面试官这个问题本质就是区分代码覆盖和业务场景覆盖,代码覆盖率只是白盒指标,它只统计代码行、分支有没有被跑一遍,不校验业务规则、用户流程、跨系统联动是否正确,AI 生成测试很容易只跟着代码实现去写用例,照着代码逻辑写断言,就算跑到 100% 覆盖率,也会漏掉需求文档里、真实用户会遇到的业务场景,想要解决这个问题,不能拿覆盖率当最终保障,要建立一套从业务需求出发、AI 辅助生成、多层校验、多指标联合评估的流程,把需求覆盖、风险场景、变异测试、评审环节都加进来,才能减少场景遗漏,给面试官一套稳妥的回答思路。
一、先分清两个核心概念
| 指标 | 统计对象 | 能说明什么 | 天然短板 |
|---|---|---|---|
| 代码覆盖率(行 / 分支 / 路径) | 代码内部语句、分支 | 这段代码有没有被执行到 | 不管业务逻辑对不对、不管需求有没有实现,AI 很容易写 “假断言”,代码跑了但结果不校验业务预期 |
| 业务场景覆盖率 | 需求、用户流程、业务规则 | 业务场景有没有被覆盖到 | 没法靠工具自动统计,需要人工梳理 + 需求矩阵对齐 |
简单一句话:代码覆盖率回答
【代码跑没跑】,业务场景覆盖率回答
【业务测没测对】。
二、AI 写测试、防止业务场景遗漏的完整落地步骤
- 前置梳理业务基线,先产出场景清单,再让 AI 写用例
- AI 产出用例后,做双向对齐校验
- 叠加多种校验手段,打破覆盖率幻觉
先拉产品、开发、测试对齐用户故事、业务规则、边界场景、资损风险点、历史线上 bug,做成需求 - 场景矩阵;给 AI 的提示词里带上全部业务约束,不能只丢一段代码让 AI 生成测试。
一边核对:AI 生成的场景,有没有全部匹配基线清单;另一边核对:基线清单里高风险场景,AI 有没有漏掉、只测正向 happy path。
- 变异测试:改动代码逻辑,看现有测试能不能捕获异常,用来判断测试断言是不是有效;
- 接口 / 端到端黑盒场景:不看代码,纯从用户视角跑完整业务链路;
- 依赖联动场景:第三方回调、超时、并发、状态流转这类代码覆盖率测不到的场景单独补充;
- 回归库校验:把历史 bug 对应的场景固化,每次 AI 生成测试自动命中检查。
- 指标分层,100% 代码覆盖率只是其中一个子目标
- 人工评审 + 抽样验收
我们的测试质量看板同时看 4 项:需求覆盖率、风险场景覆盖率、代码分支覆盖率、变异测试得分,不单独拿覆盖率作为交付标准。
重点看资金、权限、状态变更等高风险场景,抽查 AI 写的断言,确认断言校验的是业务结果,不是简单判断接口不报错、返回不为空。
三、面试标准应答话术(直接可用)
面试官您好,100% 代码覆盖率只能证明所有代码分支都执行过,不等于业务全部测对。代码覆盖率是面向实现的指标,AI 很容易跟着代码实现生成测试,出现 “代码跑完、断言无效、业务规则没校验” 的情况,很多跨流程、异常时序、业务约束的场景,在代码里没有单独分支,但线上很容易出问题。我使用 AI 生成测试的思路是:以业务需求和风险场景为源头,先梳理完整场景基线,AI 负责批量产出用例、补充边界,之后用需求矩阵、变异测试、端到端场景、历史 bug 库交叉校验,代码覆盖率只是辅助指标,最终以业务场景覆盖、风险被拦截作为验收标准。
【常见问题】
问题 1:AI 写测试做到 100% 代码覆盖率,为什么还会漏掉业务场景?
回答 1:100% 代码覆盖率只检测代码语句、分支是否执行,不校验业务规则和用户流程,AI 生成测试时大多参考代码实现,不是业务需求,会忽略跨服务联动、状态时序、特殊业务约束这类不在独立代码分支里的场景,就算代码全部跑通,业务场景依然会遗漏。
问题 2:用 AI 写测试,有什么办法提升业务场景覆盖率,减少遗漏?
回答 2:优先梳理需求和风险场景基线再喂给 AI,配套需求场景矩阵对齐、变异测试验证断言有效性、沉淀历史 bug 场景库、补充端到端黑盒流程,把业务场景覆盖率作为主指标,代码覆盖率作为辅助指标,同时增加人工评审高风险场景。
问题 3:业务场景覆盖率和代码覆盖率在 AI 测试工作里,优先级怎么安排?
回答 3:业务场景覆盖率优先级更高,它对应需求是否被验证,是保障线上业务不出问题的核心;代码覆盖率是辅助指标,用来发现有没有没被执行到的代码,不能反过来用代码覆盖率替代业务场景校验,避免 AI 测试出现覆盖率假象。
【参考资料】
[2026-11-12](AI 代码合格率被高估一倍)36 氪
[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
[2026-10-20](AI Testing Gaps & Coverage Illusions)techdebt.guru
[2026-07-13](How to Review and Validate AI-Generated Test Cases)Katalon
[2026-06-19](AI-Generated Test Case Generation from Jira Stories, Swagger, or Code)International Journal of Computer Techniques
【免责声明】
本文内容仅为软件测试面试思路和技术实践科普,不代表企业上线测试的强制标准,不同行业、不同系统的风险等级、合规要求不一样,AI 测试方案需要结合自身业务、管控流程调整,文中数据和观点来自公开技术博客,不构成项目落地的直接实施依据。
