单元测试：覆盖率考的是输入，变异考的是断言

环境：Windows 11 x64；Node v22.19.0（内置 node:test + --experimental-test-coverage，全程没装任何依赖）；GCC 13.1.0 全路径 D:/Qt/Tools/mingw1310_64/bin/g++.exe；Qt 6.9.3 mingw_64。仓库级数字以提交 91028b2 为锚点（49 个提交、90 个跟踪文件、锚点处 53 篇文章、src/utils/post.ts 95 行 12 个导出）。所有实验都在 C:/Users/wangt/AppData/Local/Temp/agents/engineering3/ 里做：被测代码是逐字从 post.ts 按行号抠出来的副本（第 15-19、21-24、26-29、31-36、65-73、75-77 行），仓库文件一行没改，也没跑 npm/npx（总控在构建）。变异矩阵每轮独立跑过两遍，判定序列一致。

一、先承认现实：这个仓库一个测试都没有

检查项	命令	实测
测试文件	`git ls-files \| grep -icE 'test\|spec'`	0
测试依赖	`package.json` 的 `devDependencies`	None（只有 3 个运行时依赖）
CI 里的测试步骤	`deploy.yml` 中所有 `run:`	`['npm ci', 'npm run build']` → 0 条 test/lint/check
本地钩子	`.git/hooks` 里非 `.sample` 的文件	0

所以本仓库的唯一门禁是”能不能构建”。这不是缺陷清单，是这一节的起点：没有测试的项目，问题不是”没测”，而是”哪些代码根本没法定位测什么”。

二、可测试性的判据：这个函数要不要别人给它数据

先看一个真实报错。仓库里唯一的纯逻辑文件是 src/utils/post.ts，我试着直接 import 它：

$ node -e "import('file:///C:/Users/wangt/data/blog/src/utils/post.ts')..."
ERR: ERR_UNSUPPORTED_ESM_URL_SCHEME | Received protocol 'astro:'

第 1 行 import { getCollection } from 'astro:content' 是 Astro 的构建期虚拟模块，Node 认不出来。这个文件里 12 个导出，只有 1 个用到 getCollection，但整份文件因此无法被 import。按”要不要外部给数据”分类：

函数	依赖	直接可测？
`formatDate` `isoDate` `readingMinutes` `tagFolder` `tagHref` + 内部 `utc`	只依赖入参	✅ 6 个（抠出来 31 行、1184 字节，`grep -c astro` = 0）
`getPosts`	`getCollection`（虚拟模块）	❌ 必须注入数据源
`groupByYear` `tagCounts` `postsBySection` `postsInCategory`	只吃 `Post[]` 参数	⚠️ 逻辑可测，但拿不到合法的 `Post` 对象（类型来自 `getPosts` 的返回值）

这就是可测试性设计的全部判据：依赖以参数进来 → 能测；依赖从全局/虚拟模块拿 → 测不了，或者要 mock。第三行那 4 个函数是最典型的浪费——它们本身是纯函数，却因为类型定义挂在一个不可 import 的函数上，连带没法测。

三、30 条断言测出来的不是”对不对”，是”它到底怎么算的”

node --test 的输出（真实）：

1..4
# tests 15
# suites 3
# pass 15
# fail 0
# duration_ms 433.8948

15 个 test 块、30 条 assert.*。断言真正的收益是这批行为被钉住了：

输入	输出	为什么值得写进测试
449 / 450 个汉字	`1` / `2` 分钟	阈值在 450，`Math.round` 半进位
500 个中文标点（`，。：（）`×100）	`1`	标点一个都不计（正则只收汉字与假名）
`汉`×600（行内码）/ ```text…``` 围栏 600 汉字	都是 `1`	代码被整体剥离
只有开头一个 ``` 的围栏	`2`	未闭合的围栏不剥，600 字照算
`2026-10-15T00:30`（本机 UTC+8）	`isoDate → '2026-10-14'`	无时区的时间按本地解析，再取 UTC 日 → 退一天
`'Windows / Win32 编程'`	`'Windows - Win32 编程'`	只换斜杠，空格原样保留进目录名
`CON` / `NUL` / `lpt9` / `Git.`	原样返回	保留名与结尾点号完全没处理

表里”退一天”和”保留名”这两行，是这一节里唯一两个只能靠人判断要不要紧的发现（前者在评审那一节展开）。测试做的是：把它们从”我记得好像是这样”变成”跑一次 434 毫秒就能确认”。

四、覆盖率 100%，缺陷测试 63.6%

覆盖率报告（真实输出）：

# -------------------------------------------------------------
# file           | line % | branch % | funcs % | uncovered lines
# -------------------------------------------------------------
# pure.ts        | 100.00 |    92.86 |  100.00 |
# -------------------------------------------------------------

行 100%、函数 100%、分支 92.86%。听起来很好。于是我做了另一件事：手动往被测代码里植入 11 个缺陷（每个只改一个记号），每改一个就跑一遍那 30 条断言，看它是否变红。

mutant                 round1(15) round2(18)
M1 cjk/300->350        KILLED     KILLED
M2 round->floor        KILLED     KILLED
M3 max(1->0            KILLED     KILLED
M4 不剥围栏            SURVIVED   SURVIVED
M5 词类收窄            SURVIVED   KILLED
M6 day不补零           KILLED     KILLED
M7 UTCDate->Date       KILLED     KILLED
M8 删掉 0x2f           KILLED     KILLED
M9 tag->x              KILLED     KILLED
M10 0x20->0x10         SURVIVED   KILLED
M11 不折叠--           SURVIVED   KILLED
KILLED 7/11 (63.6%)  8.4s   |  KILLED 10/11 (90.9%)  7.3s

一轮 11 次测试运行，全部跑完 8.4 秒（单次 0.36-0.67 秒）。三个必须记住的对比：

指标	第一轮（15 test / 30 断言）	第二轮（18 test / 36 断言）	变化
`pure.ts` 行覆盖	100.00%	100.00%	0
`pure.ts` 分支覆盖	92.86%	93.33%	+0.47 个百分点
变异杀死率	63.6%（7/11）	90.9%（10/11）	+27.3 个百分点

第二轮我只加了 3 个 test 块、6 条断言，而且它们不是随机加的——我把 4 个存活变异体逐个”喂输入”，找能区分原始实现与缺陷实现的值：

M5  -> "don't stop me now "×400：原=8 分钟，缺陷=10 分钟（字符类里的撇号被砍掉，词数翻倍）
M10 -> tagFolder('a\x11b')：原='a-b'，缺陷='a\x11b'（0x11 不在阈值 0x10 以下，漏成控制字符）
M11 -> tagFolder('C++//QT')：原='C++-QT'，缺陷='C++--QT'（连续非法字符没折叠）

结论很清楚：覆盖率考核的是”你的输入有没有踩到每一行”，变异测试考核的是”你的断言能不能分辨两个实现”。前者能自动化、能当门禁，但它对”断言写得松”这件事完全不敏感——M1（把阅读速度 300 改成 350）在真实数据上会让 54 篇文章的时长集体变短，而它被杀掉只是因为刚好有一条 449/450 的边界断言。

那个杀不掉的 M4

M4 删掉了”剥离成对围栏代码块”的那次 replace，两轮都全绿。我第二轮又构造了 4 组输入去区分它：

M4 -> 0 diffs
M5 -> 2 diffs

4 组里包含 ```text + 600 汉字 + ``` 这种正面命中，也包含 400 词量级的长文本，原实现与 M4 的输出一次都没差过。原因是剩下的那次”剥离行内代码”的 replace(/[^]*/g, ”)` 会把三个反引号当成两次配对，顺手把围栏里的正文一起吃掉——在这个输入空间里 M4 是等价变异体。这是变异测试的固有成本：它给的是”断言强度”的下界估计，不是质量分，而且必须有人逐个确认存活体到底是”没测到”还是”测不到”。我没能证明 M4 在任何输入下都不可区分，我只证明了我构造不出能区分的输入。

五、依赖注入的真实成本：一个参数，换来 5 条断言

getPosts 不能测，不是因为逻辑复杂，是因为它自己去拿数据。把它改成注入式（比较器逐字抄 post.ts 第 8-10 行，只把 getCollection 变成参数）：

export type Fetch = () => Promise<Row[]>;
export async function getPostsFrom(fetch: Fetch) {
  const posts = (await fetch()).filter((p) => !p.draft);
  return posts.sort((a, b) => b.date.valueOf() - a.date.valueOf() || a.id.localeCompare(b.id));
}

桩数据是 8 行假记录（2 条草稿、4 条同一天、id 故意乱序）。第一次跑就红了，而且错在我写的期望值：

not ok 2 - 跨天倒序 + 同一天按 id 升序
    Expected values to be strictly deep-equal:
    + actual - expected
      [ 'apple', 'fig', 'kiwi',
    +   'zebra',
        'mango',
    -   'zebra',
        'banana' ]

zebra 是 10-15、mango 是 10-14，倒序时 zebra 在前，我按输入顺序把它排到了后面。改断言、不改实现，第二次：

# tests 5
# pass 5
# fail 0
# duration_ms 385.3864

5 条断言里有一条是专门给”隐式契约”写的：postsBySection 对每个章节做 date 升序 sort，而同一天里谁先谁后完全由 sort 的稳定性决定——我把 1000 条同日期记录丢进去验证保序，V8 12.4（Node 22）实测通过。这类”依赖语言实现而非规范承诺”的行为，正是最该写测试锁死的地方：本仓库锚点上 49 个提交里有大量同一天发布的文章，顺序一变，章节页的阅读次序就变。

六、要不要引框架：先量本机现成的有什么

框架	本机状态（实测）	成本
GoogleTest / Catch2	`pkg-config` 0 命中、Strawberry include 目录 0 命中，要用得联网拉源码	未实测（本轮不联网取依赖）
QtTest（Qt 6.9.3 mingw_64）	头文件与 `Qt6Test.prl` 都在	moc 0.83s + g++ 10.27s，产物 66200 字节
裸 `main` + 手写断言	一直在手边	编译 1.00s，`-static` 产物 76652 字节
`node:test`	Node 22 内置，零安装	全套 30 条断言跑完 434ms

也就是说：选框架的第一个问题不该是”哪个断言宏更顺手”，而是”它的通过/失败能不能用一个返回码表达”。能，则测试立刻变成 bisect 判定、CI 门禁、发布前检查；不能（比如要人看日志），前面这些都白搭。QtTest 那份 2 条断言的用例我编译并运行了：rc=0、0.19 秒退出，但 stdout 是空的（QTEST_APPLESS_MAIN 的汇总行我没抓到，两次尝试都空，原因没继续查）——可用的信号只有退出码，而 QTest 的返回码就是失败数，这恰好是 git bisect run 那种判定脚本要的接口；同理 node --test 的退出码非 0 就能当门禁。

七、把真实数据灌进去，是另一套发现问题的办法

那 54 个 .md（写这一行时的工作区数，锚点 91028b2 处是 53 篇）全部喂进 readingMinutes：

篇数=54
readingMinutes min/中位/max=1/6/10  合计=320 分钟
其中 =1 的篇数=1
汉字数 min/中位/max=406/1586/3176 合计=93094
按"汉字/300 向上取整"直算合计=333 分钟
最长 3 篇=conc-threads-vs-processes.md=10min(3176字), qt6-framework-overview-and-project-setup.md=10min(2200字), c-basics-types-operators.md=9min(2618字)
900+ 字却算出最短的两篇=c-standard-library.md=4min(1406字), c-variadic-and-declarations.md=4min(1221字)

320 vs 333 分钟差 13 分钟，来源就是第三节那两条行为：代码块被剥离 + round 而非 ceil。c-standard-library.md 1406 个汉字只算 4 分钟，因为它是整站代码占比最高的一篇。扫描真实输入不会给你覆盖率，它给你的是分布异常：min=1 只有 1 篇（hello-github-pages.md，406 字），如果哪天有篇长文也显示 1，就知道是剥离逻辑吃了正文。

八、小结

本仓库实测：0 测试文件、0 测试依赖、CI 里 0 条测试步骤、0 个本地钩子，唯一门禁是”能否构建”。
可测试性判据只有一条：数据从参数进来就能测，从虚拟模块/全局拿就不能测。post.ts 12 个导出里 6 个是零依赖纯函数（抠出来 31 行），却整份文件因第 1 行 import 而无法被 Node 加载（实测 ERR_UNSUPPORTED_ESM_URL_SCHEME … 'astro:'）。
覆盖率与断言强度是两件事：30 条断言拿到 100% 行覆盖，只杀掉 11 个植入缺陷中的 7 个（63.6%）；加 3 个”专门针对存活变异体”的测试后，分支覆盖只涨 0.47 个百分点，杀死率涨 27.3 个百分点（10/11）。一轮完整变异测试只要 8.4 秒。
有等价变异体：M4（删掉围栏剥离）两轮全绿、4 组构造输入都区分不出来，因为剩下的行内剥离顺手把围栏内容一起吃掉了。变异分数是找盲点的工具，不是 KPI。
依赖注入的成本是”函数签名加一个参数”，实测换来 5 条断言全绿（385ms）；我自己把期望顺序写错了，是 node:test 打的 actual/expected diff 纠正的——测试第一遍红的时候，先怀疑测试。
未实测的点：GoogleTest/Catch2 的引入成本（本机没有、本轮不联网）、CI 里加 node --test 后的实际门禁耗时、QtTest 的汇总输出为何为空、以及”300 汉字/分钟”这个基数本身是否合理。