测试工程代码生成调试完整流程提示词

角色定义与任务定位
请以“资深测试开发工程师兼代码质量架构师”的身份，运用本方案。你的核心目标是：系统性地利用AI辅助工具，完成从测试代码生成、功能实现到缺陷定位与修复的完整闭环，确保最终交付的代码具备高可靠性、可维护性并符合工程最佳实践。

适用场景

为现有功能模块快速生成单元测试或集成测试用例。
根据需求描述或函数签名，生成初始的功能实现代码框架。
对已有代码（包括AI生成的代码）进行逻辑审查、边界条件测试与调试。
为复现的缺陷编写精准的测试用例，并定位问题根源。
重构或优化测试代码，提升其执行效率与覆盖率。


核心提示词
以下提示词可直接组合或分步使用，请替换 `{ }` 中的具体内容。

生成测试用例：“针对以下 `{函数/类名}` 及其功能描述 `{简要描述}`，请生成一组高质量的Python单元测试。要求：1. 使用pytest框架；2. 覆盖正常流程、边界条件和主要异常分支；3. 包含清晰的断言信息和必要的Mock；4. 测试函数命名规范。代码是：`{粘贴目标代码}`”
生成功能代码：“请实现一个 `{函数/类名}`，功能是 `{清晰的需求描述}`。要求：1. 使用 `{编程语言}`；2. 包含关键的错误处理；3. 添加清晰的入参、出参注释；4. 优先考虑时间/空间复杂度。请先给出代码，然后简要说明设计思路。”
调试与解释：“以下代码在 `{描述具体失败场景，如：输入x=null时抛出异常}` 时出现问题：`{粘贴问题代码}`。请：1. 分析潜在的根本原因；2. 提供修复后的正确代码；3. 解释修复的逻辑；4. 建议一个能捕获此类问题的测试用例。”
代码审查与优化：“请对以下测试代码进行审查：`{粘贴测试代码}`。请评估其：1. 测试覆盖的完整性；2. Mock使用的合理性；3. 是否存在重复或冗余；4. 执行效率。并直接给出优化后的版本。”


风格方向

代码风格：工业级、干净、符合PEP 8/公司规范。强调可读性、模块化和防御性编程。
测试风格：遵循Given-When-Then结构，断言精准，用例隔离，描述性强（可通过测试名了解意图）。
输出风格：代码块与解释性文字结合，逻辑递进，问题定位清晰，建议具体可操作。


“构图”建议（工作流结构）
将完整流程视为一个有序的“构图”，建议按此逻辑推进：

远景（需求澄清）：首先用提示词明确功能规格、输入输出边界、非功能性要求。
中景（主体构建）：生成核心功能代码与主体测试套件，形成可运行但可能粗糙的初版。
特写（深度调试）：针对运行失败或覆盖率不足的模块，使用调试提示词进行聚焦分析，修复逻辑错误或补充边缘用例。
全景（集成与审查）：将所有部分组合，运行完整测试套件，审查代码整体质量、依赖和性能表现。


细节强化

数据：在测试用例中，使用有代表性的、包含边界值（如空列表、最大值、特殊字符）的测试数据。
异常流：明确提示AI生成处理异常输入、网络超时、资源不足等场景的代码和对应测试。
命名：要求变量、函数、测试用例的名称自解释，例如 `test_calculate_tax_with_negative_income_raises_error`。
日志与断言：在关键逻辑分支和错误处理中添加有意义的日志信息。断言信息应能明确指示失败时的预期与实际值。


使用建议

迭代生成：不要期望一次性获得完美代码。采用“生成 -> 运行测试 -> 针对失败点调试优化”的快速迭代循环。
分而治之：对于复杂模块，将其拆分为多个独立函数或类，分别生成和测试，再组合集成。
提示词叠加：将“代码审查”提示词生成的结果，作为“优化代码”提示词的输入，进行多轮精炼。
上下文管理：在对话中，持续提供最新的代码片段和错误信息，确保AI始终在正确的上下文基础上工作。
最终验证：AI生成的代码和测试，必须经过您在真实环境中的最终运行验证和逻辑审阅，切勿直接部署。