LangGraph 代码助手测试指南

📋 目录

快速开始
测试模式
Mock 测试
端到端测试
测试架构
故障排查

🚀 快速开始

最简单的方式 - Mock 测试（推荐）

不需要任何外部服务（Redis, LLM服务器等），使用 mock 模拟所有响应：

# 直接运行 mock 测试
python run_tests.py --mode mock

# 或者运行演示
python run_tests.py --mode demo

使用 PyTest

# 安装 pytest（如果未安装）
pip install pytest pytest-asyncio

# 运行 pytest 测试套件
python run_tests.py --mode pytest

# 或直接使用 pytest
pytest test_main_integration.py -v -s

🎭 测试模式

1. Mock 模式（默认，推荐）

优点:

✅ 不需要任何外部服务
✅ 快速执行
✅ 可靠且可重复
✅ 适合开发和 CI/CD

运行:

python run_tests.py --mode mock

测试内容:

✓ 单个 Coder 节点
✓ 所有节点（Coder, Debugger, Checker, Tool）
✓ 完整工作流

2. Demo 模式

快速演示各个节点的功能：

python run_tests.py --mode demo

3. PyTest 模式

使用 pytest 框架运行结构化测试：

python run_tests.py --mode pytest

4. 端到端模式

使用真实服务进行完整测试（需要所有服务运行）：

python run_tests.py --mode e2e

🎪 Mock 测试详解

Mock 组件

测试套件包含以下 mock 组件：

MockMessageQueueClient - 模拟 Redis/RabbitMQ
- 自动响应请求
- 模拟各个服务的响应
- 无需真实消息队列
MockSystemMonitor - 模拟监控系统
- 记录请求
- 健康检查
- 生成监控数据
模拟的 LLM 响应
- Coder: 根据问题生成不同的代码
- Debugger: 模拟调试结果
- Checker: 模拟验证结果
- Tool: 模拟代码执行

Mock 响应示例

Coder Mock 响应

问题中包含 "RAG" 或 "retrieval" 时：

{
    "prefix": "A RAG chain implementation using LCEL",
    "imports": "from langchain_core.prompts import ChatPromptTemplate\n...",
    "code": "# Build RAG chain\nrag_chain = prompt | model | parser"
}

问题中包含 "add" 或 "sum" 时：

{
    "prefix": "Simple addition function",
    "imports": "",
    "code": "def add_numbers(a, b):\n    return a + b"
}

Debugger Mock 响应

{
    "has_errors": False,
    "error_info": "",
    "message": "No errors found in code"
}

Checker Mock 响应

{
    "is_valid": True,
    "message": "Code meets all requirements",
    "errors": [],
    "requirements_met": ["All requirements satisfied"],
    "requirements_missing": []
}

🔄 端到端测试

前提条件

需要以下服务运行：

Redis (localhost:6379)

# 使用 Docker 启动 Redis
docker run -d -p 6379:6379 redis:latest

# 或使用本地 Redis
redis-server

LLM 模拟服务器 (localhost:8000)

python simple_llm_server.py

Agent 服务

# Coder Service (localhost:8001)
python local_llm_service_restful.py --service coder --port 8001 --llm-url http://localhost:8000

# Checker Service (localhost:8002)
python local_llm_service_restful.py --service checker --port 8002 --llm-url http://localhost:8000

# Debugger Service (localhost:8003)
python local_llm_service_restful.py --service debugger --port 8003 --llm-url http://localhost:8000

运行端到端测试

python run_tests.py --mode e2e

服务检查

测试脚本会自动检查所有必需服务：

✅ Redis (localhost:6379) 正在运行
✅ LLM Server (localhost:8000) 正在运行
✅ Coder Service (localhost:8001) 正在运行
✅ Checker Service (localhost:8002) 正在运行
✅ Debugger Service (localhost:8003) 正在运行

🏗️ 测试架构

组件层次

┌─────────────────────────────────────────┐
│      Main LangGraph Application        │
│         (main_langgraph.py)            │
└────────────────┬────────────────────────┘
                 │
      ┌──────────┴──────────┐
      │                     │
┌─────▼─────┐        ┌──────▼──────┐
│  Workflow │        │   Message   │
│   Nodes   │◄───────┤    Queue    │
└─────┬─────┘        └──────┬──────┘
      │                     │
      │              ┌──────▼──────┐
      │              │   Services  │
      │              │  (Coder,    │
      │              │  Debugger,  │
      │              │  Checker,   │
      │              │  Tool)      │
      │              └─────────────┘
      │
┌─────▼─────────────────────────────┐
│        Mock Components            │
│  - MockMessageQueueClient         │
│  - MockSystemMonitor              │
│  - Mock LLM Responses             │
└───────────────────────────────────┘

测试流程

单节点测试
- 测试每个节点独立功能
- 验证输入输出格式
- 检查错误处理
多节点测试
- 测试节点间协作
- 验证状态传递
- 检查数据流
完整工作流测试
- 测试端到端流程
- 验证最终结果
- 检查性能指标

🧪 测试用例

测试 1: Coder 节点生成代码

async def test_coder_node_generates_code():
    state = GraphState(
        messages=[("user", "How do I build a RAG chain?")],
        ...
    )
    result = await coder_node.generate_code(state)
    assert result["code_solution"]["code"]

测试 2: Debugger 节点调试代码

async def test_debugger_node():
    state = GraphState(
        code_solution={"code": "def test(): pass"},
        ...
    )
    result = await debugger_node.debug_code(state)
    assert "generation" in result

测试 3: Checker 节点验证代码

async def test_checker_node():
    state = GraphState(
        messages=[("user", "Create calculator")],
        code_solution={"code": "def calc(): pass"},
        ...
    )
    result = await checker_node.check_code(state)
    assert result["validation_result"]["is_valid"]

测试 4: 完整工作流

async def test_complete_workflow():
    initial_state = GraphState(
        messages=[("user", "Create add function")],
        ...
    )
    result = await workflow.ainvoke(initial_state)
    assert result["code_solution"]

📊 测试输出示例

成功的测试运行

🔬 ============================================================
🔬  开始运行集成测试套件
🔬 ============================================================

============================================================
测试 1: 单个 Coder 节点
============================================================

📊 结果:
  - 错误状态: no
  - 迭代次数: 1
  - 代码前缀: A simple Python function
  - 代码内容: def hello_world():...

✅ 单节点测试完成

============================================================
测试 2: 所有节点
============================================================

1️⃣  测试 Coder 节点...
   ✓ 生成代码: A RAG chain implementation using LCEL

2️⃣  测试 Debugger 节点...
   ✓ 调试结果: {'has_errors': False, ...}

3️⃣  测试 Checker 节点...
   ✓ 验证结果: True

4️⃣  测试 Tool 节点...
   ✓ 执行结果: {'success': True, ...}

✅ 所有节点测试完成

============================================================
测试 3: 完整工作流
============================================================

🚀 执行工作流...

📊 工作流结果:
  - 会话ID: workflow_test
  - 迭代次数: 1
  - 错误状态: no

💻 生成的代码:
  前缀: Sample Python code
  导入: 
  代码:
def hello_world():
    print('Hello, World!')
    return 'Hello, World!'

✅ 工作流测试完成

🎉 ============================================================
🎉  所有测试通过！
🎉 ============================================================

🔧 故障排查

问题 1: 导入错误

错误:

ModuleNotFoundError: No module named 'langgraph'

解决:

pip install langgraph langchain-core

问题 2: Redis 连接失败

错误:

redis.exceptions.ConnectionError

解决:

使用 mock 模式: python run_tests.py --mode mock
或启动 Redis: redis-server 或 docker run -d -p 6379:6379 redis

问题 3: pytest 未安装

错误:

ModuleNotFoundError: No module named 'pytest'

解决:

pip install pytest pytest-asyncio

问题 4: 端口被占用

错误:

Address already in use: 8000

解决:

# 查找占用端口的进程
lsof -i :8000

# 终止进程
kill -9 <PID>

📦 依赖安装

最小依赖（仅运行 mock 测试）

pip install langgraph langchain-core

完整依赖（运行所有测试）

pip install -r requirements.txt

requirements.txt 内容:

langgraph>=0.1.0
langchain-core>=0.1.0
redis>=4.0.0
pika>=1.3.0
fastapi>=0.104.0
uvicorn>=0.24.0
pydantic>=2.0.0
pytest>=7.4.0
pytest-asyncio>=0.21.0
aiohttp>=3.9.0
requests>=2.31.0
psutil>=5.9.0
prometheus-client>=0.19.0

🎯 推荐工作流

开发阶段

使用 mock 模式快速迭代

python run_tests.py --mode mock

验证单个功能

python run_tests.py --mode demo

集成阶段

运行完整测试套件

python run_tests.py --mode pytest

检查覆盖率（可选）

pytest --cov=. test_main_integration.py

部署前

启动所有服务
运行端到端测试

python run_tests.py --mode e2e

📝 注意事项

Mock 测试是默认推荐的方式 - 快速、可靠、无需外部依赖
端到端测试需要所有服务 - 仅在部署前运行
测试日志保存在 logs/ 目录 - 便于调试
可以扩展 mock 响应 - 在 test_main_integration.py 中修改

🔗 相关文件

test_main_integration.py - 主测试文件
run_tests.py - 测试运行脚本
main_langgraph.py - 主应用
langgraph_message_queue_nodes.py - 工作流节点
local_llm_service_restful.py - 服务实现
simple_llm_server.py - LLM 模拟服务器

💡 提示

优先使用 mock 模式开发和测试
端到端测试仅在必要时运行
查看日志文件获取详细信息
遇到问题先查看故障排查部分

FilesExpand file tree

TEST_GUIDE.md

Latest commit

History

TEST_GUIDE.md

File metadata and controls

LangGraph 代码助手测试指南

📋 目录

🚀 快速开始

最简单的方式 - Mock 测试（推荐）

使用 PyTest

🎭 测试模式

1. Mock 模式（默认，推荐）

2. Demo 模式

3. PyTest 模式

4. 端到端模式

🎪 Mock 测试详解

Mock 组件

Mock 响应示例

Coder Mock 响应

Debugger Mock 响应

Checker Mock 响应

🔄 端到端测试

前提条件

服务检查

🏗️ 测试架构

组件层次

测试流程

🧪 测试用例

测试 1: Coder 节点生成代码

测试 2: Debugger 节点调试代码

测试 3: Checker 节点验证代码

测试 4: 完整工作流

📊 测试输出示例

成功的测试运行

🔧 故障排查

问题 1: 导入错误

问题 2: Redis 连接失败

问题 3: pytest 未安装

问题 4: 端口被占用

📦 依赖安装

最小依赖（仅运行 mock 测试）

完整依赖（运行所有测试）

🎯 推荐工作流

开发阶段

集成阶段

部署前

📝 注意事项

🔗 相关文件

💡 提示