AI 写的测试覆盖率 90%，为什么上线还是崩？——测试质量的三个盲区

def test_create_user():
    # ✅ 正常情况
    user = create_user("test@example.com", "Password123")
    assert user.email == "test@example.com"

    # ✅ 显而易见的异常
    with pytest.raises(ValueError):
        create_user("", "Password123")  # 空邮箱

    with pytest.raises(ValueError):
        create_user("test@example.com", "")  # 空密码

# ❌ 这些情况 AI 的测试没覆盖
create_user("test@example.com", "ab")          # 密码太短
create_user("test@example.com", "a" * 1000)     # 密码太长（缓冲区溢出？）
create_user("test@example.com", "<script>")     # XSS 注入
create_user("test@example.com", "  Password1 ") # 前后空格
create_user("test@example.com", "密码123")      # Unicode 字符
create_user("a" * 300 + "@example.com", "ok")  # 超长邮箱
create_user("test@", "ok")                      # 无效邮箱格式

# 每次 AI 写完测试后，手动补充一个"脏数据集"
DIRTY_INPUTS = [
    ("空字符串", ""),
    ("仅空格", "     "),
    ("超长字符串", "a" * 10000),
    ("SQL注入尝试", "'; DROP TABLE users; --"),
    ("XSS尝试", "<script>alert(1)</script>"),
    ("Unicode特殊字符", "𝕴𝖓𝖘𝖊𝖗𝖙 𝖒𝖆𝖌𝖎𝖈"),
    ("零宽字符", "hello\u200bworld"),
    ("emoji", "😀" * 100),
    ("前后空格", "  value  "),
    ("换行符注入", "value\n\r"),
]

@pytest.mark.parametrize("desc,dirty_input", DIRTY_INPUTS)
def test_against_dirty_input(desc, dirty_input):
    # 你的函数遇到脏数据应该优雅降级，不是崩溃
    result = your_function(dirty_input)
    assert result is not None
    assert not isinstance(result, Exception)

def test_transfer_money():
    alice = create_account(balance=100)
    bob = create_account(balance=50)

    transfer(alice.id, bob.id, 30)

    assert alice.balance == 70   # Alice 扣了 30
    assert bob.balance == 80     # Bob 收了 30

# 真实业务场景需要验证的
def test_transfer_money_REAL():
    # ❌ AI 没测：并发转账
    # 两个线程同时给 Bob 转钱，总金额对吗？

    # ❌ AI 没测：余额不足
    with pytest.raises(InsufficientBalance):
        transfer(alice.id, bob.id, 200)

    # ❌ AI 没测：转给自己
    with pytest.raises(InvalidTransfer):
        transfer(alice.id, alice.id, 10)

    # ❌ AI 没测：金额为 0 或负数
    with pytest.raises(InvalidAmount):
        transfer(alice.id, bob.id, 0)
    with pytest.raises(InvalidAmount):
        transfer(alice.id, bob.id, -50)

    # ❌ AI 没测：转账后的幂等性
    # 同一条转账指令执行两次，不应该扣两次钱
    tid = transfer(alice.id, bob.id, 30)
    transfer(alice.id, bob.id, 30, idempotency_key=tid)  # 应该被忽略
    assert alice.balance == 70  # 没有多扣

# 不是"写测试"，是"写违规场景清单"
def list_violations(func_name):
    """
    转账函数可能违规的场景：
    1. 源账户不存在
    2. 目标账户不存在
    3. 余额不足
    4. 金额 <= 0
    5. 转给自己
    6. 重复转账（幂等性）
    7. 并发转账（竞争条件）
    8. 转账过程中账户被冻结
    """
    pass

def test_send_notification():
    mock_email = Mock()
    mock_email.send.return_value = True

    result = notify_user(user, "welcome", email_service=mock_email)

    assert result.success
    mock_email.send.assert_called_once()

# ✅ 测试 mock 的行为，也要验证 mock 的参数
def test_send_notification_REAL():
    mock_email = Mock()
    mock_email.send.return_value = True

    result = notify_user(
        user,
        template="welcome",
        email_service=mock_email
    )

    # 不只是"被调用了"，而是"用正确的参数调用了"
    call_args = mock_email.send.call_args
    assert call_args.kwargs["to"] == user.email
    assert call_args.kwargs["subject"] is not None
    assert call_args.kwargs["subject"] != ""  # 主题不为空
    assert "welcome" in call_args.kwargs["template"]
    assert call_args.kwargs["timeout"] == 30  # 设了超时

# ✅ 关键路径的集成测试（不 mock 外部依赖）
@pytest.mark.integration
def test_send_notification_integration():
    # 用真实邮件服务（测试环境），验证端到端
    email_service = RealEmailService(env="test")
    result = notify_user(test_user, "welcome", email_service=email_service)
    assert result.success

# 第一步：你列违规场景（AI 帮你扩展）
你："这个转账函数可能违规的场景有哪些？"
AI：[列出 8 个场景]
你："补充：并发转账、冻结账户的情况"

# 第二步：AI 逐个生成测试代码
你："按上面 10 个场景，生成测试，每个测试独立"

# 第三步：你注入脏数据
你："在这些测试的基础上，对所有字符串参数跑一遍脏数据集"

# 第四步：AI 补充边界断言
你："每个测试加断言验证返回值的字段完整性"

[ ] 脏数据过了吗？
    → 空字符串、超长输入、注入尝试、特殊字符

[ ] 违规场景过了吗？
    → 余额不足、重复操作、并发访问、资源不存在

[ ] Mock 验证充分吗？
    → 不只"被调用了" → "用正确的参数和超时调用了"