上个月刷到的那篇讲证伪的文章，当时直接划过去了。昨晚又翻出来，看到一点多。
不是看不懂。是看懂了，有点不想承认。
文章开头那个思想实验：一个生物学家说凡是放进冷冻柜的青蛙都会死。然后一批一批地做，十批，一百只，全死了。作者说这仍然证明不了那句话；但第十一批里只要有一只活着，那句话就倒了。
这个不对称我当然知道。Dijkstra 那句「测试只能揭示缺陷的存在，永远无法揭示缺陷的不存在」，我背得出来，还拿它当签名档用了小半个月，用得挺得意。
问题是我背得出这句话，跟我写测试时脑子里在想什么，完全是两回事。
今天下午我把那个小破记账页面的测试翻出来看了一遍。一共十一个。名字大概长这样：
def test_add_expense_returns_200():
def test_delete_removes_item():
def test_total_sums_all_categories():
一眼扫下来，全是「加进去能成」「删掉会少」「加起来对」。全是我心里早就认定它对的情况下，再让机器点一次头。
一个「如果我这个假设是错的，它会以什么方式错」都没问过。
也不能说这些测试没用……只是它们的功能好像不是找错，是让我按下运行键看到一排绿的，然后安心去泡杯茶。
这个认知有点难受。
文章里那个排序函数的例子我盯着看了挺久。作者写了个先 set() 去重再排序的函数，空列表、单元素、一堆普通列表全过。然后反例是 [0, 0]，期望 [0, 0]，实际出来 [0]。
就这么小。小到有点侮辱人。
我第一反应是「这我也会写错吗」，第二反应才是「等下，我是不是写过类似的东西」。
去翻了一下，没找到一模一样的。但翻的过程里，我在那个按类别汇总的函数上停了很久，因为我想不起来如果某一类下面只有一条金额为 0 的记录，我那段代码会给什么。到现在我也没去试。
然后是 Google 那一段。
他们在一个大的 MySQL 环境里，主动把几百个数据库里的一个弄挂了，就为了看会发生什么。几分钟之内一堆依赖服务报错，内外用户进不去，实验当场叫停。
我读了两遍。第二遍不是因为没看懂，是我意识到我从来没主动弄坏过自己的任何东西。
不是不想。是不敢。我那个项目里唯一一份能跑的版本，我连改个变量名都要先复制一份备份，你让我主动把数据库停掉看反应？
Netflix 那段我跳着看的。只记住一个意思：让工程师更频繁地遇到故障，他们才会把服务做得更抗。这话有点狠，我承认我现在做不到。
后面还有一大段讲支付重试的。单元测试集成测试全绿，团队默认「同一个请求重试不会重复扣款」，作者自己构造了「扣款成功但响应超时丢了、客户端重试」这个顺序，结果第二笔真的又扣了一次。
这段我停得最久。我根本没做过支付，谈不上共鸣。停在那儿是因为「所有测试都是绿的，然后假设本身就是错的」这个组合，我太熟了。前阵子那个导出功能就是这么回事，跑了一晚上没报错，第二天打开文件发现只有表头。
……
说回来。文章后面还讲了属性测试、模型检验、fuzzing。模型检验和 fuzzing 我基本跳过了，看不进去，TLA+ 那两个字一出来我脑子就自动关机。
属性测试那段我是真去试了。
它的思路听起来对我这种人有救：不是写「输入 A 应该输出 B」，是写「不管输入什么，输出都得满足某个性质」，然后让工具自己去找违反的。找反例这件事交给机器，我不用自己想。
我照着一个排序的性质，写了这么个东西：
from hypothesis import given
import hypothesis.strategies as st
@given(st.lists(st.integers()))
def test_my_sort(xs):
out = my_sort(xs)
assert out == sorted(out)
assert sorted(out) == sorted(xs)
跑起来了。两秒钟，给我丢了个反例出来。
我第一反应是——「这算反例吗？」
盯着那个输入看了半天，越看越觉得是 hypothesis 自己有问题。然后去翻评论区，发现真有人专门在说这件事：反例得先是真的才算反例，青蛙活着也可能是因为冷冻柜根本没通电；测试变红也可能是 fixture 坏了。作者还回了句，说会把这一层补进文章。
行吧。
我把那段丢给同桌看，它说你这个空列表进来的时候返回的是 None。
就这么个事。Hypothesis 没错，是我错了。
写到这我有点想笑，又有点不想笑。这个错我三天前就该发现，只要我肯花两分钟想一下「输入是空的会怎么样」。我没想。我想的是「这个函数我写得挺清楚的」。
现在的问题是，我知道该往哪个方向改了，但具体怎么改还是夹生的。
比如「输出是输入的排列」这条性质，我是照着文章抄的写法，抄完其实没太想明白它为什么和「输出非递减」要分成两条，合成一条会怎么样。比如我那个函数其实能吃浮点数，但我只给了 integers，那我到底测到了什么？再比如 shrink 之后那个最小的反例，我怎么知道它已经是最小了，工具说最小就最小吗？
这些我一个都没搞明白。
凌晨一点半关编辑器之前，我在那个测试文件最上面加了一行注释：
# 这个文件里的东西，目的不是让它变绿
写完自己觉得有点中二。
但今天早上打开电脑，我第一件事是去翻那个汇总函数，看金额为 0 的时候会怎么样。结果没测出来——我造数据的时候发现页面上压根加不进去 0 块的记录，输入框先把它拦了。所以这到底算不算个问题，我还没想明白。
三周前的我看到这篇文章，大概只会点个赞收藏，然后继续写下一排「能跑就放心」的测试。这么一比，好像也不算毫无进展。
评论区蹲一个大佬，谁懂「性质该怎么写、写到多细算够」这种事，求教教我。这块我是真的夹生。