Um kit de ferramentas especializado para testar workflows e activities do Temporal usando pytest, time-skipping e validação de determinismo.
Instalar e Baixar
1. ClawHub CLI
A maneira mais rápida de instalar uma habilidade diretamente do registro.
npx clawhub@latest install fix-build-agentops-temporal-python-testing
2. Instalação Manual
Copie a pasta da habilidade para um desses locais
~/.openclaw/skills/ <project>/skills/ Prioridade: Espaço de Trabalho > Local > Integrado
3. Instalação do Prompt
Copie este prompt para o OpenClaw para instalá-lo automaticamente.
Ajude-me a instalar o fix-build-agentops-temporal-python-testing usando o Clawhub. Se o Clawhub não estiver instalado, instale-o primeiro (npm i -g clawhub).
Prefere baixar?
Obtenha os arquivos originais da habilidade em um arquivo ZIP.
O que é Testes com Temporal Python?
O Temporal Python Testing é um framework abrangente projetado para garantir a confiabilidade e o determinismo de workflows de longa duração. Ao aproveitar as Openclaw Skills em seu pipeline de desenvolvimento, você pode implementar estratégias de teste sofisticadas que variam de testes unitários isolados a cenários complexos de integração envolvendo dependências externas simuladas.
A skill foca na filosofia central de revelação progressiva, permitindo que os desenvolvedores acessem recursos específicos para testes unitários, mocking de activities e testes de replay. Isso garante que workflows de meses possam ser validados em segundos, mantendo a estrita adesão aos requisitos de determinismo do Temporal, visando, em última análise, uma meta de cobertura pronta para produção de 80% ou mais.
Casos de uso do Testes com Temporal Python
- Testes unitários de workflows com time-skipping avançado para feedback quase instantâneo em lógicas de longa duração.
- Testes de integração para validar orquestrações complexas de múltiplas activities com serviços externos simulados.
- Testes de replay para evitar que alterações não determinísticas quebrem históricos de execução de workflows em produção.
- Configuração de ambientes de desenvolvimento local usando Docker e pytest para iteração rápida.
- Integração automatizada em pipelines de CI/CD para aplicar gates de qualidade e cobertura de lógica.
Como o Testes com Temporal Python funciona
- Inicialize um WorkflowEnvironment usando time-skipping para ignorar atrasos do mundo real durante a execução.
- Configure fixtures do pytest para gerenciar o ciclo de vida do servidor de teste do Temporal e dos client workers.
- Execute workflows isoladamente ou com activities simuladas para verificar caminhos lógicos específicos e casos de borda.
- Utilize o ActivityEnvironment para testar funções de activity individuais sem exigir a sobrecarga de um workflow completo.
- Execute testes de Replay contra históricos JSON de produção exportados para garantir que o novo código permaneça compatível com o estado existente.
Configuração do Testes com Temporal Python
Para integrar isso ao seu workflow, certifique-se de ter o Temporal Python SDK e o pytest instalados. Estas Openclaw Skills requerem um ambiente Python funcional.
pip install temporalio pytest pytest-asyncio
Configure seu conftest.py para incluir as fixtures de teste padrão do Temporal para gerenciamento de ambiente.
Esquema de Dados e Taxonomia de Testes com Temporal Python
A skill organiza seus recursos de teste em uma taxonomia estruturada para revelação progressiva:
| Recurso | Caminho do Arquivo | Área de Foco |
|---|---|---|
| Testes Unitários | resources/unit-testing.md |
Time-skipping, WorkflowEnvironment e testes de isolamento |
| Integração | resources/integration-testing.md |
Mocking de activity, injeção de erros e validação de sinal/query |
| Replay | resources/replay-testing.md |
Verificações de determinismo e validação de histórico de produção |
| Configuração Local | resources/local-setup.md |
Docker Compose e configuração de ambiente |
Recursos avançados do Testes com Temporal Python
- Padrões de avanço manual de tempo para controle granular sobre lógica temporal.
- Padrões de injeção de erro para simular falhas de rede ou timeouts de serviços downstream.
- Replay de histórico de produção para proteger contra alterações que quebrem sistemas distribuídos.
- Suporte a multi-agentes para simular interações complexas de sinal/query entre workflows concorrentes.
SKILL.md
Carregamento
Habilidades relacionadas do Openclaw
Kit de Ferramentas de Quimioinformática RDKit
Uma biblioteca poderosa de quimioinformática para análise molecular, manipulação e cálculo de propriedades dentro de fluxos de trabalho de IA.
Especialista em Testes de API End-to-End
Um assistente de teste de API de nível profissional projetado para ambientes corporativos, oferecendo compreensão automatizada de documentação, isolamento de vários usuários e auditorias de segurança profundas.
Web Fetch Fallback
Um mecanismo de fallback robusto que usa curl para recuperar conteúdo web quando ferramentas de busca padrão são restringidas por regras de segurança de IP privado ou interno.
Construir Perfil do Usuário
Um sistema automatizado para criar e manter um perfil de usuário persistente para personalizar as interações do AI agent e a colaboração técnica.
Darwin Skill Optimizer
Um otimizador de habilidades autônomo que utiliza algoritmos de hill-climbing e avaliações de 8 dimensões para melhorar iterativamente o desempenho de agentes de IA.
Editor de Vídeo do YouTube
Uma ferramenta de edição de vídeo orientada por AI que transforma filmagens brutas em arquivos MP4 1080p prontos para o YouTube através de comandos de texto simples.
Apresentou*
