JSTestCraft：通过智能多层上下文分析解决JavaScript单元测试生成中的上下文缺失问题

《ACM Transactions on Software Engineering and Methodology》：JSTestCraft: Addressing Context Deficits in JavaScript Unit Test Generation via Agentic Multi-Level Contextual Analysis

　　

摘要AI总结

要查看此由AI生成的总结，您需要拥有高级访问权限。

了解更多登录

摘要

摘要

在JavaScript中，单元测试对于确保软件的可靠性至关重要，然而构建全面的测试套件仍然成本高昂且容易出错。JavaScript的动态特性、灵活的类型系统、异步执行方式以及对外部库的依赖，给自动化测试生成带来了持续挑战。尽管大型语言模型在代码推理和合成方面展现出潜力，但现有方法往往无法获取生成可执行、语义正确的测试所需的多层上下文信息。

本文介绍了JSTestCraft，这是一个用于自适应生成JavaScript单元测试的代理式多层框架。JSTestCraft通过三种增强代理来重建缺失的上下文：库相关代理、结构相关代理和语义相关代理。这些代理能够捕捉函数间的拓扑关系、第三方API的语义以及推断出的类型约束，并将它们存储在共享的上下文记忆中，从而实现基于推理的测试生成。测试与优化层则负责生成、执行测试用例，并不断对其进行优化。在20个真实的Node.js项目中进行测试后，JSTestCraft的性能优于现有的最佳方法，使测试通过率提升了60.9%，语句覆盖率提升了14.2%，分支覆盖率提升了47.3%。消融分析证实了每种代理对上下文完整性所起的贡献。除了各项指标之外，JSTestCraft还在5个项目中发现了13个此前未被发现的漏洞，其中6个漏洞得到了维护者或社区贡献者的认可。这些结果表明，上下文重建与代理协作能够让大型语言模型在动态的JavaScript环境中执行更可靠、更具适应性的测试。

AI总结

AI生成的总结（实验性内容）

此总结是使用自动化工具生成的，并非由文章作者撰写或审核。它旨在帮助读者发现相关内容、评估文章的实用性，以及让相关领域的读者更好地理解这篇文章。它是对作者提供的摘要的补充，而作者提供的摘要仍是文章的核心总结。完整文章才是具有权威性的版本。点击此处了解更多。

点击这里，可以对此总结的准确性、清晰度及实用性发表意见。您的反馈将有助于进一步优化未来的总结版本。

要查看此由AI生成的通俗语言总结，您需要拥有高级访问权限。