AI Coding 时代的 TDD:从理念到工程落地

系列文章目录


文章目录

  • 系列文章目录
  • 前言
  • [一、什么是 TDD](#一、什么是 TDD)
  • [二、TDD 的适用场景](#二、TDD 的适用场景)
  • [三、TDD 如何实现](#三、TDD 如何实现)
      • [🔴 Step 1:RED(写失败测试)](#🔴 Step 1:RED(写失败测试))
      • [🟢 Step 2:GREEN(写最小实现)](#🟢 Step 2:GREEN(写最小实现))
      • [🔵 Step 3:REFACTOR(重构)](#🔵 Step 3:REFACTOR(重构))
  • 总结

前言

现在大家都在使用ai写代码,手写代码的时代慢慢过去了,但是现在有一个问题,就是如何判断ai写的代码有效,这就离不开测试用例。那么应该先写代码,还是应该先写测试用例呢,今天主要说下TDD。


一、什么是 TDD

TDD(Test-Driven Development,测试驱动开发)是一种开发方法,其核心流程是:

RED → GREEN → REFACTOR

  • RED:先写测试(且必须失败)
  • GREEN:写最小实现让测试通过
  • REFACTOR:在测试保护下优化代码

这里最重要的一点是:

测试不是验证代码,而是定义需求(Test = Specification)

AI Coding 时代的问题:

1、实现偏置(Implementation Bias)

AI 天生倾向于:先写完整代码,再写"证明自己正确"的测试,这导致:测试只是"自证正确",而不是验证需求。

2、一次性生成过多代码

AI 很容易:一次生成几百行代码,引入隐藏 bug,难以局部修复

3、上下文污染(Context Pollution)

TDD 在 AI 时代的本质价值:

  1. 控制生成过程
    AI 不再一次性生成大段代码
    被迫小步推进
  2. 防止自证正确
    测试先于实现,避免"围绕代码写测试"
  3. 控制上下文增长

二、TDD 的适用场景

TDD 并不是"一刀切"的,而是应该按复杂度使用:

🟢 小需求(工具函数 / 脚本)

建议:先写代码,再简单验证,原因是TDD 成本 > 收益

🟡 中等需求(模块 / 接口)

例如:API 接口,业务逻辑模块

建议:核心路径使用 TDD,边缘逻辑可放宽

🔴 复杂系统(核心业务 / 多模块)

例如:交易系统,权限系统,Agent 框架

建议:严格 TDD,因为一旦出错,代价极高

TDD的优点是:

  1. 强约束 AI 行为
  2. 提高系统稳定性
  3. 降低长期成本
  4. 提升可维护性

缺点是:

  1. 认知成本高
  2. 开发节奏变慢(短期)
  3. token 成本增加(AI 特有)
  4. 工程复杂度提升

三、TDD 如何实现

以"实现用户登录校验"为例:

🔴 Step 1:RED(写失败测试)

text 复制代码
目标:定义行为

操作:

  1. tests/ 中写测试:

    • 正确登录
    • 密码错误
    • 用户不存在
  2. 运行测试:

text 复制代码
结果:失败(必须失败)

🟢 Step 2:GREEN(写最小实现)

text 复制代码
目标:让测试通过

操作:

  1. src/ 写最小代码
  2. 再次运行测试
text 复制代码
结果:全部通过

注意:

❗ 只写"刚好通过"的代码,不做优化


🔵 Step 3:REFACTOR(重构)

text 复制代码
目标:优化代码结构

操作:

  • 重构逻辑
  • 提取函数
  • 优化命名

前提:

text 复制代码
所有测试必须仍然通过

总结

AI Coding 时代,代码很便宜,但"正确性"变得昂贵,而 TDD 是控制正确性的核心手段。小需求,直接写测试用例即可,但是重要的中大型需求,就需要TDD。

参考文档12

相关推荐
用户6954977099497 分钟前
第 8 章 vLLM/LMDeploy/Triton 适配 DeepSeek 源码改造
人工智能
波动几何10 分钟前
角色生成器character-builder
人工智能
dayuOK630710 分钟前
AI Agent市场爆发:从“试一试”到“离不开”,只用了不到一年
大数据·人工智能·ai作画·新媒体运营·aigc·ai写作
茶马古道的搬运工12 分钟前
AI 深度技能之-解读Hermes Agent(四)- Hermes Kanban 多 Agent 流水线
人工智能
海外数字观察家23 分钟前
马来西亚商贸数字化落地指南:跨境批发、连锁零售首选ERP方案(品未云)
大数据·人工智能·马来西亚进销存系统·马来西亚收银系统·马来西亚erp系统·马来西亚仓库管理系统
珠海西格电力23 分钟前
数据采集与治理:零碳园区管理系统的 “生命线”
大数据·人工智能·算法·架构·能源
MobotStone29 分钟前
腾讯 WorkBuddy、钉钉悟空、字节飞书 Aily 深度工程设计与实战落地评估报告
人工智能
感性的随32 分钟前
【机器人 / 强化学习】LWD(Learning while Deploying)机器人持续进化的强化学习框架
人工智能·深度学习·机器人
zandy101135 分钟前
体验家 XMPlus 客户之声AI检索引擎:从海量开放式反馈中秒级定位关键洞察
人工智能
wahahaman36 分钟前
基于GBDT的次日降水量预测实验
人工智能·python·机器学习·数据分析