csharp-nunit
NUnitを使ったユニットテストのベストプラクティスを提供します。データ駆動テストの実装方法を含む、効果的なテスト設計や記述パターンを習得したい場合に活用できます。
description の原文を見る
Get best practices for NUnit unit testing, including data-driven tests
SKILL.md 本文
NUnit ベストプラクティス
NUnit を使用した効果的なユニットテストの作成をサポートします。標準的なテストとデータ駆動テストの両方のアプローチに対応しています。
プロジェクトセットup
- テストプロジェクトは
[ProjectName].Testsという命名規則で分離して使用 - Microsoft.NET.Test.Sdk、NUnit、NUnit3TestAdapter パッケージを参照
- テスト対象のクラスに合わせたテストクラスを作成(例:
Calculatorに対してCalculatorTests) - .NET SDK テストコマンドを使用:テスト実行には
dotnet testを使用
テスト構造
- テストクラスに
[TestFixture]属性を適用 - テストメソッドに
[Test]属性を使用 - Arrange-Act-Assert(AAA)パターンに従う
MethodName_Scenario_ExpectedBehaviorというパターンでテストを命名- テスト毎のセットアップとティアダウンには
[SetUp]と[TearDown]を使用 - クラス毎のセットアップとティアダウンには
[OneTimeSetUp]と[OneTimeTearDown]を使用 - アセンブリレベルのセットアップとティアダウンには
[SetUpFixture]を使用
標準テスト
- テストを単一の動作に焦点を当てたものに保つ
- 1つのテストメソッドで複数の動作をテストしない
- 意図を表現した明確なアサーションを使用
- テストケースを検証するために必要なアサーションのみを含める
- テストを独立させ、冪等性を持たせる(任意の順序で実行できる)
- テスト間の依存関係を避ける
データ駆動テスト
- インラインテストデータには
[TestCase]を使用 - プログラムで生成されたテストデータには
[TestCaseSource]を使用 - 単純なパラメータ組み合わせには
[Values]を使用 - プロパティまたはメソッドベースのデータソースには
[ValueSource]を使用 - ランダムな数値テスト値には
[Random]を使用 - 連続した数値テスト値には
[Range]を使用 - 複数のパラメータを組み合わせるには
[Combinatorial]または[Pairwise]を使用
アサーション
- 制約モデルを使用した
Assert.Thatを使用(推奨される NUnit スタイル) Is.EqualTo、Is.SameAs、Contains.Itemのような制約を使用- 単純な値の等値性には
Assert.AreEqualを使用(クラシックスタイル) - コレクション比較には
CollectionAssertを使用 - 文字列固有のアサーションには
StringAssertを使用 - 例外をテストするには
Assert.Throws<T>またはAssert.ThrowsAsync<T>を使用 - 失敗時の明確性のため、アサーションには説明的なメッセージを使用
モッキングと分離
- NUnit と並行して Moq または NSubstitute の使用を検討
- テスト対象のユニットを分離するために依存関係をモック化
- モッキングを容易にするためにインターフェースを使用
- 複雑なテストセットアップの場合は DI コンテナの使用を検討
テスト組織
- 機能またはコンポーネント毎にテストをグループ化
[Category("CategoryName")]でカテゴリを使用- 必要に応じて
[Order]を使用してテスト実行順序を制御 [Author("DeveloperName")]を使用して所有権を示す[Description]を使用して追加のテスト情報を提供- 自動実行されてはいけないテストには
[Explicit]を検討 - 一時的にテストをスキップするには
[Ignore("Reason")]を使用
ライセンス: MIT(寛容ライセンスのため全文を引用しています) · 原本リポジトリ
詳細情報
- 作者
- github
- ライセンス
- MIT
- 最終更新
- 不明
Source: https://github.com/github/awesome-copilot / ライセンス: MIT
関連スキル
hugging-face-trackio
Trackioを使用してMLトレーニング実験を追跡・可視化できます。トレーニング中のメトリクスログ記録(Python API)、トレーニング診断のアラート発火、ログされたメトリクスの取得・分析(CLI)が必要な場合に活用してください。リアルタイムダッシュボード表示、Webhookを使用したアラート、HF Space同期、自動化向けのJSON出力に対応しています。
btc-bottom-model
ビットコインのサイクルタイミングモデルで、加重スコアリングシステムを搭載しています。日次パルス(4指標、32ポイント)とウィークリー構造(9指標、68ポイント)の2カテゴリーにわたる13の指標を追跡し、0~100のマーケットヒートスコアを算出します。ETFフロー、ファンディングレート、ロング/ショート比率、恐怖・貪欲指数、LTH-MVRV、NUPL、SOPR(LTH+STH)、LTH供給率、移動平均倍率(365日MA、200週MA)、週次RSI、出来高トレンドに対応します。市場サイクル全体を通じて買いと売りの両方の推奨を提供します。ビットコインの底値拾い、BTCサイクルポジション、買い時・売り時、オンチェーン指標、MVRV、NUPL、SOPR、LTH動向、ETFの流出入、ファンディングレート、恐怖指数、ビットコインが過熱状態か、マイナーコスト、暗号資産市場のセンチメント、BTCのポジションサイジング、「今ビットコインを買うべきか」「BTCが天井をつけているか」「オンチェーン指標は何を示しているか」といった質問の際にこのスキルを活用します。
protein_solubility_optimization
タンパク質の溶解性最適化 - タンパク質の溶解性を最適化します。タンパク質の特性を計算し、溶解性と親水性を予測し、有効な変異を提案します。タンパク質配列の特性計算、タンパク質機能の予測、親水性計算、ゼロショット配列予測を含むタンパク質エンジニアリング業務に使用できます。3つのSCPサーバーから4つのツールを統合しています。
research-lookup
Parallel Chat APIまたはPerplexity sonar-pro-searchを使用して、最新の研究情報を検索できます。学術論文の検索にも対応しています。クエリは自動的に最適なバックエンドにルーティングされるため、論文の検索、研究データの収集、科学情報の検証に活用できます。
tree-formatting
ggtree(R)またはiTOL(ウェブ)を使用して、系統樹の可視化とフォーマットを行います。系統樹を図として描画する際、ツリーレイアウトの選択、分類学に基づく枝やラベルの色付け、クレードの折りたたみ、サポート値の表示、またはツリーへのオーバーレイ追加が必要な場合に使用してください。系統推定(protein-phylogenyスキルを使用)やドメイン注釈(今後の独立したスキル)には使用しないでください。
querying-indonesian-gov-data
インドネシア政府の50以上のAPIとデータソースに接続できます。BPJPH(ハラール認証)、BOM(食品安全)、OJK(金融適正性)、BPS(統計)、BMKG(気象・地震)、インドネシア中央銀行(為替レート)、IDX(株式)、CKAN公開データポータル、pasal.id(第三者法MCP)に対応しています。インドネシア政府データを活用したアプリ開発、.go.idウェブサイトのスクレイピング、ハラール認証の確認、企業の法的適正性の検証、金融機関ステータスの照会、またはインドネシアMCPサーバーへの接続時に使用できます。CSRF処理、CKAN API使用方法、IP制限回避など、すぐに実行可能なPythonパターンを含んでいます。