python-testing

python-testing 技能概览

python-testing 用来做什么

python-testing 技能帮助你用实用的、以 pytest 为先的工作流来设计、编写和审查 Python 测试。它最适合需要清晰测试方案的开发者，而不只是多写一些代码：比如为新功能补测试、提升现有代码覆盖率，或者搭建一个更容易维护的测试套件。

适合谁安装

如果你在使用 Python 项目，并且项目已经使用或可以使用 pytest、TDD、fixtures、mocking、参数化测试或覆盖率检查，那么就适合安装 python-testing 技能。尤其当你希望 agent 稳定地做出测试决策，而不是临场发挥一个泛化 prompt 时，它会更有价值。

它为什么有用

它的核心价值在于结构化：这个技能把测试驱动开发、覆盖率预期和常见 pytest 模式集中到一起。对于重视行为、回归风险和可重复测试设计的人来说，python-testing 技能比一个笼统的“写测试”提示更有用。

如何使用 python-testing 技能

安装并激活 python-testing

先用目录里的安装流程添加这个技能，然后把 agent 指向相关的 Python 代码库和测试目标。一个典型的 python-testing 安装命令是：

npx skills add affaan-m/everything-claude-code --skill python-testing

安装完成后，可以直接提出明确结果，比如“为这个 service 写测试”、“为这个 bug 补回归覆盖”，或者“审查这个测试套件，找出缺失的用例”。

给技能提供正确的输入

python-testing 的使用方式在你提供以下信息时效果最好：

• 要测试的 module 或 package
• 你想验证的行为
• 现有测试框架细节（如果有）
• 约束条件，例如 async 代码、I/O 边界或 mocking 规则

更好的输入示例：为 billing/invoice.py 添加 pytest 测试。覆盖 happy path、无效输入和外部 API 失败。保持测试隔离，避免真实网络调用。

较弱的输入示例：“给我的 app 写测试。”

从正确的文件开始

做 python-testing 指导工作时，先读 SKILL.md，再查看项目的测试目录结构和相关配置。如果仓库内容比较稀疏，就重点看那些定义测试行为的文件：pytest.ini、pyproject.toml、conftest.py，以及被测试的目标模块。目标是在生成新用例之前，先弄清楚测试约定。

能提升输出质量的工作流

采用一个短循环：先定义行为，再请求测试，运行测试，然后继续补边界情况。这个技能在首个提示就给出验收标准、并且输出要根据真实失败结果来检查时，效果最好，而不只是按风格偏好判断。如果你在意覆盖率，就明确说明哪些路径最重要，这样 agent 不会把精力平均分散到低价值分支上。

python-testing 技能常见问题

python-testing 只适用于 pytest 吗？

不是。pytest 是这个技能的核心，但真正有用的是测试策略：如何组织用例、隔离依赖，以及干净地覆盖行为。如果你的项目本来就用 pytest，python-testing 会自然贴合；如果不是，你也仍然可以借鉴它的测试设计思路。

什么时候不该用 python-testing？

如果你只需要一个一次性的玩具示例，或者你的项目采用的是完全不同的测试栈、并且你不想使用 pytest 风格约定，那就不要用 python-testing 技能。它也不适合主要任务是架构设计、文档编写或运行时调试，而不是创建测试的场景。

它适合新手吗？

适合，前提是你已经懂基础 Python 语法。python-testing 技能最有帮助的地方，是给你一个有引导的路径，把“我有代码”推进到“我有有意义的测试”，而不是让你猜边界情况或覆盖优先级。

它和普通 prompt 有什么不同？

普通 prompt 往往会产出比较泛的测试。python-testing 技能会推动 agent 更偏向基于行为的用例、TDD 顺序和覆盖率意识，这通常能为 Skill Testing 和真实应用开发带来更有用的测试。

如何改进 python-testing 技能

明确说明行为和风险

提升 python-testing 结果最快的方法，就是把绝对不能出错的具体行为说清楚。请说明边界情况、错误处理，以及任何需要更强覆盖的关键路径。验收标准越具体，agent 写出空泛测试的概率就越低。

提供周边测试约定

如果你的代码库里已经有 fixtures、helper factories、snapshot 模式或 async 测试规则，在请求修改前把这些背景一起给出来。python-testing 技能在能够匹配现有风格时表现更好，而不是自己发明一套会和仓库冲突的新规则。

先要下一轮测试，不要追求一次到位

一个好的 python-testing 指导工作流是迭代式的：先请求最少但有意义的测试，看到输出后再继续要求补边界情况、重构或覆盖空缺。这样可以让 agent 把注意力放在高价值失败上，而不是过度贴合那些假设性场景。

明确告诉它要避免什么

常见失败包括过度 mocking、断言过弱，以及测试只是在复现实现细节。如果你想要稳定结果，就直接说出来：优先使用行为断言，保持 fixtures 精简，除非测试目标本来就是它们，否则避免网络和文件系统副作用。