[!info] related notes

• 所属 MOC: 测试驱动开发 MOC, AI MOC
• 相关概念: 测试驱动开发（TDD）, 自测试代码（Self-Testing Code）, OpenAI Codex, AI 辅助前端开发工作流, AI Code Review 与 AI 重构
• 易混淆概念: 前端测试, 后端测试

AI 编码时代的 TDD

范围

这篇笔记关心的不是传统 TDD 定义本身，而是一个新问题：

如何用 TDD 给 AI 生成的行为提供及时反馈，以及测试不能覆盖哪些判断。

为什么要把这些内容放在一起理解

AI 最容易出现三类问题：

• 写出“像对的代码”，但不一定真的对
• 一次跳太多步，把多个需求混在一起实现
• 在大上下文里不断追加生成，局部设计越来越脏

TDD 可以缓解这些风险，把任务收束到：

• 一个明确行为
• 一个可执行测试
• 一个最小实现
• 一个可验证的重构步骤

一个核心判断

在 AI 时代，TDD 不只是开发习惯，更像 agent 的：

• 可执行规格
• 局部任务边界
• 自动验收器
• 重构安全网

先写实现再补测试属于 test-after；它仍可验证行为，但更容易让测试复制已有实现的错误。TDD 的价值取决于测试是否独立表达需求，不能只看先后顺序。

AI-TDD 更稳的工作流

1. 从需求形成测试清单

明确行为、边界和优先级；人或 Agent 都可以根据已有规格起草。关键业务期望必须有需求依据，不能由生成实现的模型自行发明。

2. 让 AI 只写一个 failing test

要求它：

• 只覆盖当前一个行为
• 不要实现代码
• 不要一次写多个场景

3. 核对测试含义并确认失败原因

测试应在原实现上因为缺失的行为失败，而不是导入错误或环境故障。能从已批准规格判断时直接继续；只有无法确定的关键业务选择才需询问人。不要把每一个 Red / Green 步骤都变成确认关卡。

4. 让 AI 只写最小实现

明确限制：

• 只为当前测试变绿
• 不提前实现未覆盖逻辑
• 不改测试去迎合错误实现

5. 先跑最小测试，再扩大验证范围

先确认当前行为，再按影响面运行回归和仓库要求的检查。已通过的检查无需无变化重复执行；同样不能用单个单测代替必要的集成验证。

6. 再让 AI 做 Refactor

保持测试通过时判断是否需要重构；没有实际重复或设计问题时不必为了走完仪式修改代码。

7. 依据独立证据检查结果

检查测试是否覆盖需求而非镜像实现，并审阅最终 diff。另一个 reviewer 可以提供不同视角，但不是每个任务必须增加 Agent；同源模型的意见一致也不等于独立验证。

Prompt 怎么写更稳

先写 failing test

先不要实现功能。
基于下面需求，只写 1 个新的 pytest 单测。
要求：
1. 只覆盖“VIP 打 9 折”这一个行为
2. 测试名要能直接表达业务意图
3. 不要生成实现代码
4. 不要一次写多个场景
5. 运行测试，确认它因为缺失折扣行为而失败；说明期望值的需求依据

再写最小实现

现在只修改实现文件，让刚才新增的测试通过。
要求：
1. 只做最小改动
2. 不要提前实现未被测试覆盖的逻辑
3. 不要改测试
4. 返回前说明还有哪些需求尚未覆盖

最后做重构

在保持现有测试全部通过的前提下重构实现。
目标：
1. 消除重复
2. 改善命名
3. 不改变外部行为
4. 不新增无测试覆盖的分支

规则文件里最值得固化什么

如果项目里已经使用 AGENTS.md、Cursor Rules 或类似规则文件，最值得固化的是：

• 适用的行为改动先新增或更新测试；纯文案、格式或低影响可逆修改按实际风险验证
• 修 bug 先写复现测试
• 禁止通过删断言来“修”测试
• 先跑受影响的最小测试集，再完成仓库要求和影响面需要的检查
• 重构不得改变外部行为

只有仓库明确采用这些规则时，它们才是执行约束；本篇建议不会自动覆盖已有流程。测试是验收证据之一，未覆盖的权限、竞态、性能和集成行为仍需相应验证。

最短记忆方式

传统时代，TDD 帮人写出更稳的代码；AI 时代，TDD 还负责让模型别乱写。

参考资料

• https://martinfowler.com/articles/exploring-gen-ai/06-tdd-with-coding-assistance.html
• https://developers.openai.com/codex/prompting
• https://developers.openai.com/codex/guides/agents-md
• https://docs.github.com/en/copilot/tutorials/copilot-chat-cookbook/testing-code
• https://cursor.com/docs/subagents.md

Related notes

• AI MOC