სწორად გამოყენებისას, AI შესანიშნავია ტესტირების ჩამოთვლის ნაწილში — ის აკეთებს ზღვრული შემთხვევების ბრეინშტორმინგს და სწრაფად წერს boilerplate კოდს. მაგრამ თქვენ უნდა დაამტკიცოთ, რომ assertions არის მნიშვნელოვანი, რადგან AI სიამოვნებით დაწერს ტესტებს, რომლებიც უფლებას აკმაყოფილებენ რაიმეს დამტკიცების გარეშე.
// Function under test, with its contract:
// applyDiscount(price, percent) -> price reduced by percent.
// Contract: percent must be 0..100; throws RangeError otherwise. price >= 0.
function applyDiscount(price, percent) {
if (percent < 0 || percent > 100) throw new RangeError('percent out of range');
return price - (price * percent) / 100;
}
// AI-suggested test cases (Jest) — note the edge and error paths, not just happy path:
test('applies a normal discount', () => {
expect(applyDiscount(100, 20)).toBe(80); // happy path
});
test('0% leaves price unchanged', () => {
expect(applyDiscount(100, 0)).toBe(100); // boundary: lower edge
});
test('100% makes it free', () => {
expect(applyDiscount(100, 100)).toBe(0); // boundary: upper edge
});
test('rejects percent above 100', () => {
expect(() => applyDiscount(100, 150)).toThrow(RangeError); // error path
});
AI შემოთავაზა საზღვრული შემთხვევები (0 და 100) და შეცდომის გზა, რომელსაც შეიძლება დაივიწყოთ. თქვენი სამუშაოა დაადასტუროთ, რომ toBe(80) არის სწორი მოსალოდნელი მნიშვნელობა, არა მხოლოდ ის, რასაც ფუნქცია ხდება დაბრუნებული.
ტესტირების რთული ნაწილი არ არის test(...) ბლოკების აკრეფა — ეს არის შემთხვევების ფიქრი, რომლებიც წინააღმდეგ შემთხვევაში გამოტოვებული იქნებოდა, და AI ნამდვილად კარგია ამ სიგანეში. მაგრამ მას არ ბრძანებთ, რა უნდა გააკეთოს თქვენი კოდმა, თუ არ გეტყვით, ასე რომ უკონტროლოდ იწერს ტესტებს, რომლებიც ასახავენ განხორციელებას (ისინი გადის, მაგრამ გაივლებდნენ მაშინაც კი, თუ ფუნქცია იქნებოდა არასწორი). AI-ის ზღვრული შემთხვევის გენერატორად სამეთვალყურეო პირებელი assertionების კვალობაზე, თქვენ მიიღებთ ფართო და რეალურ სიზუსტეს — სიჩქარე AI-დან, განჯე თქვენგან.