模糊测试智能体怎样生成可复现输入？固定随机种子，并保留失败样本

AI 可以提出模糊测试的输入维度，但随机生成不能只跑一次就丢掉。固定种子、保存输入和明确不变量，失败后才能把同一问题交回AI修正。

希望AI辅助检查解析函数边界的开发者。本文使用 Python 3.11 或以上版本的标准库，先验证一组人工构造的小样本。AI 负责提出实现或解释差异，结果由本地检查决定；这里没有把模型回答当成真实运行结果。

生成可复现的解析器模糊样本前，先定规则

本例解析器只接受1到3位ASCII数字。随机输入包括字母、全角数字、负号和空格，成功时应符合格式且数值在0到999。

失败不是程序异常逃逸；它应是预期的ValueError。其它异常必须保存输入并判为测试失败。

固定seed只是可复现条件之一，还需保存Python版本与失败原文。算法实现或运行环境变化可能改变序列。

给 AI 的输入要包含什么

把下面这份输入说明和你的实际样本一起交给可用的 AI 编程助手。示例只含虚构数据；对真实材料先去除账号凭据和个人信息。

为parse_count做seed=7的字符级模糊测试：长度0到5，字符包含ASCII数字、字母、空格、全角数字和负号；成功则格式与范围成立，拒绝只允许ValueError。保存发现的原输入，不把全部拒绝视作失败。

要求模型保留检查条件，并把它认为缺少的业务定义列出来。若回答改变了输入字段、忽略异常分支或直接删除原材料，先要求修正，再运行。提示词的作用是缩小任务范围，验收仍以代码和数据为准。

保存并运行最小验证程序

下方程序把关键规则和验证用例放在同一个可复跑示例中，便于先理解输入如何变成输出，再用它检查 AI 给出的实现。

新建一个空目录，把下面代码保存为 check.py，在该目录打开终端，运行 python -X utf8 check.py。代码自带示例输入，不需要安装第三方库。

import random,re
def parse_count(s):
    if re.fullmatch('[0-9]{1,3}',s) is None: raise ValueError('format')
    return int(s)
rng=random.Random(7)
samples=[''.join(rng.choice('01239a -１') for _ in range(rng.randrange(6))) for _ in range(120)]
def check_samples(parser,values):
    accepted=0; rejected=0; failures=[]
    for s in values:
        expected=re.fullmatch('[0-9]{1,3}',s) is not None
        try:
            n=parser(s)
            if not expected or type(n) is not int or not 0<=n<=999:
                raise AssertionError('accepted input violates contract')
            accepted+=1
        except ValueError as error:
            if expected:
                failures.append({'input':s,'exception':type(error).__name__,'reason':str(error)})
            else: rejected+=1
        except Exception as error:
            failures.append({'input':s,'exception':type(error).__name__,'reason':str(error)})
    return accepted,rejected,failures
accepted,rejected,failures=check_samples(parse_count,samples)
assert accepted+rejected==120 and failures==[]
assert accepted>0 and rejected>0
print('samples',120,'accepted',accepted,'rejected',rejected)
print('seed',7)
# A deliberately wrong implementation demonstrates the failure ledger.
def broken_parser(s): raise RuntimeError('fictional parser bug')
_,_,failed=check_samples(broken_parser,['1'])
from pathlib import Path
from tempfile import TemporaryDirectory
import json
with TemporaryDirectory() as tmp:
    path=Path(tmp)/'failure_samples.json'
    path.write_text(json.dumps({'seed':7,'failures':failed},ensure_ascii=False),encoding='utf8')
    saved=json.loads(path.read_text(encoding='utf8'))
    assert saved['failures'][0]['input']=='1'
    assert saved['failures'][0]['exception']=='RuntimeError'
    print('saved_failure_sample',saved['failures'][0])

怎样判断结果符合要求

样本数为120，accepted加rejected等于120且两类都有出现。分类计数来自本次固定环境运行，不是软件可靠性评分。故意错误的解析器把输入1和RuntimeError写入临时failure_samples.json并读回；真实批次应在受控目录保留这份账本，演示临时目录会自动清理。

下方是这份最小示例在本地执行得到的输出。它验证示例程序与断言的关系，不代表任何 AI 模型一次就能生成同样代码，也不构成性能或生产可靠性结论。

samples 120 accepted 20 rejected 100
seed 7
saved_failure_sample {'input': '1', 'exception': 'RuntimeError', 'reason': 'fictional parser bug'}

如果把int调用放在宽松try中，意外异常可能被当预期拒绝掩盖。捕获异常类型应和契约一致。

随机样本补充人工边界，不能替代确定的最小/最大长度用例。

哪些失败必须停下来处理

随机输入没有覆盖所有Unicode、超长输入或资源消耗；需要根据解析器真实入口扩展维度。

若发现失败但只记录seed，无法在算法变化后可靠重放；保存具体输入与异常更重要。

接入自己的任务前再核对一次

把失败输入缩减成最小复现，再让AI解释违反的不变量。

修复后保留失败输入为固定回归样本，同时继续运行原seed批次。

资料与适用范围

random.Random可创建独立伪随机生成器；固定种子帮助在指定环境重现序列。以下链接核对于 2026-10-03；运行环境及额外依赖按本文前述说明。

• https://docs.python.org/3.11/library/random.html

相关基础可阅读 Cursor 怎么帮代码补测试？先锁定边界用例，再运行回归命令。本文的重点是生成可复现的解析器模糊样本，可以把两项检查作为不同步骤保留。