Cómo generar pruebas unitarias que detecten errores reales.
Las pruebas unitarias deben expresar el comportamiento esperado y límites significativos. No reproduzcas simplemente la fórmula de la implementación en la prueba.
Adapta el flujo de trabajo a tu tarea.
Define el comportamiento esperado según el contrato de la función y elige casos normales, límite y de fallo relevantes. Usa resultados conocidos o datos de prueba independientes, evitando aserciones que solo repitan el cálculo de la implementación.
- Qué aportas
- Implementación de la función y framework de pruebas.
- Qué obtienes
- Pruebas significativas de comportamiento y casos límite.
Mira la entrada y el resultado.
Entrada y salida ilustrativas · ejemplo didáctico, no una ejecución de WebAct en directo
Ejemplo campo
Write pytest tests for calculator.add(a, b). It returns the sum of two integers. Required cases: positive values, zero, negative values.
Ejemplo completo
# test_calculator.py
import pytest
from calculator import add
@pytest.mark.parametrize("a,b,expected", [(2, 3, 5), (0, 0, 0), (-2, 3, 1)])
def test_add(a, b, expected):
assert add(a, b) == expected
Run in the project with pytest installed: python -m pytest test_calculator.pyCarga esta entrada en el prompt y cópialo en WebAct para probar la tarea. Tu resultado puede diferir del ejemplo.
Decisiones y solución de problemas.
¿Debe una prueba unitaria generada duplicar la fórmula de la función?
Usa expectativas conocidas de forma independiente cuando sea posible. Repetir el mismo error en la prueba puede hacer que una implementación incorrecta parezca verificada.
¿Por qué pasan todas las pruebas mientras el fallo real sigue ahí?
Comprueba si cubren la condición que falla y el contrato real. Un gran número de pruebas no garantiza cobertura relevante.
Referencia para este flujo de trabajo.
Pruébalo con tu propia fuente.
Sustituye el ejemplo por tu material en el prompt. Conserva los requisitos que necesites y copia la tarea en WebAct.
Personalizar y copiar la tarea ↑