Тестирование: как проверять что код работает

Тесты — это автоматические проверки что код делает то что должен. Без них: каждое изменение может сломать что-то другое, и ты не узнаешь об этом пока пользователь не пожалуется.

Зачем тесты вайб-кодеру

Без тестов: добавил новую функцию → сломал старую → узнал от пользователя → стыдно.

С тестами: добавил новую функцию → pytest → видишь что сломалось → правишь сразу.

ИИ пишет тесты хорошо. Попросил — получил. Запускать умеет pytest одной командой.

Минимальный пример

Есть функция:

# utils.py
def calculate_discount(price: float, percent: int) -> float:
    if percent < 0 or percent > 100:
        raise ValueError("Скидка должна быть от 0 до 100")
    return price * (1 - percent / 100)

Тест к ней:

# test_utils.py
import pytest
from utils import calculate_discount

def test_normal_discount():
    assert calculate_discount(1000, 10) == 900.0

def test_zero_discount():
    assert calculate_discount(1000, 0) == 1000.0

def test_full_discount():
    assert calculate_discount(1000, 100) == 0.0

def test_invalid_discount_raises_error():
    with pytest.raises(ValueError):
        calculate_discount(1000, -10)
    
    with pytest.raises(ValueError):
        calculate_discount(1000, 150)

Запуск:

pip install pytest
pytest test_utils.py -v

Вывод:

test_utils.py::test_normal_discount PASSED
test_utils.py::test_zero_discount PASSED
test_utils.py::test_full_discount PASSED
test_utils.py::test_invalid_discount_raises_error PASSED

Как попросить ИИ написать тесты

Самый простой промпт:

Напиши тесты pytest для этих функций:
[вставь код функций]

Покрой:
- нормальные случаи (правильные входные данные)
- граничные значения (ноль, максимум, минимум)
- случаи ошибок (неверные входные данные)

Для более сложного кода:

Напиши тесты для класса [название].
Используй pytest.
Замокай внешние зависимости (базу данных, HTTP-запросы) через unittest.mock.
Покрой минимум 80% кода.

Мокирование: тестируй без реальных API

Когда функция обращается к внешнему сервису — тест не должен делать реальные запросы (медленно, платно, зависит от интернета).

from unittest.mock import patch, MagicMock

def get_weather(city: str) -> dict:
    import requests
    response = requests.get(f"https://api.weather.com/v1/{city}")
    return response.json()

# Тест: мокируем HTTP-запрос
def test_get_weather():
    mock_response = MagicMock()
    mock_response.json.return_value = {"temp": 20, "city": "Moscow"}
    
    with patch("requests.get", return_value=mock_response):
        result = get_weather("Moscow")
    
    assert result["temp"] == 20
    assert result["city"] == "Moscow"

Функция вызывается с реальным кодом, но requests.get заменён на мок — никаких реальных запросов.

Структура тестов в проекте

my-project/
├── bot.py
├── utils.py
├── db.py
└── tests/
    ├── __init__.py
    ├── test_utils.py
    ├── test_db.py
    └── conftest.py    # общие фикстуры

В conftest.py — переиспользуемые объекты для тестов:

# tests/conftest.py
import pytest
import sqlite3

@pytest.fixture
def test_db():
    """Создаёт тестовую БД в памяти"""
    conn = sqlite3.connect(":memory:")
    conn.execute("CREATE TABLE users (id INTEGER PRIMARY KEY, name TEXT)")
    yield conn
    conn.close()

Используешь в тестах:

def test_add_user(test_db):
    test_db.execute("INSERT INTO users (name) VALUES (?)", ("Андрей",))
    cursor = test_db.execute("SELECT * FROM users")
    assert cursor.fetchone()[1] == "Андрей"

Запуск тестов

# Запустить все тесты
pytest

# С подробным выводом
pytest -v

# Конкретный файл
pytest tests/test_utils.py

# Конкретный тест
pytest tests/test_utils.py::test_normal_discount

# Показать покрытие кода
pip install pytest-cov
pytest --cov=. --cov-report=term-missing

Когда тесты особенно важны

• Публичное API — сломаешь endpoint → все клиенты упадут
• Обработка платежей — ошибка в расчёте скидки → финансовые потери
• Авторизация — баг в проверке прав → доступ к чужим данным
• Бот с важной логикой — ошибка в FSM → пользователи зависнут

Для простых скриптов и ботов для личного использования — тесты опционально. Для продакшна с пользователями — обязательны.

TDD: пиши тесты до кода

Test-Driven Development (TDD) — сначала тест, потом код:

1. Пишешь тест который ПРОВАЛИТСЯ (код ещё не написан)
2. Пишешь минимальный код чтобы тест ПРОШЁЛ
3. Рефакторишь код, тест проверяет что ничего не сломалось

С ИИ это работает так:

Мне нужна функция validate_email(email: str) -> bool.
Требования:
- Возвращает True если email валидный
- Возвращает False для: пустой строки, без @, без точки в домене

Сначала напиши тесты (они должны провалиться).
Потом напиши реализацию функции чтобы тесты прошли.

Автоматический запуск при каждом push

Подключи GitHub Actions чтобы тесты запускались автоматически:

# .github/workflows/test.yml
name: Tests

on: [push, pull_request]

jobs:
  test:
    runs-on: ubuntu-latest
    steps:
      - uses: actions/checkout@v3
      - uses: actions/setup-python@v4
        with:
          python-version: "3.11"
      - run: pip install -r requirements.txt pytest
      - run: pytest -v

Теперь при каждом push на GitHub — тесты запускаются. Если что-то упало — видишь сразу (GitHub покажет красный крестик).

---

Что дальше?

Тесты — это страховочная сетка. Добавь CI/CD через GitHub Actions чтобы тесты запускались при каждом push автоматически.