从规则到测试：构建你的 AI 测试 Harness

沈宥

发布于 2026-04-14 18:15:17

470

文章被收录于专栏：从头开始学习测试开发从头开始学习测试开发

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。

一、问题：为什么 AI 不会写测试？

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 {
    if phone == "" { return true }
    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

二、解决方案：用 AST 提取“可执行的业务规则”

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……”

三、动手：构建你的规则提取器（Go 实现）

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。

四、连接 AI：用规则驱动测试生成

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：
1. 使用 testify/mock
2. 每个规则对应一个 test case
3. 测试用例命名清晰（如 TestNeedCaptcha_EmptyPhone_ReturnsTrue）
4. 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", "13800138000").Return(nil, errors.New("db error"))
    s := &UserService{memberRepo: mockRepo}
    assert.True(t, s.NeedCaptcha("13800138000"))
}

func TestNeedCaptcha_VIPUser_ReturnsFalse(t *testing.T) {
    mockRepo := new(MockMemberRepo)
    mockRepo.On("GetByPhone", "13800138000").Return(&Member{IsVIP: true}, nil)
    s := &UserService{memberRepo: mockRepo}
    assert.False(t, s.NeedCaptcha("13800138000"))
}

✅ 精准覆盖所有规则 ✅ 命名规范，可读性强 ✅ 自动 mock 依赖

五、进阶：构建自动化测试 Harness

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：

🔄 监听 Git Diff：只对变更函数生成测试
📊 覆盖率反馈：若测试未达 100%，回流优化 Prompt
🧩 支持多语言：Java/Kotlin/Python 的 AST 提取器
🤖 本地 LLM 部署：使用 Ollama + CodeLlama，数据不出内网

六、价值：不止于省时间

表格

传统方式	AI 测试 Harness
开发者凭经验写测试	AI 基于完整规则生成
容易遗漏边界条件	100% 分支覆盖
测试与代码脱节	测试与最新规则同步
新人难上手	规则即文档，AI 即导师