pytest

边吃番茄边敲代码

从本地工具到 MCP：给 Agent 接入独立工具服务，并补齐自动化测试最近我在做一个企业知识助手项目。这个 Agent 有三条主要链路：普通对话走 Chat，企业制度和产品文档查询走 RAG，计算和业务数据查询走 Tool Calling。

【Agent开发实习小记】从人工逐条验证到自动化验收：新 API 接入前的效率瓶颈以下内容如有侵权及时告知作者，若有误、纰漏之处可评论反馈。欢迎自由交流讨论！当团队准备接入一个新的第三方 API 服务方时，真正耗时的往往不是“发出第一条请求”，而是确认资料里的能力能否构成一条可用、可解释、可复核的链路。本文复盘一个文档驱动验收 Skill 的设计动机：它从人工接入前验证中来，目标不是替代判断，而是把重复、易遗漏且难复查的部分变成受约束的自动化流程。

pytest 动态报告：数据可视化篇 —— 用 Golang + Echo 打造自动化测试任务可视化平台本文承接前作《pytest 钩子：pytest_report_teststatus 实践》与《pytest 钩子：pytest_collection_finish 实践》。前两篇解决了「数据从哪里来」的问题——通过 pytest 钩子上报用例采集与执行结果；本文聚焦「数据到哪里去」——基于 Golang + Echo 搭建一套前后端服务，对钩子上报的数据做汇总、持久化与可视化，最终形成一份可检索、可下钻、可追溯、可扭转的动态测试报告，让 pytest 的产出真正服务于研发与测试协同。

Codex 实战：用 Git 分支 + pytest 构建可回滚的 AI 开发流程（2026年8月27日）上周我在维护一个 FastAPI 项目时，让 Codex 帮忙重构用户认证模块。任务本身不复杂：把散落在三个文件里的 token 校验逻辑收敛到一个 service 里。Codex 很快给出了修改，测试也通过了。但合并之后，同事发现登录接口的响应时间从 80ms 涨到了 400ms——Codex 在重构时顺手把 Redis 缓存调用改成了每次都查数据库。

【Pytest】2026 学习总结配置：可以改变pytest的默认规则。详见：本章 2.1标记：让用例与众不同，进而可以让用例被(区别/过滤)执行。

Pytest自动化测试框架tep环境变量、fixtures、用例三者之间的关系🍅 点击文末小卡片，免费获取软件测试全套资料，资料在手，涨薪更快tep是一款测试工具，在pytest测试框架基础上集成了第三方包，提供项目脚手架，帮助以写Python代码方式，快速实现自动化项目落地。

小小测试开发

Agent 安全测试：pytest 原生红队框架 RAMPART 实战解析给 LLM Agent 写测试和给普通函数写测试是两回事：同样的输入可能产生不同输出，多轮对话里工具调用会改变系统状态，恶意内容还能藏在文档、邮件、知识库里等你检索。微软开源的 RAMPART（Risk Assessment & Measurement Platform for Agentic Red Teaming，2026年3月发布，仍在高频迭代）把这件事拉回了工程师熟悉的轨道——它本身就是一个 pytest 插件，用 @pytest.mark.harm、@pytest.mark.trial 这些原生

不拘一格的叶三少

Pytest + Playwright 自动化测试工程设计要点 & 目录结构适用：Web UI自动化，支持多环境、多浏览器、PageObject、数据驱动、报告、CI集成，工业后台/管理系统、Web应用都可复用。

努力搬砖的咸鱼

意图理解：让Agent从需求描述自动生成Pytest测试策略前两篇我们搭好了环境，也看到了AI生成Pytest代码的效果，但AI是怎么知道要测什么的？第一篇里，我们直接把除法函数的源代码喂给AI，让它生成测试用例。这种方式叫代码驱动。AI看实现来写测试。

Pytest skip&&skipif跳过⽤例跳过用例：@pytest.mark.skip @pytest.mark.skipifskip和skipif可以标记希望跳过的测试用例。要给跳过的测试添加理由和条件，应当使用skipif。

努力搬砖的咸鱼

AI Agent测试全景图：它到底改变了什么在上一篇中，我们看到了AI生成Pytest用例的效果，对于一个简单的计算函数，Agent在10秒钟内生成了5个测试用例，并且覆盖了正常、异常、边界的场景，这些如果人工手写的话，则要10多分钟，如果你以为AI Agent只是帮你写代码的智能版Copilot，no no no～

自动化流水线提效·微观篇：pytest 执行顺序优化在上一篇流水线提效中我们提到：“用例执行顺序优化"会单独出文章讲解，本文就来填这个坑。当用例数量上千、并发数开到 8 时，经常会遇到一个反直觉现象：并发越高，反而越慢，通过率也变低。根因不在并发本身，而在"用例执行顺序不合理"导致的环境资源争抢。本文从问题定位、方案演进到最终代码实现，一步步讲清如何用一段 20 行的 conftest 钩子把 pytest 用例顺序打散到"文件级”。

Python+Playwright+Pytest+BDD，用FSM打造高效测试框架一、前言在快速迭代以及业务复杂度有所提升的情况下, 传统的脚本, 渐渐显示出维护困难、扩展性欠佳、覆盖不全面等诸多难题。怎样运用更为科学、更为系统的方式去进行复杂业务流程的自动化测试的建模与实现, 这是每一位测试工程师都必定要思考的问题。

小白上线*^_^*

Pytest 自动化测试框架速通指南（二）本文作为上篇 Pytest 零基础速通指南的续篇，在掌握用例编写、命令行执行、基础运行结果解读的前提下，递进讲解 Pytest 五大核心高阶实战能力：测试用例 Mark 标记分类管理、数据驱动参数化、Fixture 夹具前置后置依赖封装、Allure 等第三方插件与企业级可视化测试报告落地，最终结合 Selenium 完成 Web 自动化完整项目实战。全文配套可直接运行的代码案例，解决自动化测试中用例分组执行、多组数据迭代、测试环境复用、缺陷报告输出等企业真实痛点，帮你完整搭建可落地的 Python 自动

pytest的AST 断言重写“AST 断言重写”你平时写 assert result == expected，在 Pytest 底层，这行代码在运行前就被语法树（AST）重写了。 Pytest 把它变成了一段极其复杂的代码，不仅判断结果对不对，还会把 result 和 expected 的每一个属性、每一个变量的值都打印出来。这就是为什么 Pytest 报错时，能给你提供那么丰富、那么详细的上下文信息。

接口自动化之添加商品(pytest)这是一个json文件(additems.json)：这是读取数据的read_data.py

从零深入：基于 Playwright + Pytest + Allure 的企业级 Web 端到端自动化测试框架实战适合人群：测试开发、自动化测试工程师、希望从 Selenium 迁移到 Playwright 的同学、想搭建可落地 E2E 基建的研发团队文章定位：不只讲「怎么跑通」，而是把框架设计、POM、环境配置、失败取证、Allure 报告、Docker/Jenkins CI，以及 AI Skill 辅助写用例整条链路讲透建议阅读时长：30～45 分钟（可作为系列教程骨架一次性收藏）