軟體測試最怕的就是「領域知識（Domain Knowledge）缺失」。AI 模型是由語料庫訓練出來的，它懂語法，但它不懂金融法規，也不懂會計對帳原則。

在 Python 或 JavaScript 裡，原生的浮點數（Floating-Point）是遵循 IEEE 754 標準的二進位近似值。

阿姨做夢夢到的，有個新人朋友用 Copilot 寫了處理跨境電商匯率轉換的微服務。AI 爽快地用了 float 來計算美金轉台幣的匯率。結果在處理千筆訂單的小數點四捨五入時，誤差不斷累積。月底對帳，會計氣到發瘋。

在金融與電商系統裡，絕對不允許使用近似值。我們其實可以在 CI 階段，用最嚴格的 Linter 把所有的 Float 操作從商業邏輯層徹底剷除。

1. 靜態分析：全域封殺 Float 操作
   如果你的專案是用 Python，在處理金流的 Service 目錄下，強制規定只能使用 decimal.Decimal。我們可以寫一個自訂的 AST 檢查，或是使用現成的 Linter Plugin

import ast

class FloatBanChecker(ast.NodeVisitor):
    def visit_Float(self, node):
        raise ValueError(f"警告：第 {node.lineno} 行禁止使用浮點數！錢請用 Decimal。")
        
    def visit_Call(self, node):
        if isinstance(node.func, ast.Name) and node.func.id == 'float':
            raise ValueError(f"警告：第 {node.lineno} 行禁止強制轉型為 float！")
        self.generic_visit(node)

2.動態測試：邊界值的屬性測試（Property-based Testing）
不要只寫 10 + 20 這種簡單的測項。導入 Hypothesis 這種屬性測試框架，隨機生成極端的小數點數字狂轟攻擊你的寫的算錢 Function。

from hypothesis import given
from hypothesis.strategies import decimals

@given(price=decimals(min_value="0.01", max_value="9999.99", places=2))
def test_tax_calculation_never_loses_precision(price):
    tax = calculate_tax(price)
    # 如果內部用了 float，這個斷言在遇到特定數字時一定會炸
    assert isinstance(tax, Decimal)