python 013: Hypothesis 怎样帮你自动挖出边界 bug
- 2026-09-25 15:42:34
别再只拿固定样例测代码：Hypothesis 怎样帮你自动挖出边界 bug
系列文章：Python 奇技淫巧 #013
很多测试之所以“总能通过”，并不是因为代码真的稳，而是因为你喂给它的输入太正常了：长度刚好、顺序理想、字符干净、数字不极端、状态变化也很规矩。这样的测试当然有价值，但它们经常只能证明“你手里这几个样例没问题”，证明不了“这段逻辑对一整类输入都靠谱”。Hypothesis 的厉害之处，就在于它把测试从“手工举例”升级成“自动探索输入空间”——你描述应该始终成立的性质，它负责自动生成样例、主动撞边界、缩小失败输入，最后把 bug 逼到一个最小可复现样例上。 这件事，对工具库、API 服务、数据清洗、AI 应用、状态机流程都很有杀伤力。
📌 为什么这篇值得写？
很多团队并不是不测，而是测法天然有盲区：
❌ 样例全是“正常输入”，边界值、脏数据、极端组合没人覆盖 ❌ 测试函数写了不少，但本质上只是把 3 个案例复制成 10 个案例 ❌ 一旦要覆盖组合空间，测试数量指数膨胀，根本维护不过来 ❌ bug 真到了线上，回头一看才发现：缺的不是断言，而是输入探索 ❌ 某些逻辑只有在“多步操作”“特殊顺序”“很小但奇怪的输入”下才会出错
所以真正的问题不是：
“我还能再补几个测试样例？”
而是：
“我能不能描述一条应该始终成立的性质，然后让工具替我去撞那些我没想到的输入？”
这正是 Hypothesis 的价值。
🖼️ 先看图：Hypothesis 到底在替你做什么？
上面这张图是我自制的 SVG 信息图。SVG 本质上是用代码描述的矢量图，放大不糊、改字方便、适合版本管理，尤其适合技术文章里解释流程、结构和能力边界。像 Hypothesis 这种偏“测试方法升级”的工具，用 SVG 来讲会比截图更清楚。
🎯 Hypothesis 是什么？
Hypothesis 官方文档首页给它的定位非常直接：
Hypothesis is the property-based testing library for Python.
官方对它的进一步描述也很关键：你写的是“对某个输入范围内都应该成立的测试”，然后让 Hypothesis 自动去选择要检查哪些输入，包括你自己未必会主动想到的边界情况。
这意味着它和传统“手写固定样例”的测试思路不太一样：
Hypothesis 最值得记住的几个能力点，大概是：
@given(...)：告诉测试“输入从哪里来” hypothesis.strategies：声明数据生成策略 - shrinking
：失败后自动把输入缩成更小、更容易理解的反例 @settings(...)：控制样例数量、数据库重放、运行阶段等 RuleBasedStateMachine：用状态机方式探索多步操作 bug 能直接和 pytest、unittest等常见测试方式协同
这里最重要的一句不是“它会随机造数据”，而是：
Hypothesis 不是随机测试玩具，而是一套“性质驱动 + 自动生成 + 最小反例收缩”的测试方法。
🆚 为什么固定样例总会漏掉边界 bug？
很多人最开始写测试，是这样想的：
def test_split_ok():
assert split_into_batches([1, 2, 3, 4], 2) == [[1, 2], [3, 4]]
def test_split_tail():
assert split_into_batches([1, 2, 3], 2) == [[1, 2], [3]]
这当然没错，但问题也很明显：
你只检查了自己想到的两个输入 你没有系统覆盖空列表、单元素、极大 size、极小size等边界如果 bug 藏在某个很奇怪但又很小的输入上，这类测试通常碰不到
而 Hypothesis 的思路是换个问法：
不去问“这两个样例结果对不对”，而去问“对于任意合法输入，这个函数有没有某些始终成立的性质？”
一旦你问对了问题，很多本来很难系统覆盖的边界，就能自动被扫出来。
1. 一个很典型的例子：批量切分函数明明看着没问题，为什么还是会漏数据？
来看一个非常常见的工具函数：把列表切成固定大小的小批次。
def split_into_batches(items: list[int], size: int) -> list[list[int]]:
return [items[i : i + size] for i in range(0, len(items) - 1, size)]
这段代码乍一看很像真的，很多人甚至肉眼扫一遍都不一定立刻发现问题。但它其实有一个隐藏 bug：
当列表长度比较特殊时，最后一个元素可能被悄悄漏掉
如果你手工写样例，很容易刚好写到几个“碰巧没暴露问题”的输入。更稳的做法是直接写性质：
这个函数至少该满足什么性质？
批次展平后，内容应该和原始输入完全一致 每个批次长度都不能超过 size只要输入非空，批次里的每个子列表都不该是空的
对应的 Hypothesis 测试可以这样写：
from hypothesis import given, strategies as st
@given(
items=st.lists(st.integers()),
size=st.integers(min_value=1, max_value=20),
)
def test_split_into_batches_preserves_data(items, size):
batches = split_into_batches(items, size)
flattened = [x for batch in batches for x in batch]
assert flattened == items
assert all(len(batch) <= size for batch in batches)
assert all(len(batch) > 0 for batch in batches)
这里真正妙的地方不在于语法，而在于你已经把测试目标从：
“验证 [1,2,3,4]和[1,2,3]这两个例子”
升级成了：
“验证任意整型列表 + 任意合法批大小下，结果都必须满足这些性质”
如果这个实现真的有问题，Hypothesis 往往会很快给出一个失败输入，而且不满足于只给你一个巨大的脏例子，它还会继续 shrink。
你最后看到的，很可能是这种级别的反例：
Falsifying example: test_split_into_batches_preserves_data(
items=[0],
size=1,
)
这就是真正让人上头的地方：
它不只是替你找 bug，还会努力把 bug 压缩成一个最容易理解、最容易复现的最小失败样例。
这比“随机扔一大堆数据，然后报一个你根本看不懂的失败案例”强太多了。
2. @given 和 strategy，才是 Hypothesis 的核心入口
Hypothesis 的写法并不复杂。最常见的入口就是：
@given(...)from hypothesis import strategies as st
其中 @given 表示“把生成出来的数据喂给测试函数”，而 st 则是用来描述数据空间的。
比如这些都是很常用的策略：
一个非常重要的思维变化是：
你不是在“列出输入”，而是在“描述输入空间”。
这两者看起来只差一点，测试能力却差很多。
3. strategy 不是只能用内置类型：map、filter、composite 才是工程价值放大的地方
官方文档专门有一节讲 strategy 的适配方式，核心就是：
.map()：把已有生成值映射成你想要的结构 .filter()：过滤掉不需要的输入 @st.composite：自定义更复杂、带依赖关系的数据生成器
这部分很关键，因为真实项目里的输入通常不是“一个整数”这么简单，而是：
API payload 聊天消息列表 嵌套配置 数据清洗前后的结构体 带状态约束的对象组合
来看一个更贴近 AI 服务项目的例子：生成聊天请求。
from hypothesis import given, strategies as st
@st.composite
def chat_requests(draw):
message_count = draw(st.integers(min_value=1, max_value=6))
messages = []
for _ in range(message_count):
role = draw(st.sampled_from(["system", "user", "assistant"]))
content = draw(st.text(min_size=1, max_size=200))
messages.append({"role": role, "content": content})
temperature = draw(
st.floats(
min_value=0,
max_value=2,
allow_nan=False,
allow_infinity=False,
)
)
return {"messages": messages, "temperature": temperature}
@given(chat_requests())
def test_prompt_builder_never_drops_message(payload):
prompt = "\n".join(f"{m['role']}: {m['content']}" for m in payload["messages"])
for msg in payload["messages"]:
assert msg["content"] in prompt
这类测试的意义，不在于它能替代全部业务测试，而在于它可以帮你快速验证：
构造器会不会丢消息 某些特殊字符会不会把拼接逻辑搞坏 空格、空行、非 ASCII 字符会不会触发你没想到的问题
这里有一个经验判断：
- 业务样例测试
负责证明“用户关心的场景能工作” - Hypothesis 性质测试
负责证明“输入空间里那些奇怪角落不会轻易把你炸掉”
这两类测试不是互相替代，而是互相补位。
4. Hypothesis 和 pytest 不是竞争关系，而是非常适合一起用
Hypothesis quickstart 里明确提到：一个 Hypothesis 测试仍然是普通 Python 函数，所以 pytest 或 unittest 都可以像平常一样收集和运行它。
这点非常重要，因为它意味着：
你不用换测试框架 你不用推翻已有 pytest 体系 fixture、参数化、marker 这些能力依然能继续用
一个很自然的组合方式是：
import pytest
from hypothesis import given, strategies as st
@pytest.mark.slow
@given(st.lists(st.integers(), min_size=1, max_size=50))
def test_sorted_result_is_ordered(values):
result = sorted(values)
assert result == sorted(result)
如果你已经把项目测试组织在 pytest 下，那么引入 Hypothesis 最舒服的姿势不是“新开一套测试体系”，而是：
在已有 pytest 工程里，挑那些最容易出边界 bug 的函数，增量补上 property-based tests。
这比全盘迁移轻得多，也实用得多。
🗺️ 再看一张图：Hypothesis 的测试主路径是什么？
这张图可以把 Hypothesis 的核心工作流压缩成一句话：
先定义性质，再描述输入空间，交给 Hypothesis 自动生成样例；一旦失败，就收缩成最小反例，再回到 pytest/CI 里稳定复现。
它最值钱的地方，不是“随机生成很多数据”，而是把“生成 → 发现 → 收缩 → 复现”这条链完整打通了。
5. @settings 不只是调参数，它在决定你怎么把 Hypothesis 用进工程里
官方文档对 @settings(...) 的说明很实在：你可以用它控制：
生成多少个样例（ max_examples）失败样例怎么重放 哪些阶段启用（例如 replay、generate、shrink） 输出详细程度 是否启用数据库 是否启用确定性运行（ derandomize）
最常见的用法大概长这样：
from hypothesis import given, settings, strategies as st
@settings(max_examples=300, deadline=None)
@given(st.text(), st.integers(min_value=1, max_value=50))
def test_chunking_roundtrip(text, size):
chunks = [text[i : i + size] for i in range(0, len(text), size)]
assert "".join(chunks) == text
这里的几个工程理解很重要：
官方文档还提到 settings profile。这件事我很建议在工程里用起来，因为很适合区分：
开发环境：样例少一点，反馈更快 CI 环境：样例多一点，探索更深 某些专项测试：单独配置数据库或更详细日志
如果你已经有 pytest 的测试分层，再配合 Hypothesis settings profile，整套体验会非常顺。
6. 当 bug 不在“单次输入”，而在“多步操作顺序”时，就该看 stateful testing 了
Hypothesis 官方文档里还有一个很强、但很多人没认真学的能力：stateful testing。
官方对它的描述很准确：让 Hypothesis 不只选择“值”，还选择“动作”。也就是说，它不只是给你造输入，还会自动组合操作序列。
这对什么场景特别有用？
缓存 队列 购物车 权限状态切换 会话生命周期 数据结构实现（如栈、字典、索引）
核心入口通常是 RuleBasedStateMachine，再配合：
@rule(...)：定义可以执行的动作 @invariant(...)：定义每一步之后都必须成立的性质 Bundle：把前面步骤生成的数据传给后面规则
一个极简例子：
from hypothesis import strategies as st
from hypothesis.stateful import RuleBasedStateMachine, invariant, rule
class CounterMachine(RuleBasedStateMachine):
def __init__(self):
super().__init__()
self.values = []
self.total = 0
@rule(x=st.integers(min_value=0, max_value=100))
def append_value(self, x):
self.values.append(x)
self.total += x
@invariant()
def total_matches_values(self):
assert self.total == sum(self.values)
当然，真实项目往往会比这复杂得多，但它提供的方向非常清楚：
如果 bug 来自“操作顺序”和“状态转换”，而不是一个静态输入，那么单纯样例测试就不够，stateful testing 会更像对的问题。
这也是很多缓存、任务调度、业务状态流转 bug 的高发区。
7. Hypothesis 最容易被用错的 4 个地方
误区 1：把它当“随机造数据器”
如果你只是想随机生成一堆输入，却没有描述明确性质，那测试价值会迅速下降。
正确思路是先问：
哪个性质必须始终成立？ 哪个不变量不能被打破？ 哪种 round-trip 必须可逆？
误区 2：filter() 和 assume() 用太狠
官方文档也提醒过，过度过滤会让输入生成效率变差。很多时候，更好的方式是：
优先选更合适的内置 strategy 用 map()/composite把结构一次性建对只在必要时用 filter()
误区 3：性质写得太弱
比如只断言“函数返回了 list”，这几乎没有测试价值。
更有用的性质通常是：
顺序是否保持 长度关系是否成立 编码/解码是否可逆 排序结果是否满足单调性 聚合结果是否满足守恒关系
误区 4：一上来就全仓库铺开
最稳的做法永远是：
先挑最容易藏边界 bug 的纯函数或工具函数 再挑解析、清洗、转换、分块、归一化这类逻辑 最后才考虑状态机、多步骤业务流
Hypothesis 很强，但真正高效的用法不是“到处乱上”，而是优先砸那些你知道自己最容易漏边界的地方。
8. 一套很实用的落地顺序
如果你现在已经在用 pytest，我会建议这样落地：
第一步：先挑 1 个最容易翻车的工具函数
优先考虑：
分页/切片 字符串清洗 配置解析 JSON 转换 时间区间处理 去重、排序、归并
第二步：先写“性质”，再写 strategy
不要先想“我要生成什么奇怪数据”，而是先想：
结果和输入应该保持什么关系？ 哪个约束永远不能破？ 哪个 round-trip 必须成立？
第三步：在 pytest 里增量加入
例如只在 tests/property/ 或 tests/unit/ 里先放几条 property-based tests，不要一开始就推倒重来。
第四步：给本地和 CI 分别配 settings
本地：反馈快一点 CI：覆盖深一点
第五步：遇到状态问题，再引入 stateful testing
别一开始就上状态机，但一旦你的 bug 主要出在流程顺序，那就别继续死磕静态样例了。
9. 我对 Hypothesis 的一个明确判断
很多人把测试能力理解成“样例写得够不够多”，但我越来越觉得，真正决定测试上限的，是你有没有能力从“样例思维”切到“性质思维”。
而 Hypothesis 恰好就在做这件事：
它逼你定义不变量 它帮你探索输入空间 它帮你自动缩小失败输入 它让很多“只能靠经验撞到”的边界 bug，变成可以稳定复现的问题
所以我更愿意这样定义它：
Hypothesis 不是帮你多写测试，而是帮你把测试从“举例说明”推进到“系统证明”。
这就是它真正值钱的地方。
10. 一个可以直接落地的最小模板
from hypothesis import given, strategies as st
def reverse_twice(text: str) -> str:
return text[::-1][::-1]
@given(st.text())
def test_reverse_twice_roundtrip(text):
assert reverse_twice(text) == text
如果你已经在用 pytest，直接执行：
pip install hypothesis pytest
pytest
接着你就可以把最容易藏边界 bug 的那几个函数，逐步改写成 property-based tests。
结语
学 Hypothesis，别只学 @given 的语法。
真正要学会的是：
怎么把“业务直觉”改写成“可验证性质” 怎么把“几个样例”升级成“一个输入空间” 怎么利用 shrinking 快速定位最小失败样例 怎么把它平滑接进 pytest 和 CI 怎么在必要时把单步测试升级成 stateful testing
当你这样理解 Hypothesis，它就不再只是“自动造数据”，而是“帮你主动挖边界 bug 的测试引擎”。
