千问AI辅助单元测试：自动生成用例的提示词编写技巧

想要借助千问大模型快速生成可直接运行、能全面覆盖边界条件和异常场景的单元测试代码，从而告别手动编写用例、反复调试断言、遗漏关键测试点的低效流程？这个思路非常正确。通过AI自动生成可执行的测试代码，能够显著节省开发时间，提升代码质量与测试覆盖率。

然而，在生成之前，必须确保函数代码本身具备良好的可测试性基础。

第一步：确认函数代码是否具备生成基础

首先，请复制函数的完整定义。这包括def语句、所有参数、类型提示（如果有）、docstring文档字符串（如果有）以及完整的函数体逻辑。缺少任何一部分，都可能导致AI误解函数的意图、参数含义或返回值类型。

其次，请检查函数内部是否依赖未声明的全局变量或未导入的外部模块。千问无法自动补全您本地开发环境特有的上下文，缺失的import语句或未定义的变量将直接导致生成的测试代码运行时报错。

准备就绪后，将这段完整的函数代码粘贴至对话框，并在开头附上一句清晰的指令：“请为以下Python函数生成基于pytest框架的单元测试代码。”

第二步：运用结构化提示词精准驱动测试生成

接下来，提示词的精确度直接决定了生成测试的质量与完整性。以下是几种经过实践验证的有效方法：

方法一：绑定测试框架并明确指定用例类型

在函数代码前，添加明确的约束条件。例如：“使用pytest框架，生成完整的测试文件。必须包含三类测试用例：① 正常功能输入（例如原价100元、折扣率20%）；② 边界值输入（折扣率0%、100%，商品价格为0）；③ 异常或无效输入（负价格、折扣率超过100%、非数字类型参数）。” 这样可以系统性地确保测试覆盖范围全面，避免遗漏。

方法二：复用项目已有的测试代码风格

如果您的团队已有成熟的测试文件，如test_utils.py或test_calculate.py，可以直接指示千问：“请参照当前项目中test_*.py文件的现有格式与风格进行续写，保持fixture命名规范、assert断言写法、注释密度与结构一致。” 这能保证新生成的测试代码在风格上与现有代码库无缝融合，便于维护。

方法三：从自然语言描述中提取具体用例

您可以回顾千问之前对该函数的解释或总结。其中常包含类似“当输入original_price=50, discount_percent=0时，应返回50”的具体描述。将这些成对的输入输出数据直接作为测试依据提供给千问，它会自动将其转化为结构化的for循环加断言代码。这比凭空构造测试数据更为可靠和准确。

关键操作路径：从函数代码到可执行测试的完整流程

整个流程可以梳理为一条清晰、可重复的操作路径：

第一步：复制函数的完整源代码（含def定义、所有参数、类型提示、函数体）。

第二步：在提示词中明确声明测试框架（如pytest）和强制性的测试覆盖要求（正常、边界、异常三类场景）。

第三步：追加关于测试命名的约束：“所有测试函数名必须以test_开头，并能清晰体现测试用例的意图，例如test_discount_0_percent_returns_original_price”。

第四步：明确要求输出格式：“请仅输出可直接保存为test_*.py文件的纯Python代码，无需任何解释说明、Markdown标记或示例输入。”

第五步：获取生成的代码后，在终端运行 `pytest test_*.py -v` 命令，观察所有测试是否通过。若有测试失败，可将报错信息连同对应的测试代码片段再次提交给千问，请求其修正断言逻辑或输入值。