“用调评” 一体化：生成上下文数据集，改善 AI 测试生成质量

最近，我们在围绕 AutoDev 开源插件，构建完整的端到端开源辅助编程方案。即：结合 IDE 插件微调开放二进制大语言模型（所谓 “开源”模型）。构建对应开放对应的模型与数据集构建针对于微调的开源数据工程：Unit Eval 。简单来说，就是依旧在 Unit Eval 开源项目中设计的：“用调评”一体化（即 AI 工具-模型微调-模型评测一体化），以构建更贴合于不同组织现状的编码方案。如何让 AI 写好测试？在大部分编码场景中，AI 辅助单元测试的效果是相对最好的。但是这也并不简单，其中的难点在于如何构建好的上下文。什么是好的 AI 测试上下文？作为一个经常刷测试覆盖率，以及在 ArchGuard 中构建了测试坏味道分析检查工具的工程师，我大抵可以算得上是一个经验老道的单元测试专家。在 AI 生成的背景之下，我们预期一个好的测试上下文，它应该包 ………………………………