先把“自动”这个词拆开
Claude Code 能不能自动生成代码测试,取决于你如何定义“自动”。在默认交互模式下,它可以针对当前文件或指定目录生成测试用例,但前提是你把被测代码的上下文喂进去。它能读懂函数签名、依赖注入和常见断言风格,却不会主动扫描整个项目并补齐所有测试。若你直接把一个仓库路径交给它,它可能只挑几个文件生成表面用例,覆盖率远低于预期。
这并不意味着它没有用,而是说“自动”要分两步看:第一步是你把项目结构和被测函数边界交代清楚,第二步是它把骨架和常见分支跑通。真正决定测试质量的还是人,模型只是在缩短你敲样板代码的时间。
先给模型一份项目约定,别让它乱猜
想让它更接近“自动”,可以先约定测试框架和输出位置。例如在项目里放置 CLAUDE.md,写明“测试使用 vitest,放在 __tests__ 目录,断言优先使用 expect”,它生成的文件会更符合团队规范。执行时用 --output-dir 或直接要求“为 src/utils.ts 生成测试并插入到 tests/utils.test.ts”,然后让它运行测试命令并自行修复失败用例。这样比只喊“给我写测试”可靠得多。
具体到落笔时,可以先把关键约定写进 CLAUDE.md:
测试使用 vitest
测试文件放在 __tests__ 目录
断言优先使用 expect,避免 expect.anything() 这种弱断言
生成后先运行 npm test,发现失败直接修复注意这里“约定”不是装饰。模型读 CLAUDE.md 时能把它当作指令的一部分,尤其是“弱断言”这条,能挡掉后期不少“假装覆盖”的测试。
生成之后别急着提交,先检查这三处
生成之后别急着提交,先检查三件事:测试是否验证了行为而不是实现细节;是否有断言能捕获回归;是否覆盖了异常分支。你可以故意改坏一个函数返回值,运行测试看是否变红。如果测试全绿但改动没触发失败,说明它生成的用例多半是“镀金”的,只验证了输入输出路径,没验证边界条件。
这个“改坏”的动作最好用 git stash 或单独分支来做。改完后跑一遍测试,再恢复到原状。如果测试没有变红,就要回去补充边界条件的用例,比如空数组、非法字符、异步超时等。
风险边界:时间、随机数、网络请求这些地方容易失真
Claude Code 生成的测试在以下场景容易失真:涉及时间、随机数、网络请求或文件系统时,它可能直接 mock 掉核心逻辑,导致断言失去意义。另一个危险是,它会顺着现有代码的“坏味道”写测试,比如把可变全局状态当作 fixture,让测试之间互相污染。所以对遗留代码,先让测试跑起来,再逐步清理,别一次性大批量接入生成测试。
处理这类场景,我建议让 mock 范围尽量小。例如只 mock 时间函数本身,而不是把整个业务模块替换掉;网络请求可以用拦截器返回固定响应,但保留超时和重试分支。断言不要只检查返回对象的结构,还要检查状态变化和副作用。
常见坑:上下文不足和重复生成
最常见的坑是上下文不足。你只让它“测试这个函数”,它可能会猜一个参数类型,或忽略异步错误。另一个坑是重复生成:每次大模型输出都有随机性,它可能覆盖你手工修改过的测试文件。建议先让它输出到临时文件,或者用 diff 工具人工合并。还有,它有时会生成“假装覆盖”的测试,比如用 expect.anything() 绕过类型检查,这类断言等于没写。
针对上下文不足,我习惯在生成之前先用自然语言描述参数类型、返回类型和异常触发条件,再让它写。比如“formatAmount(amount: number, currency?: string): string,当 currency 不合法时抛出 Error”。这样生成结果基本能一次到位。对于重复生成,可以把输出定向到临时目录,人工核对后再合入。
适用场景:纯函数和数据转换可以省力,集成测试只能当草稿
对于纯函数、数据转换、API 路由归一化这类边界清晰的逻辑,Claude Code 确实能省下大量重复劳动;但对需要复杂状态编排、外部依赖协作的集成测试,它生成的代码往往只能当草稿。我的建议是把生成测试当作“结对编程的初稿”,先要求它严格按被测代码的分支结构补用例,再人工补充模拟器和故障注入。这样才能保留人类对业务语义的判断,而不是完全信赖模型。
放到工作流里,就是先生成,再人工补充,最后用 git diff 审查。如果某次生成的测试改动了原逻辑,不要直接接受,先判断是不是模型“顺手”改了实现。保留一个“只加测试、不改业务代码”的约束,比事后清理方便得多。