让 AI 逻辑可单测：把可测的部分拆出来

「AI 没法测」是借口，大部分逻辑可测。本文给出四类可拆分的部分与测法、三个具体做法（注入假客户端/提示词快照/真实输出夹具）、快照测试的注意点与判断标准。

AI 逻辑也可以被单测

"AI 部分没法测" ✗ 是最常见的借口 ✔ —— 其实**大部分逻辑是可测的** ✔，

只是要把"模型调用"从"业务逻辑"里分出来 ✔。

**让 AI 逻辑可单测** ✔，收益很大 ✔：改起来快、回归便宜、bug 定位准 ✔。

| 部分 | 可测性 | 怎么测 |

|---|---|---|

| **组装**（模板 + 变量 → 最终提示） | 完全可测 ✔ | 快照测试（snapshot ✔） |

| **解析与校验**（输出 → 结构化对象 ✔） | 完全可测 ✔ | 用构造的输出样本单测 ✔ |

| **路由与降级**（选哪个模型/走哪条路 ✔） | 完全可测 ✔ | 输入条件 → 期望路径 ✔ |

| **模型本身的行为** | 不可单测 ✗ | 用评测集（见评测那几篇 ✔） |

**关键**：**前三类覆盖了大部分 bug** ✗→✔（格式错、解析崩、路由错 ✔），

而且它们**不需要调用模型** ✔（毫秒级跑完 ✔）。

1. **注入模型客户端**（依赖注入 ✔）→ 单测里用**假客户端**返回固定输出 ✔；

2. **快照测试提示词** ✔（模板改动会体现为快照差异 ✔，便于 review ✔）；

3. **用真实输出做测试夹具** ✔（从线上收集的"疑难输出"存成 fixture ✔ —— 见边界用例库 ✔）。

**快照要能解释** ✗→✔（差异要人看懂：是变量变了还是措辞变了 ✔）；

**不要盲目更新快照** ✗（"一键接受"会让测试失去意义 ✔ —— 每次更新都应说明原因 ✔）。

**模型输出的具体措辞** ✗（会随版本变 ✔ → 应测"是否符合结构/是否含必需字段" ✔）；

**端到端质量** ✗（那是评测集的活 ✔）。

**判断标准** ✔：这个断言**在同一系统版本下是否稳定** ✔？

稳定 → 单测 ✔；不稳定 → 评测 ✔。

> 修改提示词模板后 ✔，你能否**在不调用模型**的情况下发现"变量漏了/格式错了" ✔？

> 不能，说明组装与解析还没有单测覆盖 ✗。