5.7 · 工作流测试与模拟系统（Workflow Testing and Mock System）

应用编排与外部知识接入 · 聚焦本章的模块关系、源码依据与实现要点。

项目Dify 章节5.7 状态全文译文模块系统架构、测试、发布与运维、接口与服务契约、模型调用与提供方适配

项目要点页2.5 参考项目项目章节目录Dify DeepWiki 原始章节Workflow Testing and Mock System 上一章5.6 下一章6

源码线索

api/.env.example
api/.importlinter
api/app.py
api/app_factory.py
api/configs/feature/__init__.py
api/configs/middleware/__init__.py
api/configs/observability/__init__.py
api/configs/observability/otel/otel_config.py
api/configs/packaging/__init__.py
api/controllers/console/datasets/datasets.py

模块标签

系统架构
测试、发布与运维
接口与服务契约
模型调用与提供方适配
配置治理

章节正文

工作流测试与模拟系统

原始 DeepWiki 页面https://deepwiki.com/langgenius/dify/5.7-workflow-testing-and-mock-system

工作流测试与模拟系统

目的与范围

工作流模拟系统可以在不依赖外部服务（大语言模型（LLM）API、HTTP 端点、代码执行沙箱）的情况下测试工作流逻辑。它提供：

需要第三方服务的节点的模拟实现。
通过 MockConfig 和节点特定的处理器实现可配置行为。
使用容器化环境进行真实服务验证的集成测试。
用于隔离测试单个节点的单步执行。

该系统对于工作流图的单元测试、无速率限制或成本的集成测试，以及在持续集成/持续部署（CI/CD）管线中验证工作流逻辑至关重要。

测试方法概述

工作流测试策略映射

Dify · 工作流测试策略映射 · 图 1

主要测试策略：

策略	使用的工厂	依赖	使用场景
使用模拟的单元测试	`MockNodeFactory`	无	快速测试、持续集成/持续部署（CI/CD）、逻辑验证。
集成测试	`DifyNodeFactory`	`testcontainers`	数据库/Redis 集成、真实模式验证。
单步测试	`DifyNodeFactory`	真实服务	草稿工作流调试、节点开发。

来源： api/core/workflow/node_factory.py:1-20，api/tests/unit_tests/core/workflow/graph_engine/test_mock_factory.py:1-179，api/pyproject.toml:127-127

模拟系统架构

MockNodeFactory 与依赖注入

MockNodeFactory 扩展了 DifyNodeFactory，用于拦截节点创建，并为需要外部服务的节点替换模拟实现。它维护了一个应被模拟的节点类型注册表。

Dify · MockNodeFactory 与依赖注入 · 图 2

来源： api/core/workflow/node_factory.py:1-20，api/tests/unit_tests/core/workflow/graph_engine/test_mock_factory.py:37-179

模拟节点类型映射

已注册的模拟节点类型

MockNodeFactory 通过检查节点数据中的 type 字段，将标准节点替换为模拟版本。

节点类型	模拟类	注入的额外依赖
`NodeType.LLM`	`MockLLMNode`	`credentials_provider`，`model_factory`，`model_instance`
`NodeType.CODE`	`MockCodeNode`	`code_executor`，`code_limits`
`NodeType.HTTP_REQUEST`	`MockHttpRequestNode`	`http_client`，`tool_file_manager_factory`

来源： api/tests/unit_tests/core/workflow/graph_engine/test_mock_factory.py:62-151

集成测试基础设施

TestContainers 配置

对于集成测试，Dify 使用 testcontainers 来启动 PostgreSQL、Redis 和沙箱的隔离环境。这确保了测试针对真实的服务实现运行，而不仅仅是逻辑模拟。

Dify · TestContainers 配置 · 图 3

关键容器组件：

PostgreSQL：用于存储用户数据、工作流和执行状态。生产模板中使用镜像 postgres:15-alpine docker/docker-compose.middleware.yaml:4-4。
Redis：用于缓存、会话管理和 Celery 任务代理。标准镜像为 redis:6-alpine docker/docker-compose.middleware.yaml:84-84。
Dify 沙箱：为测试 CodeNode 提供安全环境。镜像 langgenius/dify-sandbox:0.2.15 docker/docker-compose.middleware.yaml:106-106。

来源： api/pyproject.toml:127-127，docker/docker-compose.middleware.yaml:1-129

表驱动节点测试

Dify 广泛使用 pytest.mark.parametrize 进行节点逻辑的表驱动测试。这允许单个测试函数验证多个输入/输出场景。

HTTP 请求执行器测试

HttpRequestNode 的 Executor 针对各种 JSON 请求体结构进行测试，包括数字变量和嵌套对象 api/tests/unit_tests/core/workflow/nodes/http_request/test_http_request_executor.py:30-190。

代码节点验证

CodeNode 测试验证输出逻辑，确保返回的数据符合预期的模式类型（例如，确保结果是 string 而不是 int）api/tests/integration_tests/workflow/nodes/test_code.py:136-178。

来源： api/tests/unit_tests/core/workflow/nodes/http_request/test_http_request_executor.py:30-190，api/tests/integration_tests/workflow/nodes/test_code.py:136-178

关键测试工具

VariablePool 模拟

在测试中手动填充 VariablePool，以模拟工作流在特定节点执行时的状态。

variable_pool = VariablePool(
    system_variables=default_system_variables(),
    user_inputs={},
)
variable_pool.add(["pre_node_id", "number"], 42)

来源： api/tests/unit_tests/core/workflow/nodes/http_request/test_http_request_executor.py:32-36

模型实例模拟

对于 LLMNode 和 ParameterExtractorNode，测试通常会模拟 ModelInstance 以返回确定性的 LLMResult 对象，从而避免真实的 API 成本和延迟 api/tests/integration_tests/workflow/nodes/test_llm.py:123-168。

来源： api/tests/integration_tests/workflow/nodes/test_llm.py:123-168，api/tests/integration_tests/workflow/nodes/test_parameter_extractor.py:111-117