Der Edge-Case-Testgenerator: Verwandeln Sie eine Funktionsbeschreibung in eine vollständige Testmatrix, bevor Sie Code schreiben
Warum dieser Prompt wichtig ist
Engineering teams that start coding directly from a short ticket typically discover 30-40% of their real edge cases only after a customer hits one in production. On a feature that touches money and inventory, each edge case that ships unhandled turns into a support escalation, an engineering fire drill, a reconciliation headache for finance, and in the worst cases — like the double-refund or stale-pricing scenarios above — direct, hard-to-reverse financial loss. Finding these gaps on paper during planning costs minutes; finding them in production after a customer or auditor does costs hours of firefighting plus the trust damage of a visibly broken checkout flow.
Wofür wir ihn verwenden
A backend engineer is about to implement a new bulk order cancellation endpoint for an e-commerce API — one function call that touches payment refunds, inventory restocking, and customer notifications at once. The ticket describes the happy path in two sentences. Before writing a single line of code, the engineer runs this prompt against the feature description to surface every edge case, race condition, and integration failure the implementation needs to handle.
Prompt
Role: Act as a senior software engineer and QA architect with deep experience in test design and failure-mode analysis for production systems. Context: I am about to implement the following feature or function, and I want a complete picture of what could go wrong before I write any code. Feature description or function signature: [PASTE FEATURE DESCRIPTION OR FUNCTION SIGNATURE HERE] Language/framework: [E.G. "PYTHON WITH FASTAPI", "TYPESCRIPT WITH NODE.JS"] Edge cases I've already planned for: [LIST THEM, OR WRITE "NONE YET"] Domain constraints or sensitivities: [E.G. "TOUCHES PAYMENT PROCESSING", "MUST BE IDEMPOTENT", "RUNS ACROSS MULTIPLE WORKERS", OR "NONE"] Task: Produce a complete test matrix for this feature, organized into these six categories: 1. Happy path - the 1-3 cases representing normal, expected usage 2. Boundary conditions - empty inputs, maximum sizes, zero/negative values, type edge cases 3. Invalid/malformed input - what a malicious or confused caller might send 4. State and concurrency edge cases - what happens if this runs twice, runs concurrently, or runs when upstream state changes mid-execution 5. Integration failure points - what happens when each external dependency (database, API, queue, cache) times out, errors, or returns a malformed response 6. Silent failure risks - cases where the code might succeed technically but produce the wrong result without throwing an error For each test case, give: a one-line description, the specific input/state that triggers it, and the expected correct behavior. Constraints: Do not give generic testing advice - every case must be specific to the actual feature described above. Flag the 3-5 cases you consider highest risk if left untested, with a one-sentence reason why. If the feature touches money, user data, or irreversible actions, call that out explicitly and treat those paths with extra scrutiny. Output Format: Present the test matrix as a numbered list within each of the six categories above. After the full matrix, add a short "Top 5 Risks If Skipped" section ranking the highest-priority gaps.
Ergebnis
Feature: Bulk order cancellation endpoint (cancels up to 50 orders in one call, triggers payment refunds, restocks inventory, sends customer notifications).
1. Happy Path
- Cancel 3 valid, unshipped orders belonging to the requesting user → all 3 refunded, restocked, and notified successfully.
- Cancel a single order via the bulk endpoint with a 1-item array → behaves identically to the single-cancel endpoint.
2. Boundary Conditions
- Empty order ID array submitted → should return a 400 with a clear message, not a silent no-op.
- Exactly 50 order IDs (the stated max) → should succeed; 51 should be rejected with a specific "limit exceeded" error, not a generic 500.
- Duplicate order ID appears twice in the same request → should be deduplicated and refunded once, not twice.
3. Invalid/Malformed Input
- Order ID belonging to a different user → must be rejected per-item with a 403 in the response, not fail the entire batch or silently skip it without telling the caller.
- Order ID that doesn't exist → per-item 404, batch should still process the valid remaining items.
- Order already shipped or already cancelled → reject with a specific status explaining why, don't attempt a double-refund.
4. State and Concurrency
- Same cancellation request submitted twice in rapid succession (double-click/retry) → must not issue two refunds for the same order (idempotency key required).
- Order gets shipped by the warehouse system in the few hundred milliseconds between validation and the cancellation transaction committing → must detect the state change and reject that specific item rather than cancelling a now-shipped order.
5. Integration Failure Points
- Payment refund API times out after inventory has already been restocked → must not leave the order in a state where inventory was returned but the customer wasn't refunded; needs compensating transaction or saga pattern.
- Notification service is down → cancellation and refund must still complete; notification failure should queue for retry, not roll back the whole operation.
- Inventory service returns a malformed response (missing SKU field) → must fail that item explicitly rather than assuming restock succeeded.
6. Silent Failure Risks
- Refund amount calculated using stale cached pricing data instead of the price actually paid → technically "succeeds" but refunds the wrong amount.
- Partial batch success returns HTTP 200 without clearly itemizing which orders failed → caller assumes everything succeeded when some didn't.
Top 5 Risks If Skipped
- Double refund on retry - direct financial loss, highest priority, very likely to occur in production given client-side retry logic.
- Refund/restock partial failure (no compensation) - creates permanently inconsistent state between payment and inventory systems.
- Race condition with warehouse shipping - customer receives a cancelled-but-shipped order, becomes a support and trust issue.
- Wrong refund amount from stale pricing - silent, hard to detect, directly costs money either to the business or the customer.
- Ambiguous partial-success response - causes downstream systems or the frontend to misreport order status to the customer.
Die meisten Entwickler überspringen Edge Cases nicht aus Nachlässigkeit. Sie überspringen sie, weil ein Feature-Ticket den Happy Path in zwei Sätzen beschreibt und das Gehirn den Rest ausfüllt, indem es sich vorstellt, dass das Feature korrekt funktioniert. Dieser Prompt existiert, um einen anderen Ausgangspunkt zu erzwingen: Statt zu fragen "was soll das tun", fragt er "auf welche konkreten Arten bricht das", und strukturiert diese Frage so, dass die Antwort tatsächlich als Testplan nutzbar ist, statt als vage Liste von Sorgen.
Warum sechs Kategorien statt einer offenen Liste
Ein einfacher Prompt wie "liste Edge Cases für diese Funktion auf" produziert meist nur eine Handvoll offensichtlicher Null-Check-Szenarien und hört dann auf, weil nichts das Modell zwingt, sich die schwierigeren Fehlermodi anzusehen. Die Aufteilung der Anfrage in Happy Path, Grenzbedingungen, ungültige Eingabe, Zustand/Nebenläufigkeit, Integrationsfehler und Risiken stiller Fehler funktioniert, weil jede Kategorie eine andere Grundursache von Produktionsbugs adressiert. Grenzbedingungen fangen Off-by-one- und Typfehler ab. Nebenläufigkeit fängt die Bugs ab, die nur unter echtem Traffic auftreten, nicht in einem einzelnen manuellen Test. Integrationsfehlerpunkte fangen die Annahme ab, dass eine Datenbank oder Zahlungs-API immer saubere Antworten liefert. Risiken stiller Fehler — Fälle, in denen der Code ohne Fehler läuft, aber ein falsches Ergebnis liefert — sind die Kategorie, an die man ohne gezielte Aufforderung am schwersten denkt, und oft die teuerste, später zu entdecken, was genau der Grund ist, warum der Prompt sie als eigene Kategorie hervorhebt, statt sie in "Sonstiges" verschwinden zu lassen.
Warum der Prompt Spezifität verlangt, keine allgemeinen Ratschläge
Generische Test-Checklisten ("teste Null-Eingaben", "teste leere Strings") finden sich in jedem QA-Lehrbuch und bringen wenig Mehrwert. Die Vorgabe, dass "jeder Fall spezifisch für das tatsächlich beschriebene Feature sein muss", macht genau den Unterschied zwischen einem theoretischen Testvortrag und einem echten Plan für die Funktion vor Ihnen — sie zwingt das Modell dazu, zu überlegen, was Lagerauffüllung, Rückerstattungsausgabe und Benachrichtigungsversand konkret miteinander anstellen, wenn sie außer der Reihe oder teilweise fehlschlagen, statt abstrakte Kategorien ohne Inhalt aufzulisten.
Warum die Ausgabe mit einer priorisierten Risikoliste endet, nicht nur mit einer flachen Matrix
Eine Testmatrix mit 20-30 Einträgen ist für eine QA-Runde nützlich, aber nicht jeder Eintrag hat die gleiche Konsequenz, und ein vielbeschäftigter Entwickler mit einer Deadline muss wissen, welche 3-5 Fälle nicht verhandelbar sind, selbst wenn der Rest auf ein Folge-Ticket verschoben wird. Der Abschluss mit einem Abschnitt "Top 5 Risiken bei Auslassung", jeweils mit einem Ein-Satz-Grund, verwandelt eine erschöpfende Liste in ein Triage-Werkzeug — der Unterschied zwischen einem Dokument, das vor dem Release niemand liest, und einem, das tatsächlich verändert, was zuerst gebaut wird.
Wer dies nutzen sollte, und wann
Dieser Prompt bringt den größten Nutzen bei Features mit echten Konsequenzen, wenn ein Edge Case übersehen wird: alles, was Zahlungen, Lagerbestände, Authentifizierung oder Daten betrifft, die sich nachträglich nicht leicht korrigieren lassen. Führen Sie ihn genau an dem Punkt aus, an dem Sie normalerweise anfangen würden, Code zu schreiben, geben Sie ihm das echte Ticket oder die Funktionssignatur, und behandeln Sie die Ausgabe als Checkliste zum Abarbeiten — oder zur direkten Weitergabe an diejenige Person, die die Tests schreibt.