python-testing-patterns
Créer rapidement des tests Python fiables
Également disponible depuis: ActiveInferenceInstitute
L'écriture de tests Python peut être lente et incohérente entre les équipes. Cette compétence fournit des modèles pytest clairs et des exemples pour accélérer la conception des tests et améliorer la couverture.
Télécharger le ZIP du skill
Importer dans Claude
Allez dans Paramètres → Capacités → Skills → Importer un skill
Activez et commencez à utiliser
Tester
Utilisation de "python-testing-patterns". J'ai besoin de tests pour un service qui appelle une API et met en cache les résultats
Résultat attendu:
- Créer une fixture pour le service avec un cache temporaire
- Mocker le client HTTP et vérifier qu'il est appelé une seule fois
- Ajouter un deuxième test d'appel pour confirmer le comportement en cache
Utilisation de "python-testing-patterns". Écrivez un test pour une fonction de division qui gère le zéro
Résultat attendu:
- Utiliser pytest.raises pour vérifier que ZeroDivisionError est levée
- Ajouter un cas de test pour la division normale
- Vérifier que le message d'erreur correspond au texte attendu
Utilisation de "python-testing-patterns". Comment tester la validation d'email avec de nombreuses entrées
Résultat attendu:
- Utiliser @pytest.mark.parametrize avec des cas de test d'email
- Inclure des exemples valides et invalides
- Exécuter tous les cas avec une seule fonction de test
Audit de sécurité
SûrPure 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.
Facteurs de risque
🌐 Accès réseau (17)
⚙️ Commandes externes (37)
🔑 Variables d’environnement (23)
Score de qualité
Ce que vous pouvez construire
Renforcer les tests unitaires
Appliquer les modèles pytest pour couvrir la logique métier principale avec des tests clairs et maintenables.
Standardiser les suites de tests
Utiliser les fixtures, les marqueurs et la paramétrisation pour construire une infrastructure de test cohérente.
Valider les utilitaires de données
Ajouter des tests unitaires et des vérifications basées sur les propriétés pour les fonctions de traitement de données.
Essayez ces prompts
Écrivez un test pytest simple pour une fonction qui additionne deux nombres utilisant le pattern Arrange Act Assert.
Créez une fixture pytest pour un client de base de données et montrez un test qui l'utilise avec un nettoyage approprié.
Fournissez un exemple pytest qui mocke requests.get et vérifie l'URL et les paramètres.
Montrez comment tester une fonction async et ajoutez un test de propriété Hypothesis pour un utilitaire de chaîne.
Bonnes pratiques
- Garder les tests isolés et nettoyer l'état partagé
- Utiliser les fixtures pour la configuration et le nettoyage réutilisables
- Paramétrer les tests pour couvrir les cas limites avec un minimum de duplication
Éviter
- Partager un état global mutable entre les tests
- Appeler des services externes actifs dans les tests unitaires
- Vérifier plusieurs comportements dans un seul test