如何利用 AI 系统性地修复所有失败测试用例 #

解决测试失败时的盲目修复问题：通过引导 AI 采用“运行-分组-优先级修复-验证”的系统化工作流，高效地将损坏的测试套件恢复至通过状态。

为什么需要这个技能 #

在进行大规模重构或处理复杂 Bug 时，测试套件可能会出现大量失败（Failures）。如果让 AI 一个一个地随机修复，往往会出现“修好 A 导致 B 崩溃”的循环，且效率低下。

本技能的核心在于智能分组（Smart Grouping）。通过将相似的错误类型（如所有的 ImportError）聚合在一起，AI 可以一次性解决一类根源问题，从而以最少的迭代次数让所有测试通过。

适用场景 #

• 明确要求 AI “修复这些测试”或“让测试通过”时。
• 收到 CI/CD 流水线报错，提示测试套件损坏时。
• 完成功能实现后，需要验证并修复剩余的测试用例时。
• 重构代码后导致大面积测试失效。

核心工作流 #

1. 初始扫描与分析 #

首先执行 make test 运行完整测试集，分析输出结果以确定失败的总数、错误类型分布以及受影响的模块。

2. 智能错误分组 #

AI 不会随机修复，而是根据以下维度进行分组：

• 错误类型：如 ImportError、AttributeError、AssertionError 等。
• 物理位置：同一文件引起的多个失败。
• 根因分析：如依赖缺失、API 变更或重构影响。

3. 优先级修复策略 #

按照从基础到逻辑的顺序推进：

1. 基础设施层（最高优先级）：修复导入错误、缺失依赖、配置问题。
2. API 接口层：修复函数签名变更、模块重组、变量更名。
3. 业务逻辑层（最后处理）：修复断言失败、边界条件 Bug。

4. 迭代修复与验证 #

针对每个分组执行：定位根因 $\to$ 实施最小化修复 $\to$ 运行该组子集验证 $\to$ 确认通过后进入下一组。

可以使用如下命令进行精准验证：

uv run pytest tests/path/to/test_file.py -v
uv run pytest -k "pattern" -v

下载和安装 #

下载 test-fixing 中文版 Skill ZIP

解压后将目录放入你的 AI 工具 skills 文件夹，重启工具后即可使用。具体路径参考内附的 USAGE.zh.md。

你可能还需要 #

暂无推荐