# 单元测试不写代码：一套Prompt让AI自动生成覆盖率90%的用例
2026年初，某金融科技团队收到一个硬指标：**核心交易模块单元测试覆盖率必须从45%跃升至85%**。 deadline六周，遗留代码无注释，没人敢改。最后他们用了三周达标，**秘诀不是加班，而是一套为单元测试定制的大模型提示词**。
这套方法正从“极客玩具”变成研发团队的标准配置。**当AI能理解代码结构、分支逻辑、边界条件，测试用例生成从手工编码转向意图驱动**。
## 痛点不在工具，而在“怎么问”
市面上的AI编码助手大多能写单元测试，但直接问“给这段代码写测试”往往得到**结构正确但逻辑敷衍**的输出：只覆盖happy path，边界条件缺失，Mock对象错位。
问题不在模型能力，而在**提示词没有注入“测试思维”**。专业测试工程师写用例时会问：输入边界在哪？异常怎么抛？依赖如何隔离？**这些思考链路需要显式编码进Prompt**。
## 一个经过实战验证的单元测试Prompt模板
经过二十余个项目验证，下述模板在**分支覆盖率、Mock合理性、断言完整性**三个维度表现稳定。其核心设计是**将测试专家的思维过程拆解为六个显式指令模块**。
```text
你是一名精通{测试框架}的资深测试工程师。
请为以下{编程语言}代码编写完整的单元测试。
【代码】
{被测试方法/类的完整代码}
【测试要求】
1. 覆盖率目标：分支覆盖100%，行覆盖不低于90%
2. 边界覆盖：识别所有数值型参数，包含最小值、最大值、负值、零、空值
3. 异常场景：显式覆盖throws声明及未声明的运行时异常可能
4. Mock策略：所有外部依赖（数据库、网络、文件）必须隔离，使用Mock对象并验证交互
5. 断言原则：每个测试方法只验证一个行为，断言包含返回值、状态变更、Mock调用次数
6. 测试数据：使用参数化测试覆盖多组输入，避免硬编码单条数据
【输出格式】
每个测试方法附带Given-When-Then结构注释
```
**这套模板的价值不在长度，而在将隐性测试知识显式化为机器可执行的约束**。
## 案例：复杂业务逻辑的用例生成
某支付系统老代码包含一个**满减优惠计算器**，11层if-else嵌套，耦合了用户等级、商品类目、库存状态。人工编写测试需4小时，**AI配合上述Prompt输出23个测试用例仅用18秒**。
```java
// AI生成的边界测试示例
@Test
@CsvSource({
"0, NORMAL, ELECTRONIC, 0", // 边界：订单金额0
"-100, VIP, BOOK, -1", // 边界：负金额
"999999.99, NORMAL, FRAGILE, 20" // 边界：大额订单
})<"k6.p5k3.org.cn"><"p3.p5k3.org.cn"><"m7.p5k3.org.cn">
void calculateDiscount_WithBoundaryAmount_ReturnsExpected(
BigDecimal amount, String level, String category, BigDecimal expected) {
// Given
when(userService.getLevel(any())).thenReturn(level);
when(inventory.checkStock(any())).thenReturn(true);
// When
BigDecimal result = discountCalculator.calculate(amount, category);
// Then
assertEquals(expected, result);
}
```
**关键改进点**：AI自动识别出三个边界维度——金额边界、用户等级组合、商品类目组合，并用参数化测试压缩重复代码。
## 覆盖率从51%到94%的实证数据
将该Prompt应用于一个遗留Spring Boot服务（15个核心类，共3400行代码），结果如下：
- **行覆盖率**：从51%提升至94%
- **分支覆盖率**：从38%提升至89%
- **测试执行时间**：增加3.2秒（因用例数量从47个增至156个）
- **人工干预**：约20%的Mock对象需微调（如泛型擦除导致的类型转换）
**未达到100%覆盖率的场景**均为并发竞争条件或特定中间件版本bug，需人工编写集成测试。
## 提示词工程的两条进阶路径
**路径一：上下文增强**
将Git历史纳入Prompt，AI可识别**哪些代码区域历史上频繁修复缺陷**，针对性补充回归测试用例。
**路径二：覆盖率闭环**
将JaCoCo等覆盖率报告回灌给AI，**已生成的用例+未覆盖的代码行→第二轮迭代生成补丁用例**。某团队用此方法两轮迭代将模块覆盖率从82%提升至97%。
```bash
# 工作流示例
1. jacoco:report → 生成未覆盖行清单
2. 将未覆盖行+原Prompt发送给AI
3. AI输出增量测试方法
4. 合并至测试类
```
## 测试Prompt不是替代，是能力平权
这套方法的本质不是“让AI写所有测试”，而是**把资深测试工程师的思维模型封装成可复用的指令模板**。初级开发者在Prompt引导下，也能产出结构完整、覆盖边界的高质量用例。
**当每个开发都拥有“资深测试专家”的实时结对能力，单元测试的落地障碍就从技术问题转变为组织意愿问题**。而这，恰恰是2026年AI工程化最值得投入的方向。