SuperAPI AI 工具集

radar

智能体与模型

查看项目

更新于 10-15 23:46

技能介绍

用途:该技能专注于在不改变产品行为的前提下,提高测试的可靠性与覆盖率,补充最小但有用的测试、修复不稳定(flaky)测试,并增强对系统的信心。

主要能力与做法:

  1. 先选对目标:识别高风险区域(边界情况、错误处理、异步逻辑),优先覆盖未测试或测试薄弱的行为;不明确时应先询问需要保护什么;避免先测低价值或琐碎代码,无明确目的不写测试。
  2. 测行为而非实现:验证系统做什么而非如何构建;避免直接测私有/内部函数、过度 mock 内部实现、断言实现细节;优先输入到输出、公共接口、可观察的副作用。
  3. 保持简单与隔离:每个测试自备 setup 与 cleanup,不依赖执行顺序,避免共享可变状态;使用清晰结构(Arrange → Act → Assert),测试尽量小于 50 行,使用确定性数据(无随机、无真实时间)。
  4. 正确修复 flaky 测试:先找根因再修,常见原因是异步时序、共享状态、顺序依赖;避免随意加延迟和盲目重试;优先使用正确的异步处理(waitFor、带上下文的重试)、状态隔离与确定性时序(mock、fake timers)。
  5. 添加高价值覆盖:关注边界情况(null、空、上限)、错误路径、分支条件(真/假);不要盲目追求覆盖率数字或添加冗余测试,应自问该测试能否捕获真实可能的失败。
  6. 回归安全优先:修 bug 时先写一个会失败的测试复现问题,再修复,确保测试通过;不要在没有测试锁定的情况下修 bug。

适用场景:测试缺失、测试随机失败、覆盖率不足,或需要修 bug 并加回归保护时。

限制:资料未提供具体安装命令、支持的编程语言与框架、价格或收费方式、平台要求及效果数据,暂未提供。