给现有方法补测试，JetBrains AI Assistant 先把结果放进 Diff

业务代码已经能跑，却一直缺几组单元测试。最容易拖住人的第一步，是把被测方法、依赖和测试文件重新凑成一段提示词。JetBrains AI Assistant 的测试生成功能，把这个起点放回了代码旁边：在类或方法处调用生成，让测试先以一份差异稿出现。

它值得介绍的地方，不只是能写测试代码，还在于这份代码怎样进入已有项目。下面按官方测试文档的流程看，重点是得到一份能继续修的测试，而不是承诺一次生成就完成覆盖。

从被测方法开始，先看差异

把光标放在类或具体方法中，通过右键菜单或 Alt+Enter，进入 AI Actions，再选择 Generate Unit Tests。结果会打开在独立 AI Diff 标签页里。这里先呈现候选修改，你可以读断言、看依赖，再决定是否保存。

例如，一个计算订单折扣的方法，正常输入容易想到，临界金额和缺少优惠条件却可能被遗漏。这是教学情境：生成第一版后，可以用 Specify 补充“增加刚好达到折扣门槛、低于门槛的用例，按现有业务规则断言”。要求落在场景上，比只说“测试写全面”更容易检查。

文档还允许重新生成，或通过 Customize Prompt 修改后续生成使用的提示。它们解决的是不同问题：当前结果缺场景，先补具体要求；团队每次都有同样的测试写法，再考虑调整生成提示。不必为了一次缺漏重写整个项目配置。

测试代码要有落脚处

点击 Accept all 后，生成结果保存到项目。若已有测试模块，测试会放到那里；如果没有，AI Assistant 会创建相应模块。已有测试文件时，它会寻找并向原文件加入测试。这个细节影响很实际：补的是正在维护的测试集，便于与已有断言和辅助方法一起阅读。

在 PyCharm 中，官方明确沿用项目配置的默认 test runner，位置在 Python 的 Integrated Tools 设置里。对于团队已有 pytest 或其他测试惯例的项目，这比拿到一段脱离环境的示例更容易继续工作。

另一个入口是直接在测试文件里调用生成。此时它会先要求补充要测试的场景，再把代码加进现有测试。这适合你已知道缺哪个用例，只需要把场景变为项目里的实际测试逻辑。

最该审的是断言，而不只是能否运行

测试通过也可能只是复述了现有实现。以上面的折扣为例，断言的金额应来自确认过的业务规则，不能因为模型算出了一个数，就用同一个数证明方法正确。依赖的 mock 是否遮住真正行为，也需要结合项目判断。

AI Assistant 总览说明，它会把请求和相关项目上下文发送给模型；模型接入可以使用 JetBrains AI 订阅、自带 API 等受支持方式，具体功能还应对应所用 IDE。已有插件和账号之后，我会先选一个边界明确的方法：生成、补场景、看 diff、保存并运行相关测试。拿到一份与项目相接的测试草稿，才是这个入口最直接的价值。