如何识别AI生成的伪覆盖率测试?

我现在看 AI 生成的测试，最怕看到一句“覆盖率提升，全部通过”。这句话听着很稳，实际可能只是把代码跑了一遍。测试绿了，不等于业务被验证了；覆盖率高，也不等于关键风险被挡住了。

我会先看断言在验证什么。最可疑的一类，是测试把重点放在函数有没有被调用、某个内部步骤有没有执行，而不是用户最终得到了什么结果。它像是在确认“代码按当前写法走了一遍”，一旦实现重构，即使业务行为完全没变，测试也会跟着坏；更糟的是，业务悄悄错了，它可能依然是绿的。

第二个信号是场景过于干净。AI 很擅长批量生成“正常输入—正常输出”的用例，页面看起来密密麻麻，实际没有异常输入、失败返回、空数据或边界条件。遇到这种测试，我会反问一句：如果这里拿不到数据、权限不足，或者配置不符合预期，系统该怎么办？没有对应验证的覆盖率，往往只是好看的数字。

还有一种更隐蔽：测试数据和实现细节绑得太紧。比如为了让断言成立，测试先按代码内部的处理方式拼出一份“正确答案”。这不是在独立检查结果，而是在把实现复述一遍。代码和测试可能一起犯错，然后一起通过，真的很会制造安全感。

我自己的判断很简单：把这段实现暂时当成黑盒，只看输入、授权条件和可观察结果，测试还能说清业务规则吗？如果说不清，它大概率是在伪覆盖。AI 写测试可以省时间，但测试该覆盖什么，仍然要由理解业务边界的人来决定。