采纳率从3%到80%：智能单元测试生成的进化之路

在快速迭代的业务开发中，单元测试作为代码质量的第一道防线，其重要性不言而喻。然而，传统人工编写单元测试的模式长期面临三大核心痛点：人力投入产出比失衡、覆盖率与有效性双低、工具辅助能力有限。这些问题严重制约了研发效能的进一步提升。AI生成被视为破局关键，但随之而来的「智能单测生成可用性危机」却成为新的拦路虎——代码调用信息缺失、生成质量不稳定、场景覆盖不全面等问题，使得初期采纳率仅维持在3%的低迷水平。

智能单测1.0：纯LLM启发式探索

面对这一挑战，快手研发效能团队开启了智能单测生成系统的演进之路。整个系统经历了从纯LLM启发式生成，到场景分组+多轮异常修复，再到知识、规则驱动的三个阶段。通过持续的技术迭代和架构优化，系统最终于实现采纳率从3%到80%的跨越式提升，编译通过率从30%提升至99%，执行通过率从10%提升至89%，AI生成单测的覆盖率也从38.38%提升至80.12%。

智能单测2.0：场景分组与多轮异常修复

2025年第二季度，团队进行了引入LLM进行单测生成的初步探索，整体架构采用「目标方法识别+场景分析+AST解析+单测生成」的基础流程。然而，由于仅依赖AST解析和被测方法内容获取信息，上下文严重缺失，导致生成代码稳定性差、编译失败率高。同时，缺乏编译错误和运行时异常的自动修复机制，使得该阶段单测代码采纳率仅有3%，编译通过率不足40%。这一阶段的技术验证证明了AI生成单测的可行性，但同时也暴露了简单串联流程的严重不足。

智能单测3.0：知识与规则双驱动

针对V1.0阶段的核心问题，V2.0版本引入了「单测场景分组+多轮异常修复」的创新架构。在合并层面，通过规划阶段的场景类型分组（正常场景、边界场景、异常场景）和逻辑相似性分组，有效避免了大量的合并冲突；在修复层面，建立「执行-反馈-优化」的持续迭代机制，采用javac进行单文件编译，对错误类型分组后批量修复。场景分组与多轮修复的互补，大幅度提升了单测代码的质量，实现了从可生成到信任使用的跨越，采纳率从3%提升至38%。

V2.0版本虽已显著提升代码生成质量，但在实际应用中仍面临生成过程深度理解不足、复杂场景缺乏支持、badcase优化效率低等挑战。为此，V3.0版本构建了「生成前深度分析+生成中精准Mock+失败后智能修复」的全链路增强框架。通过代码分析阶段构建结构化代码知识库，实现对代码仓库的深度理解；生成阶段基于规则召回明确生成指令，解决Mock方案生成和特殊场景适配难题；修复阶段基于执行反馈和规则生成修复建议，实现从「生成代码」到「生成高质量、可直接使用代码」的根本性跨越。

除了技术架构的演进，产品运营策略同样至关重要。团队经历了从流水线集成到IDE插件形态的转变，通过极速跑通快速验证技术可行性，再逐步过渡到提供即时、可控、无缝的生成体验。在用户运营层面，采用Badcase驱动闭环的策略，持续优化系统质量和用户信任度。目前系统已接入42.5%的研发仓库，支持日均生成代码10万+行，周采纳代码行数从2千行增长至35万行。

如有侵权，请联系删除。