Phi-3.5-mini-instruct精彩案例：从模糊需求描述生成完整Python单元测试

Phi-3.5-mini-instruct精彩案例：从模糊需求描述生成完整Python单元测试

1. 引言

Phi-3.5-mini-instruct是微软推出的轻量级开源指令微调大模型，在长上下文代码理解和多语言任务处理方面表现出色。这个7B参数的模型在4090单卡上即可流畅运行，显存占用仅约7GB，非常适合本地开发和边缘部署场景。

本文将展示如何利用Phi-3.5-mini-instruct从模糊的需求描述自动生成完整的Python单元测试代码。这种能力可以显著提升开发效率，特别是在快速迭代和敏捷开发场景中。

2. 准备工作

2.1 环境配置

确保已正确部署Phi-3.5-mini-instruct服务，可以通过以下命令检查服务状态：

supervisorctl status phi-3.5-mini-instruct

如果服务未运行，使用以下命令启动：

supervisorctl start phi-3.5-mini-instruct

2.2 测试API连通性

通过简单的curl命令测试API是否可用：

curl -X POST http://localhost:7860/gradio_api/call/generate \ -H "Content-Type: application/json" \ -d '{"data":["Hello",256,0.3,0.8,20,1.1]}'

3. 从模糊需求生成单元测试

3.1 基础案例：字符串处理函数

假设我们有一个模糊的需求描述："需要一个函数，能够统计字符串中每个单词的出现频率"。

我们可以向Phi-3.5-mini-instruct发送以下提示：

""" 请根据以下需求描述生成完整的Python单元测试代码： 需求：需要一个函数，能够统计字符串中每个单词的出现频率 要求： 1. 使用unittest框架 2. 包含至少3个测试用例 3. 测试用例应覆盖边界情况 4. 包含详细的测试说明注释 """

模型生成的响应可能包含如下完整测试代码：

import unittest from collections import Counter def word_frequency(text): """统计字符串中每个单词的出现频率""" return Counter(text.split()) class TestWordFrequency(unittest.TestCase): def test_basic_case(self): """测试基础功能""" result = word_frequency("hello world hello") self.assertEqual(result, {"hello": 2, "world": 1}) def test_empty_string(self): """测试空字符串情况""" result = word_frequency("") self.assertEqual(result, {}) def test_punctuation(self): """测试标点符号处理""" result = word_frequency("hello, world! hello?") self.assertEqual(result, {"hello,": 1, "world!": 1, "hello?": 1}) if __name__ == "__main__": unittest.main()

3.2 进阶案例：数据处理管道

考虑更复杂的需求："需要一个数据处理管道，能够读取CSV文件，过滤掉空值行，并对数值列进行标准化"。

发送给模型的提示：

""" 请根据以下需求生成完整的Python单元测试： 需求：数据处理管道，能够： 1. 读取CSV文件 2. 过滤空值行 3. 对数值列进行标准化（0-1范围） 要求： 1. 使用pytest框架 2. 包含测试数据生成逻辑 3. 测试所有主要功能点 4. 包含异常情况测试 """

模型可能生成如下测试代码：

import pytest import pandas as pd import numpy as np from io import StringIO def data_pipeline(csv_content): """数据处理管道实现""" df = pd.read_csv(StringIO(csv_content)) df = df.dropna() numeric_cols = df.select_dtypes(include=[np.number]).columns df[numeric_cols] = (df[numeric_cols] - df[numeric_cols].min()) / (df[numeric_cols].max() - df[numeric_cols].min()) return df @pytest.fixture def sample_data(): """生成测试数据""" return """ name,age,score Alice,25,85 Bob,,92 Carol,30, Dave,28,88 """ def test_pipeline_drops_nulls(sample_data): """测试空值行过滤""" result = data_pipeline(sample_data) assert len(result) == 2 # 应只保留Alice和Dave的记录 def test_pipeline_normalization(sample_data): """测试数值标准化""" result = data_pipeline(sample_data) assert result["age"].between(0, 1).all() assert result["score"].between(0, 1).all() def test_empty_input(): """测试空输入""" with pytest.raises(ValueError): data_pipeline("")

4. 优化生成效果的技巧

4.1 提示词工程

为了提高生成的单元测试质量，可以采用以下提示词技巧：

1. 明确指定框架：明确指出使用unittest还是pytest
2. 定义测试范围：说明需要覆盖哪些测试场景
3. 要求代码风格：如要求符合PEP8规范
4. 指定详细程度：要求包含详细的测试说明

示例优化后的提示：

""" 请生成符合以下要求的Python单元测试： 1. 使用pytest框架 2. 测试函数：def process_user_data(user: dict) -> bool 3. 测试场景： - 有效用户数据 - 缺失必需字段 - 字段类型错误 - 边界值情况 4. 每个测试用例应有详细说明 5. 代码符合PEP8规范 6. 包含至少一个参数化测试 """

4.2 生成参数调整

通过调整API参数可以获得更稳定的生成结果：

5. 实际应用案例

5.1 持续集成中的测试生成

可以将Phi-3.5-mini-instruct集成到CI/CD流程中，自动为新代码生成基础测试套件。示例工作流：

1. 开发人员提交新函数代码
2. CI系统提取函数签名和文档字符串
3. 发送给Phi-3.5-mini-instruct生成基础测试
4. 将生成的测试添加到测试套件
5. 运行自动化测试

5.2 遗留代码测试覆盖

对于缺乏测试的遗留代码，可以：

1. 分析函数输入输出
2. 生成基础测试用例
3. 人工补充边缘案例
4. 逐步构建完整测试套件

6. 总结

Phi-3.5-mini-instruct展示了从模糊需求生成高质量单元测试的出色能力。通过本文的案例，我们看到了：

1. 效率提升：从几分钟到几秒钟完成测试编写
2. 质量保障：生成的测试覆盖基础场景和边界情况
3. 灵活适配：支持不同测试框架和复杂场景
4. 易于集成：可以融入现有开发工作流

对于开发者而言，这种能力可以显著减少重复工作，让更多精力集中在核心业务逻辑和复杂测试场景的设计上。

获取更多AI镜像

想探索更多AI镜像和应用场景？访问 CSDN星图镜像广场，提供丰富的预置镜像，覆盖大模型推理、图像生成、视频生成、模型微调等多个领域，支持一键部署。