Show HN: LLM-mock – Record and replay OpenAI/Anthropic calls in pytest (v1.0)

说明与用途

**项目简介**
Show HN: LLM‑mock – Record and replay OpenAI/Anthropic calls in pytest (v1.0) 是一个用于在 pytest 环境中记录并回放 OpenAI 与 Anthropic API 调用的测试工具。它让开发者可以在不实际调用外部大模型的情况下，快速验证和调试 AI 功能。

**价值**

• **降低成本**：通过录制真实的 API 响应，避免在开发、CI/CD 流程中频繁消耗付费的模型调用额度。
• **加速原型**：在本地即可复现相同的模型输出，帮助团队快速迭代 RAG、Agent 或其他 AI 工作流的原型。
• **提升可靠性**：在离线环境下运行单元测试，避免外部网络波动或服务限流导致的 flaky 测试。

**典型接入方式**

1. **安装**：pip install llm-mock（或从源码安装）。
2. **在 pytest 中启用**：在 conftest.py 中加入 import llm_mock; llm_mock.enable()。
3. **录制模式**：首次运行时使用 --record 参数，实际调用 OpenAI/Anthropic 并将请求/响应保存为 JSON/YAML 文件。
4. **回放模式**：后续测试省去 --record，LLM‑mock 会拦截对应的调用并返回已保存的响应。
5. **手动审查**：在将录制文件用于正式项目之前，人工检查响应是否符合业务预期，确保不泄露敏感信息。

**生产可用性**

• **成熟度**：目前标记为 **Medium**，适合原型开发、内部工具或 CI 环境的自动化测试。
• **依赖与维护**：项目仍在活跃维护（最近一次更新 2026‑07‑13），但元数据中集成信号稀少，建议在引入前检查许可证、issue 活跃度、文档完整度以及发布周期。
• **上线建议**：在生产环境使用前，进行以下检查：

1. **许可证兼容性**（确认符合公司开源合规）。
2. **录制文件安全**（去除可能的 PII、API 密钥等）。
3. **回放准确性**（通过对比真实调用结果验证回放的可靠性）。
4. **监控与回退**：在关键业务流中保留真实调用的 fallback 机制，以防录制文件失效。

综上，LLM‑mock 是一个在开发和测试阶段显著提升效率的工具，适合在内部或原型阶段快速集成 AI 能力；在生产环境使用时，需要做好审查、监控和回退策略，以确保安全性和可靠性。

实际用途

Show HN: LLM-mock – Record and replay OpenAI/Anthropic calls in pytest (v1.0) helps add AI capability without starting from a blank model stack.

• prototype AI features
• build RAG or agent workflows
• evaluate model tooling

限制与审查说明

Medium: useful for prototypes or internal workflows, with dependency and maintenance checks before production.