LLM应用测试策略：测试的独特挑战（非确定性输出；语义等价vs精确匹配；测试oracle问题（难以定义正确答案））；提示词单元测试（Pytest+LLM-as-Judge评分；测试固定输入→预期类型输出；使用temperature=0减少随机性；黄金测试集维护）；链路集成测试（Mock LLM确保组件测试隔离；端到端数据流验证；边界条件：空输入/超长输入/特殊字符）；回归测试（CI/CD集成每次PR跑测试套件；统计显著性防止随机波动误报；关键路径测试优先）；DeepEval框架（内置评估指标：准确性/毒性/偏见/幻觉；自定义度量；pytest插件集成）；性能测试（负载测试模拟并发请求；延迟目标验证；成本回归检测）；测试数据管理（合成测试数据生成；边缘案例收集；用户真实查询匿名化）。