单元测试是什么？用固定输入和断言验证代码的具体行为

用输入和断言表达预期行为

下面的函数统计非缺失元素，约定None是缺失而零是有效值。三个断言覆盖空列表、含零输入和全部缺失。示例已在本地Python运行并通过，仅验证这段独立代码，不涉及任何外部系统，也不代表一个项目已经完整测试。

如果错误实现使用if value，零会被过滤，这组输入能够指出预期与实现冲突。断言应依据任务定义，而不是把当前函数输出再抄成答案。否则测试可能与错误实现完全一致，形式上通过却没有检查真正需求。

def count_valid(values):
    return sum(value is not None for value in values)

assert count_valid([]) == 0
assert count_valid([0, None, 2]) == 2
assert count_valid([None, None]) == 0

单元范围与外部依赖需要明确

Python unittest使用测试用例与断言组织检查，pytest也支持普通assert。测试一个函数时，可以控制相关依赖，但替身只说明模拟条件下的行为。真实数据库或网络能否正确配合，需要集成层面的检查，不能由单元测试直接推出。

时间和随机数等不稳定输入应受到控制，避免同一版本偶尔通过偶尔失败。测试不应默认修改真实业务数据，失败以后要能定位具体输入。这里的代码只处理本地列表，便于读者理解可复现范围，没有掩盖环境依赖。

通过测试仍要核对覆盖和回归范围

新增边界测试后，先确认它能发现原错误，再检查修复后通过。还应运行受影响调用的相关检查，避免只测试一个新函数。覆盖率表示执行过部分代码，不等于所有需求和输入组合都正确，数字需要与错例一起解读。

AI可以帮助提出边界或生成初稿，但预期结果必须独立核对。尤其当模型同时写实现和测试时，更容易共享同一个错误假设。验收应保留命令和实际结果，未覆盖的界面或外部服务要明确说明，不能只写测试全绿。