DeepSeek如何写单元测试Mock对象_DeepSeek模拟依赖项测试技巧
科技周边小白一枚,正在不断学习积累知识,现将学习到的知识记录一下,也是将我的所得分享给大家!而今天这篇文章《DeepSeek如何写单元测试Mock对象_DeepSeek模拟依赖项测试技巧》带大家来了解一下##content_title##,希望对大家的知识积累有所帮助,从而弥补自己的不足,助力实战开发!
使用Mock对象可隔离DeepSeek开发中的外部依赖:一、unittest.mock.Mock替换客户端;二、pytest-mock简化配置;三、FakeClient类定制行为;四、responses库拦截HTTP请求;五、AsyncMock处理异步调用。

如果您在使用DeepSeek模型进行开发时需要验证代码逻辑的正确性,但又无法直接调用真实依赖项(如外部API、数据库或大模型服务),则需借助Mock对象隔离外部影响。以下是针对DeepSeek相关代码编写单元测试并模拟依赖项的具体操作步骤:
一、使用unittest.mock.Mock替换DeepSeek客户端实例
该方法通过创建一个可配置的Mock对象替代真实的DeepSeek API客户端,使测试不依赖网络请求和实际模型响应,仅关注调用逻辑与参数校验。
1、导入unittest.mock中的Mock类及需要测试的模块。
2、在测试方法中实例化Mock对象,并将其赋值给被测函数所依赖的DeepSeek客户端变量。
3、设置Mock对象的return_value属性为预设的响应字典,例如{"choices": [{"message": {"content": "mocked response"}}]}。
4、调用待测函数并传入测试输入。
5、使用assert_called_with()验证Mock对象是否以预期参数被调用,例如mock_client.chat.completions.create.assert_called_with(model="deepseek-chat", messages=[{"role": "user", "content": "test input"}])。
二、利用pytest-mock插件简化Mock配置
该方式借助pytest-mock提供的mocker fixture,在测试函数作用域内自动管理Mock生命周期,避免手动清理,提升测试可读性与复用性。
1、确保已安装pytest-mock:执行pip install pytest-mock。
2、在测试函数签名中添加名为mocker的参数。
3、调用mocker.patch("module_path.DeepSeekClient"),返回一个可配置的Mock类。
4、对返回的Mock类设置return_value.chat.completions.create.return_value为构造好的响应对象。
5、运行被测函数后,检查其输出是否匹配预期内容,例如断言返回字符串中包含mocked response。
三、构建FakeClient类替代真实DeepSeek客户端
该方法定义一个轻量级伪造客户端类,实现与真实DeepSeek SDK相同的方法签名和返回结构,便于在测试环境中统一注入,同时支持状态跟踪与行为定制。
1、新建FakeDeepSeekClient类,实现chat.completions.create方法。
2、在该方法中根据传入的messages参数返回预设响应,或依据model字段动态切换响应内容。
3、在测试前将FakeDeepSeekClient实例注入到被测模块的依赖位置,例如通过monkeypatch.setattr修改模块级变量。
4、调用业务函数后,检查其是否正确处理了FakeClient返回的{"content": "fake output"}结构。
四、使用responses库拦截HTTP请求并返回模拟响应
该方法适用于未封装SDK、直接通过requests调用DeepSeek REST API的场景,通过拦截指定URL的POST请求并注入JSON响应,实现端到端式Mock。
1、安装responses库:pip install responses。
2、在测试函数中初始化responses.RequestsMock上下文管理器。
3、注册一个匹配DeepSeek API地址(如https://api.deepseek.com/v1/chat/completions)的POST规则。
4、设置该规则的body为JSON格式的模拟响应,headers中指定{"Content-Type": "application/json"}。
5、执行原始HTTP调用后,验证解析结果中是否包含response.choices[0].message.content提取出的字符串。
五、结合pytest-asyncio对异步DeepSeek调用进行Mock
该方法用于测试基于async/await调用DeepSeek API的协程函数,通过mock.AsyncMock替代异步方法,确保await表达式可被正常执行且返回可控结果。
1、确认测试环境支持异步:在pytest配置中启用asyncio模式或使用@pytest.mark.asyncio装饰器。
2、使用AsyncMock创建异步响应对象,例如mock_create = AsyncMock(return_value=mock_response)。
3、将该AsyncMock对象挂载至伪造客户端的chat.completions.create路径下。
4、在测试函数中使用await调用被测协程函数。
5、断言最终输出是否等于预设的"async mocked result"字符串。
今天关于《DeepSeek如何写单元测试Mock对象_DeepSeek模拟依赖项测试技巧》的内容就介绍到这里了,是不是学起来一目了然!想要了解更多关于的内容请关注golang学习网公众号!
Laravel框架Raw怎么用_Laravel框架原生查询性能指南【教程】
- 上一篇
- Laravel框架Raw怎么用_Laravel框架原生查询性能指南【教程】
- 下一篇
- CSS如何平滑切换深色模式背景_利用transition处理color与background
-
- 科技周边 · 人工智能 | 13小时前 |
- Transformers generate 怎样返回每步生成分数并定位异常输出
- 308浏览 收藏
-
- 科技周边 · 人工智能 | 13小时前 | 人工智能 · api设计 · 人工复核 内容审核 Categories Moderation API category_scores
- 内容审核接口返回多标签结果时怎样设计分支
- 160浏览 收藏
-
- 科技周边 · 人工智能 | 13小时前 | 人工智能 · 多模态 · token 视觉模型 detail 多图输入 Vision API
- 视觉模型输入多张图片时怎样控制顺序和细节级别
- 386浏览 收藏
-
- 科技周边 · 人工智能 | 13小时前 | 人工智能 · 提示词缓存 prompt_cache_key 稳定前缀 动态输入
- 提示词缓存怎样拆分稳定前缀和动态输入
- 419浏览 收藏
-
- 科技周边 · 人工智能 | 13小时前 | 多模态输入 Gemini API Files API MIME 类型
- Gemini API 怎样把文件输入和文本提示放在同一请求
- 164浏览 收藏
-
- 科技周边 · 人工智能 | 13小时前 | 人工智能 · padding Transformers tokenizer attention_mask input_ids truncation
- Transformers tokenizer 怎样让 padding 与 truncation 对齐批量输入
- 416浏览 收藏
-
- 科技周边 · 人工智能 | 13小时前 |
- Hugging Face Datasets DatasetDict 跨 train 与 validation 的 map 处理方案
- 267浏览 收藏
-
- 科技周边 · 人工智能 | 13小时前 | 人工智能 · 结构化输出 · JSON Schema Responses API Structured Outputs strict refusal
- 结构化输出怎样约束模型返回 JSON Schema
- 328浏览 收藏
-
- 科技周边 · 人工智能 | 13小时前 | 人工智能 · openai · 工具调用 Responses API function_call_output call_id
- Responses API 怎样处理工具调用后的继续响应
- 156浏览 收藏
-
- 科技周边 · 人工智能 | 13小时前 | 人工智能 · openai · 多轮对话 Responses API conversation state OpenAI API previous_response_id
- Responses API 怎样用上一轮响应继续多轮对话
- 121浏览 收藏
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 1064次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 1064次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 1231次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 1174次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 1014次使用
-
- 量化模型本地推理的显存估算方法
- 2026-10-17 501浏览
-
- 本地大模型反复输出同一句话怎么调整生成参数
- 2026-09-06 501浏览
-
- Python 调用大模型时如何用结构化输出校验 JSON:从解析失败到可重试
- 2026-08-29 501浏览
-
- AI写作工具免费版安装教程(含豆包Clawdbot)
- 2026-05-30 501浏览
-
- WPS AI能自动生成PPT吗?输入主题一键制作演示文稿
- 2026-05-27 501浏览

