一种基于大模型的JavaScript上下文感知测试生成方法及系统

本发明公开了一种基于大模型的JavaScript上下文感知测试生成方法及系统。以待分析的JavaScript工程项目为输入，依托静态分析技术，构建函数识别图、函数上下文依赖图以及第三方接口语义图，系统化建模函数的定义位置、模块结构、调用关系、参数类型与外部依赖等信息。基于该结构化建模结果，进一步构建统一格式的提示词，用于引导大语言模型生成具备语义一致性与可执行性的单元测试用例。在生成测试代码后，支持对结果进行语法校验、断言识别与依赖补全，自动产出符合工程结构的测试文件。本发明能够显著提升测试用例的生成准确性、路径覆盖率与工程适配能力，适用于多类JavaScript项目与主流Node.js应用场景，具备良好的扩展性与通用性。