ai-generated-ut-code-review

AI UT 代码审查

概述

审查 AI 生成的单元测试是否有效，包括覆盖率、断言、负面用例、确定性和可维护性。输出 0-10 分、风险等级和必须修复清单。总体行覆盖率必须 >= 80%；否则风险至少为 High。

适用场景

• 审查或评估 AI 生成的 UT/测试代码质量
• 需要评分、风险等级或必须修复清单
• 有关覆盖率或断言有效性的问题

工作流

1. 确认测试针对预期的业务代码和关键路径。
2. 检查总体行覆盖率（要求 >= 80%）。
3. 检查断言在行为层面是否有效；标出缺失或无效的断言。
4. 验证负面/边界用例和确定性（不依赖环境/时间）。
5. 根据评分标准打分、评定风险，并列出有证据支持的必须修复项。

评分（0-10）

每个维度 0-2 分。总分 = 各项得分之和。

维度	0	1	2
覆盖率	< 80%	80% 以上，但覆盖较浅	80% 以上且覆盖有意义
断言质量	没有断言/断言无效	有些断言较弱	断言紧扣行为
负面与边界用例	缺失	部分覆盖	覆盖全面
数据与隔离性	不稳定/依赖环境	表现不一	确定且隔离
可维护性	难以阅读/修改	质量不一	结构清晰、命名明确

风险等级

• Blocker：覆盖率 < 80% 且关键路径未经测试，或测试没有有意义的断言
• High：覆盖率 < 80% 或断言大多无效
• Medium：覆盖率达标，但边界用例较弱或设计脆弱
• Low：只有小幅改进空间

必须修复清单

• 总体行覆盖率 >= 80%
• 每项测试至少有一个与行为相关的断言
• 核心逻辑包含负面/异常用例
• 测试具有确定性且可重复

AI 生成测试的常见问题（明确检查）

• 没有断言，或断言与行为无关（例如只断言非空）
• 过度使用模拟，掩盖真实行为
• 只覆盖成功路径
• 测试依赖时间/网络/环境
• 缺少对副作用的验证

输出格式（必需，半固定）

• Score：x/10 — Coverage x, Assertion Quality x, Negative & Edge x, Data & Isolation x, Maintainability x
• Risk：Low/Medium/High/Blocker — 简述原因（1 行）
• Must-fix：
  • [动作 + 证据]
  • [动作 + 证据]
• Key Evidence：
  • 引用具体测试用例名或覆盖率报告摘要（1-2 条）
• Notes：
  • 最小修复建议或替代方案（1-2 行）

规则：

• 覆盖率 < 80% 时，风险至少为 High，且必须列入 Must-fix
• 没有断言/断言无效时，直接提升风险级别，且必须列入 Must-fix
• 至少提供 2 条证据；证据不足时需说明并降低评分

常见错误

• 只报告覆盖率，不评价断言的有效性
• 把日志输出当作断言
• 忽略失败路径/异常路径

示例（简洁）

Score: 5/10（Coverage 1, Assertion 0, Negative 1, Data 2, Maintainability 1） Risk: High Must-fix:

• parseConfig() 测试没有行为断言（只有日志）
• 没有针对格式错误输入的负面用例 Key Evidence:
• parseConfig() 测试只断言不会崩溃
• 覆盖率报告显示行覆盖率为 62% Notes:
• 添加针对输出和副作用的断言；添加无效输入测试。