应按测试复杂度匹配模型：①低复杂度（单函数）用gpt-5.4-mini+low；②中复杂度（多模块）用gpt-5.3-codex+medium并提供完整签名；③高复杂度（全链路）用gpt-5.5+high且必须启用计划模式。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
编写测试用例时选错模型，会导致生成的断言不覆盖边界条件、mock逻辑错误、甚至无法识别被测函数的真实行为。必须根据测试类型、项目规模和验证深度来匹配模型能力。
先判断测试任务的复杂度
不是所有测试都适合用最强模型。简单单元测试用高配模型反而会过度设计，拖慢响应；而集成测试漏掉关键路径，用轻量模型根本发现不了。
看这三类典型场景：
① 单文件函数级测试（如校验邮箱格式的工具函数）→ 属于【低复杂度】，重点在语法正确、基础分支覆盖；
② 多模块交互测试（如用户登录→权限校验→日志记录链路）→ 属于【中复杂度】，需理解调用关系与副作用；
③ 全链路契约/异常注入测试（如模拟数据库连接中断后服务降级行为）→ 属于【高复杂度】，依赖对框架机制和错误传播路径的深度认知。
按复杂度匹配模型与推理档位
方法一：低复杂度任务 → 用 gpt-5.4-mini + low
这一步操作起来很简单，直接在输入框右下角点模型切换器，选 gpt-5.4-mini，再把推理强度设为 low。它能快速生成带 assert 的基础用例，不深挖隐藏状态。
通过 codex-reset-radar.pages.dev 监控 Codex 使用重置窗口。轮询 current.json，检测窗口开启/关闭、预测等级变化以及概率跳变。
方法二：中复杂度任务 → 用 gpt-5.3-codex + medium
必须提供被测函数所在文件的完整签名和关键注释，否则模型会凭空编造 mock 行为。例如上传 service.py 后，要明确说“请基于第12–18行的 login_user() 函数签名生成测试，注意它依赖 auth_repo 和 logger 实例”。
方法三：高复杂度任务 → 用 gpt-5.5 + high
【切勿跳过计划模式】。先输入“启用计划模式，为订单支付服务编写全链路异常测试”，等 Codex 输出包含“拟 mock 的3个外部依赖”“将触发的5种异常路径”“需验证的4个降级结果”的结构化方案后，再让它执行。跳过这步直接生成代码，90%概率漏掉熔断器状态变更这类关键断言。
特别注意两类易踩坑场景
当你在 Codex CLI 中运行测试生成任务时，如果提示“context limit exceeded”，别急着换模型——先检查是否把整个 src 目录拖进去了。Codex CLI 默认只读取当前命令所在路径下的文件，【上级目录或 node_modules 不会被自动纳入上下文】。应该用 --include 参数显式指定范围，例如 codex test --include ./src/payment --include ./tests/utils。
如果你正在为遗留 Java 项目补测试，且项目使用 Lombok，必须在提示词里写明：“所有实体类使用 @Data 注解，getter/setter 由 Lombok 生成，请勿在测试中手动调用 setXXX()”。否则模型会按传统 Java 写法生成冗余赋值语句，导致编译失败。
