}());assertFalse("业务规则描述", result.getIs{字段名}());// 枚举断言assertEquals("枚举字段描述", ExpectedEnum.VALUE, result.getEnumField());```#### 6.3 集合断言```javaassertNotNull("集合不应为空", result);assertFalse("应该返回数据列表", result.isEmpty());assertTrue("返回的数据数量应该符合预期", result.size() >= expectedCount);```### 7. 测试场景覆盖#### 7.1 正常场景- 存在数据的标准查询- 有效参数的CRUD操作- 正常业务流程验证#### 7.2 异常场景- 不存在数据的查询- 无效参数处理- 边界值测试#### 7.3 业务场景- 不同业务状态的验证- 复杂业务规则的测试- 多条件组合查询### 8. 调试和日志```java// 使用System.out.println输出调试信息System.out.println("数据库中的配置: " + config);System.out.println("解析后的结果: " + result);System.out.println("未找到{key}=" + key + "的配置");```### 9. 测试数据管理#### 9.1 SQL脚本规范- 脚本路径: `classpath:sql/dml/repo/{测试类名}.sql`- 数据覆盖: 各种业务场景和边界情况- 数据独立: 每个测试用例的数据相互独立#### 9.2 测试环境- 使用H2内存数据库- 确保DDL脚本兼容性- 配置正确的数据库连接### 10. 代码质量要求#### 10.1 可读性- 使用有意义的变量名- 添加必要的注释说明测试意图- 保持测试方法简洁,一个方法测试一个场景#### 10.2 维护性- 避免硬编码期望值,优先使用数据库比对- 使用`@Transactional`确保测试数据回滚- 所有断言都包含清晰的错误消息#### 10.3 完整性- 确保所有公共方法都有对应测试- 覆盖所有分支逻辑- 验证关键业务字段和业务规则## 输出要求1. **完整的测试类**: 包含所有必要的注解、导入和配置2. **全面的测试方法**: 覆盖所有场景的测试用例3. **规范的断言**: 使用数据库比对验证,包含清晰的错误消息4. **调试信息**: 必要的日志输出用于问题定位5. **测试数据脚本**: 提供对应的SQL测试数据脚本建议## 注意事项1. 严格遵循命名规范和代码格式2. 优先使用数据库比对而非硬编码验证3. 确保测试独立性,避免测试间相互依赖4. 添加充分的注释说明测试意图和业务逻辑5. 保持代码简洁,避免过度复杂的测试逻辑## 示例模板```java@Testpublicvoid test{方法名}_{测试场景}_{期望结果}() {    // Given - 准备测试数据    {参数类型} param = new {参数类型}({参数值});        // When - 执行被测试方法    {返回类型} result = {repository}.{方法名}(param);        // Then - 验证结果    assertNotNull("当{条件}时,返回结果不应为空", result);        // 数据库比对验证    {Entity}DO expectedData = {mapper}.getBy{Key}({key});    assertEquals("字段描述", expectedData.get{字段名}(), result.get{字段名}());        // 业务规则验证    assertTrue("业务规则描述", result.getIs{字段名}());}```


五、核心价值与效果

5.1 效率提升

  • 编写速度从手工编写1个测试方法需要30分钟,缩短到AI生成5分钟;

  • 场景覆盖AI能够系统性地生成多种测试场景,避免人工遗漏;

  • 代码质量标准化的代码结构和规范,提升整体测试代码质量;

5.2 质量保证

  • 数据驱动验证避免硬编码期望值,提高测试的可靠性;

  • 业务规则覆盖全面验证复杂的业务逻辑和规则;

  • 维护性提升清晰的代码结构和充分的注释,便于后续维护;

5.3 团队赋能

  • 知识沉淀将测试编写经验固化为可复用的Prompt规则;

  • 标准统一确保团队测试代码的一致性和规范性;

  • 技能传承新团队成员可以快速掌握测试编写规范;

六、最佳实践总结

6.1 成功经验

1.数据驱动测试优先使用数据库比对验证,避免硬编码;

2.分层验证策略从数据库层到业务层的多层次验证;

3.全面场景覆盖正常、异常、边界、业务场景的系统性覆盖;

4.自动化事务回滚确保测试数据的独立性和一致性;

5.标准化命名规范提升代码可读性和维护性;

6.2 踩过的坑

1.硬编码期望值导致测试脆弱,数据变化时测试失败;

2.测试数据依赖测试用例间相互依赖,造成不稳定;

3.忽视性能考虑大量数据库查询导致CI执行时间过长;

4.断言信息不清晰测试失败时难以快速定位问题;

5.业务规则遗漏复杂业务逻辑验证不充分;

6.3 优化建议

1.持续优化Prompt根据实际使用效果不断完善规则;

2.建立反馈机制收集团队使用反馈,持续改进;

3.扩展应用场景从Repository层扩展到Service层、Gateway层;

4.工具化支持考虑开发专门的测试生成工具;

5.培训推广在团队内推广AI辅助测试编写的最佳实践;

七、未来展望

7.1 技术演进方向

  • 智能化程度提升AI能够自动识别业务规则,生成更精准的测试用例;

  • 多层次测试支持从单元测试扩展到集成测试、端到端测试;

  • 自动化测试数据生成AI自动生成符合业务场景的测试数据;

  • 测试用例维护AI辅助测试用例的重构和维护;

7.2 团队能力建设

  • AI协作技能培养团队成员与AI协作的能力;

  • Prompt工程建立专业的Prompt设计和优化能力;

  • 质量标准建立AI生成代码的质量评估标准;

  • 知识管理建立测试知识库和最佳实践库;

八、结论

通过AI辅助的单元测试自动生成实践,我们成功实现了:

  • 50%的代码采纳率AI生成的测试代码质量达到生产标准;

  • 显著的效率提升测试编写效率提升5-6倍;

  • 质量保证标准化的测试结构和全面的场景覆盖;

  • 团队赋能可复用的方法论和工具;

这套实践不仅是质量保证手段,更是设计思维的体现。好的测试用例能驱动更优的代码设计,形成良性循环。通过AI的加持,我们能够更高效地构建高质量的测试体系,为软件质量提供坚实保障。

核心启示AI不是替代人工,而是增强人的能力。通过精心设计的Prompt和持续的优化迭代,AI可以成为开发团队的得力助手,显著提升开发效率和代码质量。

53AI,企业落地大模型首选服务商

产品:场景落地咨询+大模型应用平台+行业解决方案

承诺:免费POC验证,效果达标后再合作。零风险落地应用大模型,已交付160+中大型企业

联系我们

售前咨询
186 6662 7370
预约演示
185 8882 0121

微信扫码

添加专属顾问

回到顶部

加载中...

扫码咨询