Der Testabdeckungs-Auditor: Verwandeln Sie Jede Funktion in eine Vollständige pytest-Suite vor dem Code Review
Warum dieser Prompt wichtig ist
Untested edge cases in payment-adjacent code — negative discounts, null inputs, rounding at boundary values — are a recurring source of production billing incidents precisely because they're the paths manual testing skips under deadline pressure. A discount function that silently allows a 150% discount, or rounds $19.995 down instead of up, doesn't fail loudly in a code review; it fails quietly in a refund queue three weeks later. Teams that ship this kind of function without edge-case tests routinely discover the bug only after a customer notices they were overcharged or undercharged, at which point it's a support ticket and a manual reconciliation instead of a five-minute fix caught in CI.
Wofür wir ihn verwenden
You're a backend developer at a mid-size e-commerce company. You just finished writing a discount-calculation function for the checkout flow, code review is in 20 minutes, and you haven't written a single test yet.
Prompt
Role: You are a senior QA engineer and test architect with expertise in [PROGRAMMING LANGUAGE] and [TESTING FRAMEWORK]. Context: I'm about to ship the following function/feature to production. Here is the code and its intended behavior: [PASTE CODE OR FUNCTION DESCRIPTION HERE]. This function will be called by [DESCRIBE CALLING CONTEXT, e.g., "a public API endpoint that receives untrusted user input" or "an internal batch job processing financial records"]. Task: Generate a comprehensive test suite for this function. Include: (1) happy-path unit tests covering the documented behavior, (2) edge cases (boundary values, empty/null inputs, extremely large inputs), (3) error scenarios and how the function should fail, (4) at least [NUMBER] integration test outlines describing how this function interacts with [DEPENDENT SYSTEM OR MODULE]. Constraints: Do not test implementation details that would break on refactor — test behavior, not internals. Flag any inputs where the expected behavior is ambiguous rather than guessing. Use [TESTING FRAMEWORK] syntax and conventions. Keep each test focused on one assertion or one logical scenario. Output Format: Organize as four sections with headers (Happy Path, Edge Cases, Error Scenarios, Integration Tests). For each test, give: a one-line description, the test code block, and a one-sentence note on what would break if this test failed. End with a short list of any ambiguous behaviors you flagged.
Ergebnis
Happy Path
Test: standard 20% discount applies correctly.def test_standard_discount():
assert apply_discount(100.0, 20.0) == 80.0
Breaks if: basic discount math regresses — the most visible failure a customer would notice immediately.
Edge Cases
Test: zero discount returns original price.def test_zero_discount():
assert apply_discount(50.0, 0.0) == 50.0
Breaks if: a no-op discount accidentally changes price via floating-point drift.
Test: 100% discount returns exactly zero.def test_full_discount():
assert apply_discount(75.0, 100.0) == 0.0
Breaks if: rounding leaves a residual charge like $0.01 on a 'free' item.
Test: price with sub-cent rounding boundary.def test_rounding_boundary():
assert apply_discount(19.99, 33.33) == 13.33
Breaks if: rounding mode rounds against the customer instead of to standard cents.
Error Scenarios
Test: negative discount percentage raises ValueError.def test_negative_discount_raises():
with pytest.raises(ValueError):
apply_discount(100.0, -10.0)
Breaks if: a negative discount silently increases the price instead of being rejected.
Test: discount over 100% raises ValueError.def test_over_100_percent_raises():
with pytest.raises(ValueError):
apply_discount(100.0, 150.0)
Breaks if: a checkout coupon bug applies a 150% discount and pays the customer to buy the item.
Integration Tests
1. Checkout API: verify the applied discount is persisted to the order record with the same rounding as the response body, so invoice totals match what the customer saw at checkout.
2. Coupon service: verify a discount capped by business rules (e.g. max $50 off) is enforced even when a stacked promo code would mathematically exceed it.
Ambiguous behaviors flagged: Should exactly 100.0% be allowed, or only up to 99.99%? Should the function round half-up or round-to-even (banker's rounding) at the cent boundary? Both need a product decision before the tests can be finalized.
Tests unter Zeitdruck zu schreiben bedeutet fast immer, die am leichtesten vorstellbaren Tests zu schreiben, nicht diejenigen, die tatsächlich einen Produktionsfehler erkennen würden. Eine Funktion erhält einen Happy-Path-Test, weil das der Fall ist, für den der Entwickler gerade Code geschrieben hat — die Edge Cases, die einen negativen Rabatt, eine Null-Eingabe oder einen Rundungsfehler an der Cent-Grenze erkennen würden, werden ausgelassen.
Warum der Prompt vier Kategorien verlangt, nicht nur "Schreib Tests"
Eine KI zu bitten, "Tests für diese Funktion zu schreiben", erzeugt genau denselben blinden Fleck wie ein gehetzter Entwickler: überwiegend Happy-Path-Abdeckung mit ein oder zwei symbolischen Edge Cases. Die Ausgabe in vier benannte Kategorien zu zwingen — Happy Path, Edge Cases, Fehlerszenarien und Integrationstests — macht jede Kategorie zu einem Checklistenpunkt.
Warum jeder Test eine Notiz braucht, "was bei einem Fehlschlag kaputtgeht"
Eine Liste von Testnamen hilft einem Reviewer nicht zu entscheiden, ob die Suite wirklich ausreichend ist — sie beweist nur, dass Tests existieren. Ein Satz darüber, welchen realen Fehler jeder Test erkennen würde, verwandelt die Ausgabe in etwas, das ein Reviewer tatsächlich auf Abdeckungslücken hin bewerten kann.
Warum er sich weigert, mehrdeutiges Verhalten zu erraten
Test-Generierungs-Prompts, die immer eine selbstbewusste, vollständig wirkende Suite erzeugen, sind gerade deshalb gefährlich, weil sie vertrauenswürdig aussehen. Das Modell zu zwingen, Mehrdeutigkeit zu kennzeichnen statt sie aufzulösen, schützt vor Tests, die eine ungeprüfte Annahme still zur Quelle der Wahrheit der Codebasis machen.
Warum er Integrations-Skizzen verlangt, nicht nur mehr Unit-Tests
Unit-Tests validieren eine Funktion isoliert, aber die meisten Produktionsvorfälle passieren an der Nahtstelle zweier für sich genommen korrekt funktionierender Einheiten. Integrationstest-Skizzen gegen den Aufrufkontext zu verlangen, deckt genau die Klasse von Bugs auf, die jeden Unit-Test besteht und trotzdem eine kundensichtbare Summe verfälscht.