結合 Claude 與基於屬性的測試：Anthropic 如何在 NumPy 與 Pandas 中找出隱藏臭蟲

Anthropic 開發了一款基於 Claude 的 AI 代理，透過自動化推導程式碼屬性並結合**基於屬性的測試（Property-based Testing）**技術，成功在 NumPy、SciPy 和 Pandas 等主流 Python 套件中找出數百個潛在臭蟲。

• 傳統的基於範例的測試往往難以涵蓋所有邊界情況，而基於屬性的測試則是定義程式碼的普遍不變量，並自動生成大量輸入來尋找反例。 • 該 AI 代理透過讀取型別註解、說明文件與註解來提出屬性，並使用 Hypothesis 框架撰寫對應的測試。 • 為了降低誤報率，團隊設計了嚴格的自我反思迴圈，並透過多輪人工專家驗證才向維護者回報臭蟲。 • 實驗顯示，新一代的模型在處理長遠多步驟推理與自我修正時表現更為優異。

確保程式碼沒有臭蟲是軟體工程中最具挑戰性的面向之一，而自動化工具能有效減輕開發者在尋找極端邊界情況時的負擔。