---
title: AI 写代码更快了，为什么上线还在等测试？
description: 先拆开 CI 的排队、执行与重试，再用可下载的离线练习选择测试、保守回退，并通过全量对照发现被漏掉的失败。
canonical_url: 'https://onevium.com/zh/blog/ai-code-ci-test-selection'
language: zh-CN
published_at: '2026-09-20'
publisher: Onevium
---
# AI 写代码更快了，为什么上线还在等测试？

先拆开 CI 的排队、执行与重试，再用可下载的离线练习选择测试、保守回退，并通过全量对照发现被漏掉的失败。

## 代码写完了，上线却没有变快

一个小团队正在做发票功能。AI 很快完成了代码，可合并请求还在等执行机器、重跑偶尔失败的检查，再把无关测试全部跑一遍。这里说的 CI（持续集成），就是每次代码变更后自动运行构建与测试的流程。写代码更快，只是让等待出现在另一个地方；交付前该做的检查并没有消失。

Anthropic 在 9 月 14 日的文章中介绍了自己的确定性测试选择服务：收集测试结果的组件落后，导致选择器依据过时的历史记录决策。后来它们把状态从工作进程中拆出，让服务可以扩展。这给我们的启发是维护好决策依据，而不是让模型凭感觉删除测试。

下面做一个更小的原创练习：看三条虚构耗时记录，为两个简单模块选择测试，再用全量运行检查选择是否漏掉失败。建议在团队已有可重复任务和明确测试命令后做这一步。如果最慢的是等机器，优先做复杂的测试选择器未必划算。

- [Anthropic：测试影响分析服务的架构与改造](https://claude.com/blog/agentic-coding-is-straining-ci-heres-how-we-scaled-test-impact-analysis-at-anthropic)

## 打开一个可以完整看懂的小项目

下载并解压原创练习包，只需 Node.js 20 或更新版本，不用安装依赖或调用 API。目录里有发票、通知两个模块，两个业务测试文件与一个冒烟测试文件，一份手写映射、耗时数据，以及几个分析脚本。业务数据和耗时记录都是合成的。

在 Onevium 左侧“项目”旁点击“添加项目”，选择“打开已有文件夹”，选中 ci-test-selection-starter。从该项目行新建会话。会话顶部的“浏览全部文件”可以查看文件，终端图标打开内置终端。运行前先核对目录，复用的终端可能还停在之前的位置；也可以直接用你平时的终端。

先运行下面六组练习自检、两个业务测试和一个冒烟检查。第一条测试命令检查选择规则与算术，第二条实际运行虚构业务代码。解压目录不是 Git 仓库也能浏览文件；这两条命令都不是模型评测，也不代表 Onevium 完整工作流已经实测。

### 在解压后的 ci-test-selection-starter 目录运行

```text
node --version
node --test fixture.test.mjs
node --test tests/invoice.test.mjs tests/notification.test.mjs tests/smoke.test.mjs
```

- [下载原创离线练习包 · ZIP](https://onevium.com/downloads/ci-test-selection-starter.zip)
- [Onevium：打开项目并创建会话](https://onevium.com/zh/docs/projects-and-sessions)
- [Onevium：浏览文件与使用终端](https://onevium.com/zh/docs/files-terminal-review)

## 先看时间花在哪，不急着少跑测试

运行 node analyze.mjs，结果会拆开首次排队、首次执行、额外重试。这组简化记录的三段时间互不重叠，重试包含第一次尝试之后新增的等待和执行。三次合计排队 9 分钟、执行 15 分钟、重试 2 分钟，共 26 分钟；这是多次运行的累计，不是一次上线的等待时间。

DEMO-B 总共 12 分钟，其中首次排队就占了 6 分钟；DEMO-C 的 9 分钟里有 8 分钟在执行。前者值得调查执行机器和并发限制，后者才适合继续拆解慢测试。看到重试记录，也应先查第一次为何失败，再决定是否增加自动重试。

换成自己的 CI 时，使用真实时间戳，把取消与未完成运行另列。多个任务并行时，耗时会重叠，不能把各任务时长相加当成整次交付时长。先用同一口径比较几次相近变更，不把这里的虚构数字当作节省时间的证据。

虚构的串行流水线记录，单位：分钟

| 运行     | 排队 | 首次执行 | 额外重试 | 合计 |
| ------ | -- | ---- | ---- | -- |
| DEMO-A | 2  | 3    | 0    | 5  |
| DEMO-B | 6  | 4    | 2    | 12 |
| DEMO-C | 1  | 8    | 0    | 9  |

### 读取包内耗时记录

```text
node analyze.mjs
```

## 让每一个测试选择都有依据

打开 dependency-map.json：src/invoice.mjs 对应发票测试，src/notification.mjs 对应通知测试；每次还会固定保留一个检查入口能否加载的冒烟测试。这个很小的检查不能代替业务断言。

下面的命令输出 JSON 计划，包含 mode、变更文件、选择理由与测试清单。发票文件变化时，mode 是 affected，清单为 invoice.test.mjs 加 smoke.test.mjs。它不会运行测试，也不会改 CI 配置。传入文件名只是在申报改动范围，脚本不会自动读取 Git diff。

这里故意使用手写映射，既不是 Anthropic 的历史结果服务，也不是自动采集的覆盖率依赖图。AI 可以帮忙解释路径、提出可能缺失的关系，但解释听起来合理，并不能证明映射完整。

### 输出建议集合，保留 JSON 作为依据

```text
node select.mjs src/invoice.mjs

# 选择的测试文件：
# tests/invoice.test.mjs
# tests/smoke.test.mjs
```

## 信息不确定，就回退全量

试试下面四条命令，每条都会返回 mode: full 和完整的三个测试。未知文件、共享文件和配置变更也回退全量。空变更列表、无效映射或不兼容的布局版本，都不能悄悄变成“零测试”。

两个不确定性参数需要特别理解：这个练习不能自行发现文件删除、重命名、不完整 diff，或结构正常但已经过时的映射，调用者必须主动标记。映射中的 layoutRevision 只是人工兼容标记，不是提交检查。真实系统要先有持续维护的依赖与版本依据，才有理由相信较小的集合。

### 验证四种保守回退

```text
node select.mjs new-file.mjs
node select.mjs --uncertain-history src/invoice.mjs
node select.mjs --map-stale src/invoice.mjs
node select.mjs --map missing.json src/invoice.mjs
```

## 用全量对照，抓住“选得很自信，但选错了”

先运行下面正常的 shadow 命令。它会在独立 Node 进程中实际运行选择集和完整三个测试，包内默认示例两组都通过。终端的 output 字段指向新建的 .results/run-\* 目录，里面有 summary.json 与每个测试的日志。

再运行故意出错的那一条：它只申报发票变化，却让通知模块返回错误消息。选中的发票和冒烟测试仍通过，全量运行则在通知测试失败。summary.json 的 omittedFailures 会列出被漏掉的测试，命令退出码为 1。这正是练习期望看到的结果，不应为了变绿而删掉通知断言。

这个参数模拟的是错误的影响范围信息，不会发现真实依赖，也不会修改源文件。它把一个本来会被“选择集全绿”掩盖的失败显露出来。正常示例通过，只能说明这个小型本地例子通过。

### 先正常对照，再刻意暴露一次漏选

```text
node shadow.mjs src/invoice.mjs

# 预期退出码为 1；查看 omittedFailures
node shadow.mjs --simulate-missed-dependency src/invoice.mjs
```

## 给 Onevium 一个能核对的调查任务

在打开练习目录的会话里，用输入框 @ 文件列表引用 ci-runs.json 和 dependency-map.json，再发送下面的请求。把结果目录占位符替换为刚才命令实际输出的路径。最终需要的是引用文件和运行结果的简短解释，你可以拿终端记录逐项核对。

用于真实团队时，先导出耗时数据，只增加建议集合的影子报告，继续让原有全量 CI 决定是否通过。在相同代码版本与环境下比较，记录漏掉的失败、回退频率、选择器自身耗时与排队时间，再讨论改变策略。仅仅少了几个红灯，不能证明缺陷变少。

### 可以直接改路径后使用的提示词

```text
读取本练习的 ci-runs.json、dependency-map.json，
以及 .results/<实际运行目录>/summary.json。
说明每次运行主要耗在哪一段。
解释这次模拟失败为什么被选择集漏掉，
引用具体测试路径和结果字段。
把实际观察与建议分开写。
不要改文件、删测试、改 CI、提交或推送。
证据不足就列出缺口，不要猜测。
```

## 下一步只做一个小对照

本文实际验证的是离线 Node 练习：选择规则、回退行为、耗时算术、真实本地测试运行，以及全量对照发现一次故意设置的漏选。它不能证明真实模型质量、生产安全或某个提效百分比。

这一组教程建议按顺序实践：先分清复杂任务由谁负责，再在这里排查测试等待，接着用团队 Skill 保存可重复方法，最后衡量整段工作流。顺序只是帮助落地；如果你已经明确卡在 CI，也可以从本文开始。下一步挑一个有代表性的真实变更，保留全量测试，只做一次影子报告，并指定一个人核对差异。

- [第一步：把复杂需求交给 AI 会话队伍](https://onevium.com/zh/blog/team-sessions-complex-feature)
- [第三步：维护团队真正能复用的 Skill](https://onevium.com/zh/blog/maintain-team-skills)
- [第四步：衡量 AI 工作流是否值得继续](https://onevium.com/zh/blog/measure-ai-workflow-value)

来源: [Anthropic — Agentic coding is straining CI](https://claude.com/blog/agentic-coding-is-straining-ci-heres-how-we-scaled-test-impact-analysis-at-anthropic)
