面试官这个问题戳中了很多测试开发的通病,单纯靠 AI 写测试、拿 100% 代码覆盖率,根本没法保证业务场景没有遗漏,代码覆盖率只代表代码行、分支被跑过一遍,它是白盒指标,不校验业务规则、用户真实流程、异常联动逻辑,AI 很容易跟着代码实现去写用例,只验证代码跑通,断言写得很弱,哪怕所有代码都执行了,业务逻辑依然会出错,想要用好 AI 写测试,必须把需求溯源、场景矩阵、风险用例、变异测试、端到端验证一起组合起来,不能拿覆盖率数字当测试合格的标准。很多同学在面试的时候会误以为覆盖率越高,测试越充分,尤其是 AI 批量生成单测的时候,AI 很容易写出 “只调用函数、随便断言返回不为空” 的无效用例,也就是大家常说的覆盖率表演,代码全都跑了,但是折扣计算、状态流转、幂等、权限、下游依赖这些业务规则完全没有校验;而且 AI 只看给到的代码片段,缺少产品需求、历史线上 bug、跨服务联动的上下文,天然容易漏掉隐性业务场景,这也是面试官为什么会追问 “代码都跑过,业务就都测对了?”。下面先分清代码覆盖率和业务场景覆盖率的差别,再讲 AI 写测试容易踩的坑,接着给一套落地的校验流程,最后给一段可以直接在面试里说的应答话术。
一、代码覆盖率 vs 业务场景覆盖率对照表
| 指标 | 统计对象 | 视角 | 能证明什么 | 证明不了什么 |
|---|---|---|---|---|
| 代码覆盖率 | 行、分支、条件、路径 | 白盒、看代码实现 | 代码片段可以正常执行,没有死代码 | 业务规则正确、用户流程正常、异常场景处理无误 |
| 业务场景覆盖率 | 需求、用户旅程、业务规则、风险点 | 黑盒、看业务需求 | 约定的业务场景都有对应的验证用例 | 内部每一行代码都被执行到 |
二、AI 写测试最容易漏掉业务场景的 4 个原因
- AI 对齐代码实现,而不是对齐需求文档
- 大量 happy path,弱断言,缺少负面场景
- 缺少跨服务、状态联动的全局上下文
- 不知道历史缺陷、隐性约束
AI 读代码生成用例,它会默认当前代码逻辑是正确的,如果代码本身业务逻辑写错,AI 写出来的测试只会跟着错误逻辑一起通过,相当于错上加错。
AI 优先生成正常流程用例,边界值、重复提交、超时、依赖降级、权限越权、脏数据这类异常场景很容易缺失,断言经常只判断返回不为 null,不校验结果是否符合业务预期。
单测一般会 mock 下游接口,AI 不知道真实链路里多个服务联动的场景,单个函数覆盖率拉满,但是完整下单、退款、回调这类串联流程没有覆盖。
很多业务规则是口头约定、历史踩坑沉淀下来的,没有写进注释,AI 没有线上故障库、缺陷库的信息,这类隐性场景一定会漏掉。
三、AI 写测试,保证业务不漏场景的完整流程
- 先梳理业务场景矩阵,再让 AI 生成用例
- 需求和用例做双向追溯
- 人工评审 AI 产出的用例和断言
- 用变异测试(Mutation Test)检验用例质量
- 分层验证,不能只靠单测
- 代码覆盖率只用来查漏,不是放行标准
先基于 PRD、用户故事、历史 bug,拆分正常流程、边界、异常、权限、并发、降级场景,形成场景清单,把清单交给 AI,而不是直接丢一段代码让 AI 写测试。
每一条业务场景都绑定需求点,做完之后反向核对:需求清单有没有没对应用例的,这个是业务覆盖率,和代码覆盖率分开统计。
重点检查断言是否有效,有没有只判断 “不为空” 的弱断言,补齐 AI 缺失的异常、幂等、重试场景。
修改代码里的逻辑,看测试能不能失败;如果变异之后测试依旧通过,说明这条用例没有校验核心逻辑,属于无效用例。
单测负责函数逻辑,接口自动化覆盖接口契约,E2E 端到端覆盖真实用户主流程,故障注入、压测覆盖高并发和依赖故障场景。
拿覆盖率报告找到没走到的分支,判断这个分支是不是业务上需要覆盖的;如果是防御性兜底分支,本身就很难触发,不需要强行补用例冲数字。
四、面试推荐应答话术
“我理解代码覆盖率只是一个辅助指标,100% 代码覆盖率不等于业务都测对。覆盖率只能证明代码路径被执行,没法验证业务规则。使用 AI 写测试的时候,我会先基于需求梳理业务场景矩阵,区分正常、边界、异常、跨服务联动场景,让 AI 基于场景生成用例,而不是直接读代码生成;之后人工评审断言有效性,搭配变异测试验证用例能不能发现 bug,同时用接口自动化、E2E 补充链路场景,单独统计业务需求覆盖率,代码覆盖率只用来发现遗漏分支,不会拿覆盖率作为上线放行依据。”
【相关 FAQ】
问题 1:AI 写测试做到 100% 代码覆盖率,还会漏掉业务场景吗?
回答 1:会,AI 写测试就算做到 100% 代码覆盖率,依然有可能漏掉业务场景,代码覆盖率只代表代码路径被执行,不校验业务规则、用户流程、跨服务联动,AI 很容易生成弱断言的无效用例,出现测试全绿但业务逻辑出错的情况。
问题 2:使用 AI 生成测试,怎么有效保障业务场景不漏测?
回答 2:使用 AI 生成测试保障业务场景不漏测,要先梳理业务场景矩阵、做需求用例追溯,AI 只作为场景的生成工具,人工评审断言,搭配变异测试、接口自动化、E2E 分层验证,分开统计业务覆盖率和代码覆盖率,不能只依赖代码覆盖率指标。
问题 3:做 AI 自动化测试,代码覆盖率和业务场景覆盖率哪个更重要?
回答 3:做 AI 自动化测试时,业务场景覆盖率优先级更高,业务场景覆盖率用来确认需求和用户流程被验证,代码覆盖率只是辅助查漏的白盒指标,100% 代码覆盖率不能替代业务场景覆盖。
【参考资料】
[2026-11-11](AI 辅助写测试:从用例生成到覆盖率补齐的实战流程)华为云社区
[2026-10-25](AI 写的单测覆盖率 100%,可我埋的 3 个 bug 一个没抓住)腾讯云开发者社区
[2026-10-30](AI Coding 进入测试团队:测试效率提升之后,谁来保证测试质量?)搜狐
[2026-07-30](AI 生成测试用例怎么评审,如何规避覆盖率陷阱)Katalon
[2026-06-19](为什么高代码覆盖率依然会漏掉业务缺陷)Testrig Technologies
【免责声明】
- 本文关于 AI 生成测试、代码覆盖率、业务场景覆盖率的观点属于软件测试行业通用实践,不同团队的测试规范、准入标准存在差异;
- AI 生成测试的效果受输入上下文、提示词、业务文档完善程度影响,不存在可以完全自动保证业务不漏场景的 AI 测试方案;
- 变异测试、E2E、需求追溯等方案会增加测试成本,团队需要结合业务风险、迭代节奏选择合适的落地策略;
- 文中面试应答话术仅作为思路参考,面试回答时可以结合自身项目经历调整。
