不是让模型一次性生成全部测试，那样质量很差。做法是分三步跑：

第一步，找没覆盖的函数。用 coverage 报告导出未覆盖行，按文件分组。

第二步，一个文件一个会话。给它的输入是：这个文件的源码 + 相邻已存在的测试文件（当风格参考）+ 明确要求「只测纯逻辑，不要 mock 网络」。

第三步，跑测试，失败的当场修。修的时候把报错原文给它，不要转述。

关键在第二步的输入控制：给参考样例比给规范文档有效得多，它模仿风格的能力远强于理解规范的能力。

结果：两周补了 180 多个用例，覆盖率 78%。剩下没覆盖的基本是 IO 和异常分支，模型写出来经常是假测试（mock 了自己的实现），不如手写。

主楼