30 秒快速回答
AI-TDD（AI-Driven Test-Driven Development）就是让 AI 编程 Agent 先写测试、再写实现代码的 TDD 新玩法。传统 TDD 靠人写测试约束自己，AI-TDD 靠测试约束 AI：你把验收标准写成测试用例，AI 负责实现代码，直到测试全部通过。
核心价值一句话：测试从”质量保障手段”变成”给 AI 下达的精确任务说明书”，让 AI 生成的代码从”看起来能用”变成”测过真的能用”。
一、为什么 AI 编程时代需要 TDD？
2026 年，AI 编程已经从”代码补全”进化到”Agent 自主完成多步任务”。Claude Code、Cursor 这类工具能一口气生成几百行代码，但随之而来的是两个致命问题：
- 正确性不可控：AI 生成的代码编译能过，但行为是否符合预期？没有测试约束时，AI 只会”自我感觉良好”。
- 回归无人管：你让 AI 改了 A 功能，它悄悄把 B 功能改坏了，而你毫不知情。
传统 TDD（先写测试，再写实现，让测试驱动开发）正是为这两个问题而生。AI-TDD 把这条纪律原封不动地搬到人机协作里——只不过”写测试”这件事由你和 AI 协作完成，实现代码几乎全部交给 AI。
二、AI-TDD 与传统 TDD 的 5 个关键区别
| 维度 | 传统 TDD | AI-TDD |
|---|---|---|
| 测试编写者 | 开发者手写 | 开发者给规格，AI 生成测试 |
| 实现编写者 | 开发者手写 | AI 生成，开发者审查 |
| 测试的作用 | 约束自己的开发节奏 | 约束 AI 的产出质量，是任务说明书 |
| 失败循环 | 人改代码 | AI 读测试失败信息自行修复 |
| 核心收益 | 代码质量稳定 | 质量稳定 + 开发速度翻倍 |
关键认知：在 AI-TDD 里，测试不只是验证手段，更是”提示词”——测试用例写得越精确，AI 实现就越少跑偏。
三、三步实操：一个能跑的例子
以”购物车满减折扣函数”为例，看 AI-TDD 的完整闭环。
第 1 步：给 AI 描述规格，让它先生成测试
# 规格：购物车满 200 减 30，满 500 减 100，不满 200 不打折
# 请先生成测试文件 test_cart.py，覆盖边界情况
def test_no_discount_below_200():
assert calc_discount(199) == 0
def test_discount_200_499():
assert calc_discount(200) == 30
assert calc_discount(499) == 30
def test_discount_500_plus():
assert calc_discount(500) == 100
def test_exact_boundary():
assert calc_discount(200) == 30 # 边界包含
assert calc_discount(199.99) == 0
第 2 步：让 AI 写实现代码
def calc_discount(amount: float) -> float:
if amount >= 500:
return 100
if amount >= 200:
return 30
return 0
第 3 步：运行测试，把失败结果丢回给 AI
pytest test_cart.py
如果实现有 bug，直接把 pytest 的失败输出原样贴回对话，AI 会读取错误信息自行修复，直到全绿。这就是 AI-TDD 的”红-绿-重构”循环，只不过循环由 AI 驱动，你只负责定义”什么是正确”。
四、什么时候该用 AI-TDD？
| 场景 | 是否推荐 | 原因 |
|---|---|---|
| 工具函数、业务逻辑、算法实现 | ✅ 强烈推荐 | 验收标准明确，测试就是规格 |
| 重构存量代码 | ✅ 推荐 | 先补测试再让 AI 改，防止回归 |
| UI 界面、视觉调整 | ⚠️ 部分适用 | 快照测试可覆盖，但审美仍需人判断 |
| 探索性原型、一次性脚本 | ❌ 不推荐 | 测试成本高于收益 |
一个实用经验：越”可测”的任务越适合 AI-TDD。纯函数和业务规则是黄金场景，模糊的交互体验建议保留人工判断。
五、常见坑与最佳实践
- 坑 1：测试写成”假测试”。比如断言永远为真，或只测 happy path。AI 生成的测试同样要审查——测试质量直接决定实现质量。
- 坑 2：一次性丢太多需求。把大任务拆成小迭代，每个迭代一个测试批次，AI 才不会迷失方向。
- 坑 3：跳过失败信息。实现失败时，把完整报错栈喂给 AI，而不是只说”不对”。
- 最佳实践：让 AI 先生成测试 → 你快速审测试 → AI 写实现 → 测试全绿后你抽查实现代码。人负责定义”什么是正确”，AI 负责”如何做到正确”。
总结
AI-TDD 不是抛弃 TDD，而是把 TDD 的纪律放大到人机协作中：人写规格、AI 写测试、AI 写实现、测试全绿才算完成。它解决了 AI 编程时代最核心的两个问题——产出不可控和回归无感知。下次用 Claude Code 或 Cursor 干活时，试试先让 AI 写测试。
延伸阅读：想先上手 AI 编程工具，可回看本站的《Claude Code 怎么用？》与《Cursor 怎么用？》教程；想理解 AI 产出如何被客观评估，可阅读《什么是 AI Agent 评测基准？SWE-bench、GAIA 等主流基准全解析》。