使用deepseek生成单元测试需五步：一、明确函数接口与预期行为；二、构造结构化提示词；三、用代码块隔离被测函数；四、验证生成测试可运行性；五、迭代优化提示并标注失败模式。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜
如果您希望使用DeepSeek模型辅助编写单元测试脚本，但不确定如何结构化提示、组织断言或验证函数行为，则可能是由于缺乏针对测试场景的指令设计与代码生成协同策略。以下是实现该目标的具体步骤：
一、明确被测函数接口与预期行为
在请求DeepSeek生成单元测试前，必须向模型清晰提供被测函数的签名、输入类型、输出类型及边界条件说明。模型无法自动推断业务逻辑，需依赖人工提供的上下文才能生成有效断言。
1、提取待测函数的完整定义，包括参数名、默认值、返回值类型注解（如 Python 中的 def calculate_total(price: float, tax_rate: float = 0.08) -> float:）。
2、列举至少三个典型输入组合及其对应期望输出，例如：calculate_total(100.0, 0.1) 应返回 110.0。
3、注明异常路径，如当 price 为负数时应抛出 ValueError。
二、构造结构化提示词（Prompt Engineering）
DeepSeek 对自然语言指令敏感，需将测试需求转化为可执行的工程化描述，避免模糊表述。提示词中应包含角色设定、任务目标、格式约束和示例锚点。
1、以“你是一名资深 Python 测试工程师”开头，限定模型输出角色身份。
2、声明任务：“为以下函数生成 pytest 风格单元测试用例，覆盖正常路径、边界值和异常分支。”
3、要求输出严格遵循格式：每个测试函数名以 test_ 开头，使用 assert 语句验证结果，不包含 print 或 logging 调用。
4、附一个简短但完整的正确示例（如 test_calculate_total_normal_case），作为风格参照。
三、使用代码块隔离与上下文注入
将被测函数源码以独立代码块形式嵌入提示中，确保 DeepSeek 在生成测试时能准确解析语法结构与作用域，避免因缩进错误或变量遮蔽导致断言失效。
1、在提示中插入
# 被测函数\ndef process_items(items: list[str]) -> int:\n return len([x for x in items if x.strip()])
。
2、禁止将函数定义混入自然语言描述中，例如不要写成“这个叫 process_items 的函数接收一个字符串列表……”。
3、若函数依赖外部模块（如 requests 或 datetime），在提示中注明：假设所有依赖已通过 pytest-mock 或内置 unittest.mock 处理，无需在测试中实例化真实对象。
四、验证生成测试的可运行性
DeepSeek 输出的测试代码可能包含语法错误、未声明的变量或与当前 Python 版本不兼容的特性，需在本地环境中快速执行验证，而非直接合并到主分支。
1、将模型输出保存为临时文件 test_generated.py，并在同一目录下放置被测模块。
2、运行 pytest test_generated.py -v --tb=short，观察是否出现 NameError、ImportError 或 AssertionError。
3、对失败用例逐行比对：检查 assert 表达式右侧是否为字面量值，而非调用未定义变量（如误写为 assert result == expected_value 但未定义 expected_value）。
五、迭代优化提示并标注失败模式
当某类测试生成持续失败（如总是遗漏异常断言），应在后续提示中显式指出前次错误，并要求模型修正特定缺陷，形成反馈闭环。
1、记录首次生成中缺失的测试类型，例如：上次输出未覆盖空列表输入，本次必须包含 test_process_items_empty_list。
2、提供失败日志片段作为上下文：“运行报错：AssertionError: 0 != 1 —— 表明对 [''] 的处理结果错误。”
3、强制要求新增断言格式：assert process_items(['']) == 0，而非泛泛而谈“添加空字符串测试”。
