Sponsored by APIMart - AI API，99.9% SLA。讓你的 AI 隨時在線。多數模型可省下 20–60% 費用；nanobanana pro API 每次僅需 0.03。

AI 廣告資料庫

Openclaw Skills

PydanticAI 測試技能

適用於 Openclaw 的 PydanticAI 測試技能

一個全面的 PydanticAI agent 測試框架，具有確定性模型、API 錄製和自動快照功能。

anderskev

v1.0.1

Apr 22, 2026

安裝

基本資訊

Skill.md

安裝與下載

1. ClawHub CLI

從來源直接安裝技能的最快方式。


                  npx clawhub@latest install pydantic-ai-testing

2. 手動安裝

將技能資料夾複製到以下位置之一

全域模式

~/.openclaw/skills/

工作區

<project>/skills/

優先級：工作區 > 本地 > 內建

3. 提示詞安裝

將此提示詞複製到 OpenClaw 即可自動安裝。


                  請幫我使用 Clawhub 安裝 pydantic-ai-testing。如果尚未安裝 Clawhub，請先安裝（npm i -g clawhub）。

想要直接下載？

取得包含原生技能檔案的ZIP壓縮檔。

什麼是 PydanticAI 測試技能？

pydantic-ai-testing 技能提供了一套強大的工具，旨在確保 AI agent 的行為可預測且可靠。透過利用 Openclaw Skills 進行測試，開發人員可以擺脫不穩定的 LLM 呼叫，轉向使用專業測試模型和錄製交互的確定性 CI/CD 流水線。

該技能彌合了 LLM 的非確定性特徵與軟體工程嚴格要求之間的鴻溝。它使開發人員能夠 mock 複雜的 agent 行為，驗證工具執行，並透過整合的 pytest 支援和快照測試保持高標準的代码品質。

PydanticAI 測試技能應用場景

在不產生 LLM API 成本或延遲的情況下為 AI agent 建立單元測試。
Mock 特定的工具呼叫序列，以驗證業務邏輯和依賴注入。
透過 VCR cassettes 錄製真實的 LLM 交互，用於回歸測試和偵錯。
使用內聯快照自動更新並針對複雜的 agent 輸出結構進行斷言。
驗證 agent 是否正確處理依賴關係和 mock 資料庫連接。

PydanticAI 測試技能運作原理

開發人員設定 TestModel 或 FunctionModel，以在測試執行期間覆蓋標準的 LLM 提供商。
對於錄製的測試，@pytest.mark.vcr 裝飾器擷取真實的 API 請求並將其儲存到本地 YAML cassettes。
agent.override 上下文管理器將 mock 依賴和測試模型注入到 agent 的執行生命週期中。
在執行期間，框架擷取所有 ModelMessages 和回應，用於執行後檢查和斷言。
斷言針對內聯快照或手動定義的值進行驗證，以確保 agent 的邏輯在代碼更改後保持完整。

PydanticAI 測試技能設定指南

要開始使用這些用於測試的 Openclaw Skills，請確保已安裝 pytest 和 pydantic-ai。在您的 pyproject.toml 中加入以下配置：

[tool.pytest.ini_options]
testpaths = ["tests"]
asyncio_mode = "auto"

使用以下 CLI 命令執行您的測試套件：

# 執行所有測試
uv run pytest tests/test_agent.py -v

# 錄製或重寫 VCR cassettes
uv run pytest --record-mode=rewrite tests/

# 更新內聯快照
uv run pytest --inline-snapshot=fix

PydanticAI 測試技能資料結構與分類體系

該技能透過結構化的檔案系統方法組織測試產物和元數據：

資料類型	儲存位置	格式	描述
VCR Cassettes	`tests/cassettes/*.yaml`	YAML	與 LLM 提供商錄製的 HTTP 交互。
內聯快照	`.py` 檔案內聯	String/Python	直接儲存在原始碼中的預期輸出。
測試日誌	CLI 輸出	文字	訊息部分和工具呼叫的詳細日誌。
依賴 Mock	記憶體中	Python 物件	透過 `agent.override` 注入的 Mock 服務。