1. AI 生成测试的局限性中边界条件覆盖不足、Mock 过度、断言质量差
问题
AI 生成测试存在哪些局限性，如边界条件覆盖不足、Mock 过度与断言质量差？
考察点
- 认识 AI 生成测试的三大局限
- 判断测试质量的方法
- 人工弥补策略
答案
AI 生成测试的典型局限：①边界条件覆盖不足——AI 倾向于生成"常见/正常路径"用例，对空值、极端值、边界、异常路径覆盖少；②Mock 过度——AI 常把所有依赖都 mock 掉，导致测试只验证"模拟行为"而非真实逻辑，甚至掩盖真实集成问题；③断言质量差——AI 生成的断言可能过弱（如只断言不抛异常、断言恒真），导致"假绿"（测试通过但未验证真正行为）。弥补策略：人工补充边界用例、减少不必要的 mock、用变异测试验证断言杀伤力。
解析
三大局限的根因是 AI 缺乏"测试意图"与"被测对象语义"。测试的价值在于"证明行为"，而 AI 很容易生成"跑通但不证明"的用例；因此质量把关（边界、mock 合理性、断言有效性）必须人工参与。
示例代码
// 假绿：断言只验证"不抛异常"，未验证逻辑
@Test
void test() {
assertDoesNotThrow(() -> svc.doSomething(null)); // 未验证返回值
}