前言¶
Python 後端和 AI 工程裏，pytest 幾乎是默認的單元測試棧。實際寫測試時，常見問題不是「不會 import pytest」，而是 fixture 生命週期、conftest.py 共享、parametrize 與 marker 的用法，以及 mock 該 patch 哪條路徑。把這些交給通用對話，助手容易寫出能跑但不像團隊習慣的代碼：濫用 unittest 風格斷言、全局狀態、或缺少 teardown。
下面介紹 TestMu AI（原 LambdaTest）在 agent-skills 倉庫中提供的 pytest-skill：一份面向 AI 編碼助手的 Skill，用來生成帶 fixtures、parametrize、markers、mock 與 conftest 模式的 pytest 測試。它與 Python 後端、AI 工程的主流測試棧對齊，在同類 Agent Skill 裏覆蓋的開發者面較廣。
這是什麼¶
pytest-skill 是 category 爲 unit-testing、語言爲 Python 的 Agent Skill，MIT 許可，metadata 標註作者爲 TestMu AI、版本 1.0。
官方描述概括爲：生成生產級（production-grade）pytest 測試，涵蓋 fixtures、parametrize、markers、mocking 與 conftest 模式。建議在用戶提到 pytest、conftest、@pytest.fixture、@pytest.mark、Python test 等場景時使用；觸發詞包括：pytest、conftest、Python test、parametrize、Python unit test。
Skill 本體位於倉庫路徑 pytest-skill；更深層的生產模式說明在同目錄下的 reference/playbook.md（資料中列出配置、fixtures、parametrize、mocking、async、異常、markers、CI/CD、排錯與 checklist 等章節）。
核心功能¶
Skill 文檔把 pytest 寫法整理成可直接參照的模式，並附帶反模式對照與命令速查。
基礎測試與斷言¶
支持函數式測試、類分組測試，以及 pytest.raises 校驗異常。斷言側強調原生 assert（配合 pytest 斷言重寫）、pytest.approx 浮點比較、以及 pytest.raises 的 match 與 exc_info。
Fixtures 與 conftest¶
文檔示例包括：普通 fixture、yield 後 teardown（數據庫 rollback/close）、scope="module"、以及在 conftest.py 裏用 autouse=True 做共享重置。反模式表明確建議：不要用 self.assertEqual()，而用 assert；不要在 __init__ 裏做 setup，而用 @pytest.fixture；避免裸全局狀態，而用帶 yield 的 fixture 做清理。
Parametrize 與 Markers¶
@pytest.mark.parametrize 用於多組輸入輸出；markers 示例包含 slow、skip、skipif、xfail 等常見標記。
Mocking¶
示例覆蓋 unittest.mock 的 patch/MagicMock，以及 pytest-mock 的 mocker.patch、對 HTTP 響應的 mock 等。
項目配置與運行¶
pyproject.toml 片段展示 [tool.pytest.ini_options]：testpaths、markers 註冊、addopts 等。
Quick Reference 彙總常用命令，例如：
| 任務 | 命令 |
|---|---|
| 跑全部 | pytest |
| 指定文件 | pytest tests/test_login.py |
| 指定用例 | pytest tests/test_login.py::test_login_success |
| 按 marker | pytest -m slow |
| 按關鍵字 | pytest -k "login and not invalid" |
| 覆蓋率 | pytest --cov=myapp --cov-report=html |
| 並行 | pytest -n auto（需 pytest-xdist） |
reference/playbook.md 進一步覆蓋 pytest.ini / pyproject 配置、async（pytest-asyncio）、CI（如 GitHub Actions matrix）、以及調試與生產 checklist 等，適合需要「一整套工程習慣」而不僅是單文件示例時使用。
安裝與啓用¶
pytest-skill 隨 LambdaTest/agent-skills 發佈。父倉庫說明：通過 Node.js / npm 運行安裝器 npx agentskillsforall，並配合 TestMu AI 賬號憑證（LT_USERNAME、LT_ACCESS_KEY 環境變量）。完整步驟見 TestMu AI Agent Skills 文檔。
安裝單個 Skill 的示例如下（父倉庫 README 以 selenium、playwright、cypress 爲例；pytest-skill 使用同一機制，將 --skill 換爲 pytest-skill）：
npx agentskillsforall add https://github.com/LambdaTest/agent-skills.git --skill pytest-skill
瀏覽倉庫內全部 Skill：
npx agentskillsforall list https://github.com/LambdaTest/agent-skills.git
憑證示例（Linux / macOS）：
export LT_USERNAME="YOUR_USERNAME"
export LT_ACCESS_KEY="YOUR_ACCESS_KEY"
父倉庫寫明支持 Claude Code、GitHub Copilot、Cursor、Gemini CLI 等 AI 編碼助手；各 IDE/CLI 在 Skill 目錄掛載方式可能不同，以 TestMu AI 官方文檔爲準。啓用後，在對話裏自然提及 pytest、conftest、parametrize 等，即可對齊 Skill 的觸發條件。
典型用法¶
安裝並配置憑證後，可直接用自然語言描述測試需求，例如：爲某個 Python 模塊補充帶 fixture 的單元測試、爲 API 層寫 mock 掉 requests.get 的用例、或在 conftest.py 里加 autouse 的狀態重置。Skill 內嵌的模式會約束生成結果更接近文檔中的「Good」列。
本地若只需對照模式手寫或審閱 AI 輸出，也可直接打開 Skill 倉庫中的示例片段。例如 parametrize：
@pytest.mark.parametrize("input,expected", [
("hello", 5), ("", 0), ("pytest", 6),
])
def test_string_length(input, expected):
assert len(input) == expected
fixture 與 teardown：
@pytest.fixture
def db_connection():
conn = Database.connect("test_db")
yield conn
conn.rollback()
conn.close()
項目級 pytest 配置：
[tool.pytest.ini_options]
testpaths = ["tests"]
markers = ["slow: slow tests", "integration: integration tests"]
addopts = "-v --tb=short"
運行側仍使用本機已安裝的 pytest；並行與覆蓋率命令見上文 Quick Reference。
適用場景與注意¶
適合誰：維護 Python 服務、庫或 AI 應用代碼、希望助手生成的測試默認符合 pytest 慣例（fixture 作用域、conftest、marker 註冊、mock 路徑）的團隊或個人。
限制與注意：
- Skill 指導的是測試代碼形態與模式，不替代你在倉庫裏安裝 pytest 及插件（如
pytest-mock、pytest-xdist、pytest-asyncio）。 - 通過
agentskillsforall安裝流程與 TestMu AI 賬號綁定，屬於 TestMu AI Agent Skills 生態的一部分；若僅需要靜態參考，可直接閱讀 GitHub 上的 SKILL.md 與reference/playbook.md。 - Mock 示例中的模塊路徑（如
myapp.email.smtplib）需與你項目包結構一致，生成後仍要按實際 import 路徑調整。 - 資料未單獨列出 pytest-skill 與雲測執行能力的綁定；E2E 或雲端執行其他框架時，父倉庫另有 selenium-skill、playwright-skill 等，勿與單元測試 Skill 混爲一談。
結尾¶
pytest-skill 把 pytest 的核心寫法、反模式、命令速查和更深層的 playbook 收進一份 Agent Skill，讓 Cursor 等助手在「寫 Python 測試」時有統一參照。若你已在用 pytest 做後端或 AI 工程的質量門禁，可以把它當作生成與評審測試代碼的默認約束。
官方目錄：https://github.com/LambdaTest/agent-skills/tree/main/pytest-skill
