python-testing-patterns
Zuverlässige Python-Tests schnell erstellen
Auch verfügbar von: ActiveInferenceInstitute
Das Schreiben von Python-Tests kann langsam und inkonsistent zwischen Teams sein. Diese Fähigkeit bietet klare pytest-Muster und Beispiele, um das Testdesign zu beschleunigen und die Abdeckung zu verbessern.
Die Skill-ZIP herunterladen
In Claude hochladen
Gehe zu Einstellungen → Fähigkeiten → Skills → Skill hochladen
Einschalten und loslegen
Teste es
Verwendung von "python-testing-patterns". Ich brauche Tests für einen Dienst, der eine API aufruft und Ergebnisse zwischenspeichert
Erwartetes Ergebnis:
- Ein Fixture für den Dienst mit einem temporären Cache erstellen
- Den HTTP-Client mocken und überprüfen, dass er einmal aufgerufen wird
- Einen zweiten Aufruf-Test hinzufügen, um das zwischengespeicherte Verhalten zu bestätigen
Verwendung von "python-testing-patterns". Schreibe einen Test für eine Divisionsfunktion, die Null behandelt
Erwartetes Ergebnis:
- pytest.raises verwenden, um zu überprüfen, dass ZeroDivisionError ausgelöst wird
- Einen Testfall für normale Division hinzufügen
- Überprüfen, dass die Fehlermeldung dem erwarteten Text entspricht
Verwendung von "python-testing-patterns". Wie teste ich E-Mail-Validierung mit vielen Eingaben
Erwartetes Ergebnis:
- @pytest.mark.parametrize mit Test-E-Mail-Fällen verwenden
- Gültige und ungültige Beispiele einbeziehen
- Alle Fälle mit einer einzelnen Testfunktion ausführen
Sicherheitsaudit
SicherPure documentation skill containing only instructional examples for Python testing patterns. No executable code, scripts, or network operations in the skill logic itself. Static findings are false positives from example code blocks in documentation.
Risikofaktoren
🌐 Netzwerkzugriff (17)
⚙️ Externe Befehle (37)
🔑 Umgebungsvariablen (23)
Qualitätsbewertung
Was du bauen kannst
Unit-Tests verstärken
Pytest-Muster anwenden, um Kerngeschäftslogik mit klaren, wartbaren Tests abzudecken.
Testsuiten standardisieren
Fixtures, Marker und Parametrisierung verwenden, um konsistente Testinfrastruktur zu erstellen.
Daten-Dienstprogramme validieren
Unit-Tests und eigenschaftsbasierte Prüfungen für Datenverarbeitungsfunktionen hinzufügen.
Probiere diese Prompts
Schreibe einen einfachen pytest-Test für eine Funktion, die zwei Zahlen addiert, unter Verwendung des Arrange-Act-Assert-Musters.
Erstelle ein pytest-Fixture für einen Datenbank-Client und zeige einen Test, der es mit korrektem Teardown verwendet.
Gib ein pytest-Beispiel, das requests.get mockt und die URL und Parameter überprüft.
Zeige, wie eine asynchrone Funktion getestet wird, und füge einen Hypothesis-Eigenschaftstest für ein String-Dienstprogramm hinzu.
Bewährte Verfahren
- Tests isoliert halten und gemeinsamen Zustand aufräumen
- Fixtures für wiederverwendbares Setup und Teardown verwenden
- Tests parametrisieren, um Randfälle mit minimaler Duplizierung abzudecken
Vermeiden
- Veränderlichen globalen Zustand über Tests hinweg teilen
- Live-Externe Dienste in Unit-Tests treffen
- Viele Verhaltensweisen in einem Test überprüfen