Pemrograman Intermediate Chain Prompt

Detektif Celah Cakupan Pengujian

Untuk pengembang dan pemimpin teknologi yang sadar QA yang memeriksa apakah PR memiliki pengujian yang cukup bermakna untuk perubahan perilaku.

๐Ÿ’ป
Rating
4.7
Difficulty
Intermediate
Format
Chain Prompt
Variables
4
Unduh Prompt FREE

Best for these models

โ— Claude Sonnet 4.6 โ— ChatGPT (GPT-5.4) โ— GPT-5.4-mini

๐Ÿ“‹ The Prompt

Chain Prompt .txt

๐Ÿ”’ Prompt tersedia dalam unduhan

Dapatkan teks prompt lengkap dalam file .txt yang dapat diunduh. Gratis, tanpa pendaftaran.

Unduh Prompt

Variables to fill in

{{CODE_DIFF}} โ€” Replace with your input
{{TEST_FRAMEWORK}} โ€” Replace with your input
{{CRITICAL_PATHS}} โ€” Replace with your input
{{TEST_RULES}} โ€” Replace with your input

About this prompt

Detektif Celah Cakupan Pengujian membantu tim menilai apakah sebuah pull request benar-benar dilindungi oleh pengujian yang bermakna. Alih-alih menghitung baris atau nama file, alat ini memeriksa perubahan perilaku, kasus batas, dan mode kegagalan untuk mengidentifikasi pengujian unit, integrasi, kontrak, atau regresi yang hilang. Ini jauh lebih berguna daripada persentase cakupan sederhana saat jalur kode berubah secara halus.

Prompt ini dibuat untuk pengembang yang peduli QA, manajer rekayasa, dan peninjau yang ingin mengurangi cacat yang lolos. Ia menyoroti cabang yang belum diuji, asumsi rapuh, dan skenario yang harus dicakup sebelum penggabungan. Output juga menyarankan jenis pengujian terbaik untuk setiap celah, sehingga penulis tahu apakah mereka membutuhkan pengujian unit ringan atau pemeriksaan integrasi yang lebih luas. Gunakan untuk memperkuat cakupan pengujian tanpa memperbesar klaim yang bernilai rendah.

Sesuaikan dengan menyediakan {{CODE_DIFF}}, kerangka pengujian di {{TEST_FRAMEWORK}}, dan perilaku kritis di {{CRITICAL_PATHS}}. Jika tim Anda memiliki aturan tentang mocking, fixture, atau snapshot test, tambahkan di {{TEST_RULES}}. Prompt ini menghasilkan laporan celah cakupan dengan skenario yang hilang, nama pengujian yang disarankan, dan tingkat keparahan. Untuk PR yang lebih besar, jalankan setelah review kode agar model dapat menyelaraskan rekomendasi pengujian dengan perubahan implementasi yang sebenarnya.

Key features

  • Mendeteksi cakupan pengujian yang hilang untuk perubahan perilaku.
  • Menyarankan pengujian unit, integrasi, atau kontrak secara tepat.
  • Menandai asumsi rapuh dan kasus batas yang belum diuji.
  • Mendukung pencegahan regresi dalam tim yang bergerak cepat.
  • Menyarankan nama pengujian dan klaim yang diharapkan secara konkret.

Best for

  • โ†’ Pengembang yang fokus QA memvalidasi kesiapan PR
  • โ†’ Manajer rekayasa mengurangi cacat yang lolos
  • โ†’ Tim backend menstandarisasi pengujian di seluruh layanan

Tips

  • ๐Ÿ’ก Sediakan perjalanan pengguna kritis Anda di {{CRITICAL_PATHS}} untuk prioritas yang lebih kuat.
  • ๐Ÿ’ก Sertakan konvensi pengujian di {{TEST_RULES}} agar sesuai dengan gaya tim Anda.
  • ๐Ÿ’ก Gunakan nama pengujian yang disarankan model sebagai titik awal, bukan jawaban akhir.

What you'll get

Analisis celah yang mencantumkan perilaku yang membutuhkan pengujian, risiko meninggalkannya tanpa pengujian, dan jenis pengujian terbaik untuk setiap kasus. Mungkin menyarankan nama seperti shouldRejectInvalidToken atau shouldRetryOnTimeout. Output diakhiri dengan verdict seperti needs_more_tests atau ready_for_merge, plus alasan singkat.

Preparing your download...

Unduh Prompt

Prompts terkait