Auditor de Cobertura de Testes: Transforme Qualquer Função em uma Suíte pytest Completa Antes do Code Review
Porque é que este prompt importa
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.
Para que o usamos
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.
Resultado
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.
Escrever testes sob pressão de prazo quase sempre significa escrever os testes mais fáceis de imaginar, não os que realmente detectariam um bug em produção. Uma função recebe um teste de caminho feliz porque esse é o caso que o desenvolvedor acabou de codificar — os casos extremos que detectariam um desconto negativo, uma entrada nula ou um erro de arredondamento no limite do centavo são ignorados.
Por que o prompt exige quatro categorias, não apenas "escreva testes"
Pedir a uma IA para "escrever testes para esta função" produz exatamente o mesmo ponto cego que um desenvolvedor apressado tem: cobertura majoritariamente de caminho feliz com um ou dois casos extremos simbólicos. Forçar a saída em quatro categorias nomeadas — caminho feliz, casos extremos, cenários de erro e testes de integração — transforma cada categoria em um item de checklist.
Por que cada teste precisa de uma nota de "o que quebra se isso falhar"
Uma lista de nomes de testes não ajuda um revisor a decidir se a suíte é realmente suficiente — apenas prova que testes existem. Exigir uma frase sobre qual falha real cada teste detectaria transforma a saída em algo que um revisor pode avaliar para lacunas de cobertura.
Por que ele se recusa a adivinhar comportamento ambíguo
Prompts de geração de testes que sempre produzem uma suíte confiante e de aparência completa são perigosos precisamente porque parecem confiáveis. Forçar o modelo a sinalizar ambiguidade em vez de resolvê-la protege contra testes que silenciosamente fossilizam um palpite não revisado como fonte de verdade do código.
Por que pede esboços de integração, não apenas mais testes unitários
Testes unitários validam uma função isoladamente, mas a maioria dos incidentes de produção acontece na junção entre duas unidades que funcionam corretamente cada uma isoladamente. Pedir esboços de testes de integração contra o contexto de chamada é o que detecta a classe de bug que passa em todos os testes unitários mas ainda corrompe um total visível ao cliente.