2026年从规则到测试：构建你的 AI 测试 Harness

大家好，我是讯享网，很高兴认识大家。这里提供最前沿的Ai技术和互联网信息。

让 AI 理解你的业务逻辑，自动生成高质量单元测试

在软件工程的演进中，测试始终是保障质量的基石。但写测试用例——尤其是覆盖边界条件和复杂业务规则的用例——往往枯燥、耗时，且容易遗漏关键路径。

有没有可能，让 AI 帮你读懂代码中的业务规则，并自动生成精准的测试用例？

答案是：可以！ 而关键在于：如何将“隐式”的业务逻辑，转化为 AI 能理解的“显式”结构化规则。

本文将带你从零构建一个 AI 测试 Harness（测试夹具），实现 “规则提取 → LLM 理解 → 测试生成” 的完整闭环。

你可能试过让 LLM（如 GPT、Claude、Ollama）为函数写单元测试：

go编辑

func NeedCaptcha(phone string) bool

member, _ := repo.GetByPhone(phone) if member != nil && member.IsVIP { return false } return true

}

但 AI 给出的测试往往是：

只覆盖 phone == "" 和普通手机号
忽略“查询失败视为新用户”的隐藏规则
不知道 IsVIP 是关键判断条件

原因很简单：AI 看不懂“注释”和“意图”，它只能看到代码表面。

而业务规则，往往藏在：

if 条件组合中
错误处理分支里
依赖调用的返回值语义中

我们要做的，是把函数中的 控制流逻辑 转化为 结构化的规则列表，例如：

json编辑

{ "name": "NeedCaptcha", "rules": [

{ "condition": "phone == """, "action": "true", "calls": [] }, { "condition": "err != nil", "action": "true", "calls": ["repo.GetByPhone(...)"] }, { "condition": "member != null && member.IsVIP", "action": "false", "calls": ["repo.GetByPhone(...)"] }, { "condition": "default (unconditional)", "action": "true", "calls": ["repo.GetByPhone(...)"] }

] }

这个 JSON 就是 AI 的“说明书” ——它清晰地告诉 LLM：

“当手机号为空时，返回 true；当数据库查询失败时，也返回 true；只有 VIP 用户才返回 false……”

我们使用 Go 的标准库 go/ast 编写一个轻量级提取器：https://github.com/shemiouwang-lgtm/go-ast-rule-extractor

bash编辑

# 安装后，一行命令提取规则 go run rule-extractor.go –file user_service.go –func NeedCaptcha –json

输出即为上述结构化 JSON。

核心能力：

✅ 解析 if / else if / return 分支
✅ 还原条件表达式（支持 &&、||、索引、类型断言等）
✅ 记录每个分支涉及的外部调用（如 repo.GetByPhone）
✅ 输出标准 JSON，可直接喂给 LLM

💡 提示：该工具无第三方依赖，纯标准库实现，可集成到 CI/CD 中。

有了结构化规则，我们就可以构造 LLM Prompt：

text编辑

你是一个资深 Go 测试工程师。请为以下函数生成 100% 分支覆盖的单元测试。

函数名：NeedCaptcha 业务规则： [ {"condition": "phone == """, "action": "true"}, {"condition": "err != nil", "action": "true"}, {"condition": "member != null && member.IsVIP", "action": "false"}, {"condition": "default", "action": "true"} ]

要求：

使用 testify/mock
每个规则对应一个 test case
测试用例命名清晰（如 TestNeedCaptcha_EmptyPhone_ReturnsTrue）

覆盖所有边界条件

AI 输出示例（Ollama + CodeLlama）：

go编辑

func TestNeedCaptcha_EmptyPhone_ReturnsTrue(t *testing.T) { s := &UserService{} assert.True(t, s.NeedCaptcha("")) }

func TestNeedCaptcha_RepoError_ReturnsTrue(t *testing.T) {

mockRepo := new(MockMemberRepo) mockRepo.On("GetByPhone", "").Return(nil, errors.New("db error")) s := &UserService{memberRepo: mockRepo} assert.True(t, s.NeedCaptcha(""))

}

func TestNeedCaptcha_VIPUser_ReturnsFalse(t *testing.T) {

mockRepo := new(MockMemberRepo) mockRepo.On("GetByPhone", "").Return(&Member{IsVIP: true}, nil) s := &UserService{memberRepo: mockRepo} assert.False(t, s.NeedCaptcha(""))

}

✅ 精准覆盖所有规则 ✅ 命名规范，可读性强 ✅ 自动 mock 依赖

将上述流程封装为一个 AI 测试 Harness：

文本编辑

[源代码] ↓ (AST 规则提取) [结构化规则 JSON] ↓ (LLM Prompt) [AI 生成的测试代码] ↓ (静态检查 + 执行) [测试报告 + 覆盖率]

可扩展方向：

表格

更重要的是：你把“业务规则”从代码中显式提炼出来，形成了可追溯、可验证的知识资产。

2026年从规则到测试：构建你的 AI 测试 Harness

核心能力：

AI 输出示例（Ollama + CodeLlama）：

可扩展方向：

相关推荐