必须跳过对话草稿进入工程化落地：①以函数签名和docstring为唯一依据明确测试边界；②用pytest参数化或doctest生成覆盖正常/空值/异常的测试；③注入项目上下文（conftest/fixture/pyproject）并本地验证；④通过pre-commit+pylint固化检查。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
用ChatGPT辅助编写单元测试时，若最终目标是产出可直接合并进主干、供CI流水线执行并发布使用的测试代码，就必须跳过临时对话式草稿阶段，进入工程化落地环节。
明确测试边界与函数契约
打开待测源码文件，定位到目标函数（例如 Python 中的 calculate_discount），逐行确认其输入类型、允许的空值/边界值、预期返回结构及异常抛出条件。这一步不能依赖ChatGPT“猜”，【必须以实际函数签名和文档字符串为唯一依据】。
把函数完整签名、docstring 和1～2个真实调用示例复制进ChatGPT对话框，指令要写成：“仅基于以下代码，生成 pytest 风格单元测试，覆盖正常路径、None输入、负数折扣率三种情况，不添加任何额外假设。”
生成带断言细节的测试用例
方法一：使用 pytest 参数化 + 显式断言
要求ChatGPT输出形如 @pytest.mark.parametrize("input_price,input_rate,expected", [(100, 0.1, 90), (200, 0, 200), (50, -0.05, ValueError)]) 的结构，并为每种情况写出对应 assert 或 with pytest.raises()。注意它常漏掉异常类型的括号，需手动补全为 ValueError 而非 "ValueError"。
方法二：用 doctest 嵌入源码（适合工具类函数）
让ChatGPT在函数 docstring 末尾生成三重引号包裹的 doctest 示例块，格式严格遵循 Python 官方 doctest 规范，每行输出前加 >>> 或 ... ，结果行顶格写。这能确保测试与文档同步，且 python -m doctest module.py 可直接运行。
用于在用户想通过浏览器自动化与 Google Gemini 或 ChatGPT 交互时。触发短语包括“ask Gemini”“ask ChatGPT”“ask GPT”“让...”。
注入真实项目上下文再校验
第一步：把当前项目的 conftest.py 路径、常用 fixture 名（如 mock_api_client）、以及 pyproject.toml 中的 pytest 配置项（如 addopts = ["-p", "no:warnings"]）整理成一段说明。
第二步：将这段说明连同上一步生成的测试代码一起发给ChatGPT，指令为：“按本项目 pytest 环境重写该测试，使用 conftest.py 中已定义的 fixture，禁用所有 warnings 抑制，保留原有参数化结构。”
第三步：拿到回复后，立即在本地终端执行 pytest test_module.py -v --tb=short，观察是否报 fixture 'xxx' not found 或导入错误——【一旦出现，说明上下文注入失败，必须回退到第二步重新提供 fixture 定义代码】。
通过 pre-commit 钩子固化检查项
编辑项目根目录下的 .pre-commit-config.yaml，在 repos 列表中追加：
- repo: https://github.com/pycqa/pylint rev: v3.2.7 hooks: - id: pylint args: [--disable=all, --enable=missing-docstring,invalid-name,too-few-public-methods]
运行 pre-commit install && pre-commit run --all-files，确保新写的测试文件能通过 pylint 检查，特别是函数名是否含 test_ 前缀、是否遗漏 docstring、是否用了未声明的全局变量。
