从零构建高效skill测试用例：新手避坑指南与最佳实践

共计 1779 个字符，预计需要花费 5 分钟才能阅读完成。

为什么我的测试用例总在半夜崩溃？

刚开始写 skill 测试用例时，我经常遇到这些场景：

• 修改一个请求参数，需要手动修改 20 个重复测试方法
• 凌晨 3 点 CI 突然报警，发现是因为测试数据被上个用例篡改
• 明明线上出过故障的异常分支，测试用例里居然没有覆盖

这些问题背后，往往是因为我们忽略了测试代码的工程化设计。下面分享一套经过实战检验的解决方案。

三层架构：让测试代码也能优雅成长

1. 用例层（TestCase）

负责测试逻辑描述，就像产品需求文档。这里应该只有测试场景描述和断言，所有的具体实现都下沉到其他层。

2. 数据层（TestData）

用 YAML 管理测试数据比硬编码更灵活，例如：

# tests/data/weather_skill.yaml
normal_case:
  input: "上海天气"
  expected: "上海今天晴转多云"
error_case:
  input: "12345 天气"
  expected: "请输入有效城市名"

3. 工具层（TestUtils）

封装公共操作，比如：

# tests/utils/api_mocker.py
def mock_weather_api(city, response):
    patcher = unittest.mock.patch('weather.get_forecast')
    mock_get = patcher.start()
    mock_get.return_value = response
    return patcher

数据驱动：用 Excel 思维写测试

unittest 的 subTest+ 参数化比复制粘贴香多了：

class TestWeatherSkill(unittest.TestCase):
    @classmethod
    def setUpClass(cls):
        cls.test_data = load_yaml('weather_skill.yaml')  # 加载所有测试数据

    def test_weather_scenarios(self):
        for case_name, data in self.test_data.items():
            with self.subTest(case=case_name):
                # 每个子用例独立运行
                result = process_user_input(data['input'])
                self.assertEqual(result, data['expected'])

异常测试：给你的代码挖坑

用 unittest.mock 模拟各种异常情况：

def test_api_timeout(self):
    # 让接口总是超时
    with unittest.mock.patch('requests.get', 
                           side_effect=requests.Timeout) as mock_get:
        response = fetch_remote_data()
        self.assertIsNone(response)
        self.assertEqual(mock_get.call_count, 3)  # 验证重试逻辑 

这些坑我帮你踩过了

1. 测试数据隔离

每次测试前重置数据库状态：

def setUp(self):
    self._clean_db()
    self.addCleanup(self._clean_db)  # tearDown 时也会执行 

2. 异步操作测试

用事件循环确保异步任务完成：

async def test_async_operation(self):
    task = asyncio.create_task(async_process())
    await asyncio.wait_for(task, timeout=1.0)
    self.assertTrue(task.done())

3. CI 环境适配

在 pipeline 中加入缓存清理：

# .gitlab-ci.yml
test_job:
  script:
    - find . -name '__pycache__' -exec rm -rf {} +
    - python -m pytest

进阶挑战：让你的测试更专业

1. 用 pytest 重写用例，体验更简洁的 fixture 系统
2. 生成 HTML 覆盖率报告：pytest-cov --cov-report html
3. 尝试属性测试（hypothesis 库）自动生成边界用例

最后提醒：好的测试用例应该像侦探小说，明确交代犯罪现场（测试数据）、作案手法（测试步骤）、和破案关键（断言）。你现在准备好写出你的测试推理小说了吗？