Jak testovat AI kód: Kompletní průvodce kvalitou ve vibecoding projektech

Proč je testování AI kódu ještě důležitější než u ručně psaného kódu

AI modely jako Claude, GPT-5 nebo Gemini generují kód s průměrnou přesností 85–92 % podle benchmarku SWE-bench (2025). To znamená, že 8–15 % vygenerovaného kódu obsahuje chyby — od subtilních logických bugů po bezpečnostní zranitelnosti. Na rozdíl od lidského programátora, AI nemá mentální model celé aplikace a může generovat kód, který funguje izolovaně, ale selhává v kontextu celého projektu.

Podle průzkumu Stack Overflow Developer Survey 2025 používá 78 % vývojářů AI asistenty, ale pouze 34 % z nich má systematický proces testování AI-generovaného kódu. Tento gap je hlavní příčinou produkčních bugů v vibecoding projektech.

Testování AI kódu vyžaduje specifický přístup, protože AI má tendenci: generovat „happy path" řešení bez edge cases, ignorovat error handling, vytvářet race conditions v asynchronním kódu a přehlížet výkonnostní dopady.

Typy testů pro vibecoding projekty

Unit testy — základ kvality

Unit testy ověřují jednotlivé funkce a komponenty izolovaně. Ve vibecoding projektech jsou obzvláště důležité, protože AI často generuje utility funkce, které vypadají správně, ale selhávají na okrajových vstupech. Používejte Vitest (rychlejší alternativa k Jest) pro React projekty.

// Příklad: Testování utility funkce generované AI
import { describe, it, expect } from "vitest";
import { formatPrice } from "@/lib/utils";

describe("formatPrice", () => {
  it("formátuje celá čísla bez desetinných míst", () => {
    expect(formatPrice(1000)).toBe("1 000 Kč");
  });
  it("zpracuje nulovou hodnotu", () => {
    expect(formatPrice(0)).toBe("0 Kč");
  });
  it("zpracuje záporné hodnoty", () => {
    expect(formatPrice(-500)).toBe("-500 Kč");
  });
  it("zpracuje undefined bez pádu", () => {
    expect(formatPrice(undefined as any)).toBe("0 Kč");
  });
});

Integrační testy — ověření spolupráce komponent

AI často generuje komponenty, které fungují samostatně, ale nefungují správně dohromady. Integrační testy ověřují, že data tečou správně mezi komponentami, API voláními a databází. Pro React projekty používejte React Testing Library v kombinaci s MSW (Mock Service Worker) pro mockování API.

E2E testy — uživatelská perspektiva

End-to-end testy simulují skutečné uživatelské interakce. Playwright nebo Cypress jsou ideální volbou. Pro vibecoding projekty doporučujeme testovat minimálně: registraci a přihlášení, hlavní business flow (vytvoření, editace, smazání), platební proces a responsivitu na mobilních zařízeních.

Code review strategie pro AI kód

Při review AI-generovaného kódu se zaměřte na tyto oblasti v tomto pořadí priority:

1. Bezpečnost: Kontrolujte SQL injection, XSS, CSRF, správné RLS politiky v Supabase a sanitizaci vstupů. AI často generuje kód bez adekvátní validace.
2. Error handling: Ověřte, že každé API volání má try/catch, loading stavy a uživatelsky přívětivé chybové hlášky.
3. Performance: Hledejte zbytečné re-rendery (chybějící useMemo/useCallback), N+1 query problémy a memory leaky v useEffect.
4. Přístupnost: AI často zapomíná na aria-label, klávesovou navigaci a sémantické HTML elementy.
5. Typová bezpečnost: Zkontrolujte, zda AI nepoužívá any type, zda jsou props správně typované a zda Zod schémata odpovídají API kontraktům.

Automatizace QA pipeline

Pro vibecoding projekty doporučujeme tříúrovňový QA pipeline:

Úroveň 1 — Pre-commit: ESLint + Prettier + TypeScript strict mode. Zachytí 60 % syntaktických a typových chyb automaticky.

Úroveň 2 — CI/CD: Vitest unit testy + integrační testy při každém push. GitHub Actions nebo Vercel preview deployments s automatickým testováním.

Úroveň 3 — Staging: E2E testy na staging prostředí před merge do main. Lighthouse audit pro výkon a přístupnost.

Testování Supabase integrace

Speciální pozornost věnujte testování databázové vrstvy. AI často generuje queries, které fungují bez RLS politik, ale selhávají v produkci. Testujte vždy s anon key (ne service role key) a ověřte, že:

• Uživatel vidí pouze svá data
• INSERT operace správně nastavují user_id
• UPDATE/DELETE operace respektují ownership
• Edge functions validují vstupy a vracejí správné HTTP status kódy

Metriky kvality AI kódu

Sledujte tyto metriky pro kontinuální zlepšování:

• Test coverage: Cílte na 70 %+ pro business logiku, 50 %+ pro UI komponenty
• Bug escape rate: Počet bugů, které proniknou do produkce. Cíl: méně než 2 na sprint.
• AI acceptance rate: Kolik procent AI-generovaného kódu projde code review bez úprav. Průměr v oboru je 45–60 %.
• Mean time to detect (MTTD): Jak rychle odhalíte bug po deployi. Cíl: pod 30 minut s monitoring tools.

Doporučené nástroje pro testování

Pro kompletní testovací stack vibecoding projektu doporučujeme:

• Vitest — Bleskově rychlý test runner kompatibilní s Vite projekty
• React Testing Library — Testování komponent z pohledu uživatele
• Playwright — E2E testy s podporou více prohlížečů
• MSW (Mock Service Worker) — Mockování API na úrovni sítě
• Lighthouse CI — Automatické audity výkonu a přístupnosti
• Sentry — Runtime error monitoring v produkci