生成测试用例的skill：从手工到自动化的技术演进与实践

3次阅读

没有评论

共计 2343 个字符，预计需要花费 6 分钟才能阅读完成。

手工编写测试用例是传统测试流程中的常见做法，但随着软件复杂度的提升和迭代速度的加快，这种方式逐渐暴露出诸多问题：

效率低下：手工编写需要大量重复性劳动，尤其是对于大型系统，测试用例数量可能达到数百甚至上千个。
覆盖率不足：人工难以穷举所有边界条件，尤其是复杂逻辑或嵌套条件的分支覆盖容易遗漏。
维护成本高：代码变更后，手工维护测试用例的工作量巨大，容易产生“测试债”。
主观性强：测试用例的质量依赖个人经验，容易忽略某些异常场景。

这些痛点催生了测试用例生成技术的需求，目标是实现高效、全面且可维护的自动化测试。

Randoop 是一个基于随机测试的 Java 工具，通过随机组合方法调用生成测试用例。

优点：
无需预先配置，开箱即用。
生成的测试用例包含断言，可直接运行。
适合发现未预期的异常或行为。
缺点：
生成的用例可能冗余，需要手动筛选。
对复杂逻辑的覆盖有限，难以生成特定场景的用例。

EvoSuite 使用遗传算法生成测试用例，目标是最大化覆盖率。

优点：
支持分支覆盖、行覆盖等多种指标。
生成的用例简洁高效，适合回归测试。
提供 JUnit 格式的输出，便于集成。
缺点：
配置复杂，学习曲线较陡。
对动态语言或复杂依赖的支持较弱。

通过预定义模板生成测试用例，适合规则明确的场景。

优点：
灵活可控，可定制生成逻辑。
适合生成大量结构相似的用例。
缺点：
需要手动维护模板，扩展性较差。

模板引擎通过替换占位符动态生成测试代码。例如，以下是一个简单的模板示例（Python + Jinja2）：

from jinja2 import Template
template = Template('''
def test_{{name}}():
    result = {{function}}({{args}})
    assert result == {{expected}}
''')

# 渲染模板
rendered = template.render(
    name='addition',
    function='add',
    args='1, 2',
    expected='3'
)
print(rendered)

输出：

def test_addition():
    result = add(1, 2)
    assert result == 3

AI 模型（如 GPT-3、Codex）可以通过自然语言描述生成测试用例。例如：

# 伪代码：调用 AI 生成测试用例
response = ai.generate(prompt="Generate a Python test for a function'add'that takes two integers.")
print(response)

AI 生成的用例通常需要人工校验，但可以快速覆盖常见场景。

以下是一个基于模板的简单测试用例生成器实现：

import json
from jinja2 import Template

# 测试用例配置
config = {
    "function_name": "add",
    "test_cases": [{"args": "1, 2", "expected": "3", "name": "addition_positive"},
        {"args": "-1, -1", "expected": "-2", "name": "addition_negative"},
    ]
}

# 模板定义
template = Template('''
import pytest

def {{function_name}}(a, b):
    return a + b

{% for case in test_cases %}
def test_{{case.name}}():
    result = {{function_name}}({{case.args}})
    assert result == {{case.expected}}
{% endfor %}
''')

# 生成测试代码
generated_code = template.render(function_name=config["function_name"],
    test_cases=config["test_cases"]
)

print(generated_code)

输出：

import pytest

def add(a, b):
    return a + b

def test_addition_positive():
    result = add(1, 2)
    assert result == 3

def test_addition_negative():
    result = add(-1, -1)
    assert result == -2