用途：为 LangChain4j 构建的 Java AI 应用提供单元测试、集成测试和模拟 AI 模式，解决大模型响应不确定、外部 API 调用成本高的问题。
主要能力：一是使用 Mockito 模拟 ChatModel，通过 when(mockModel.generate(any(String.class))).thenReturn(Response.from(AiMessage.from("Mocked response"))) 生成确定性响应，配合 AiServices.builder 构建被测服务；二是用 Testcontainers 启动真实服务（如 ollama/ollama:0.5.4）运行集成测试；三是覆盖检索链、RAG 工作流、工具执行、流式输出、记忆与错误处理；四是提供断言辅助与测试金字塔工作流（70% 单元测试、20% 集成测试、10% 端到端测试）。
使用方式：先配置 Maven/Gradle 依赖，涉及 langchain4j-test（护栏断言）、testcontainers（容器化测试）、mockito（模拟外部依赖）、assertj（流式断言）。单元测试中模拟模型并注入 AiServices；集成测试中通过 @Testcontainers 与 @Container 启动容器，等待就绪日志后构建 OllamaChatModel/OllamaEmbeddingModel，并用 EmbeddingStoreContentRetriever 组装 RAG 助手进行验证。
适用场景：AI 服务隔离测试、真实模型与嵌入模型集成验证、RAG 流水线与检索链测试、LLM 应用端到端校验。
限制：AI 响应非确定性，单元测试应以 mock 保证可靠；测试中应避免真实 API 调用以防成本与限流；集成测试依赖 Docker 并需容器健康检查；RAG 测试需预先填充嵌入存储；基于 mock 的测试无法保证真实 LLM 行为，需以集成测试补充；应使用测试专用配置，避免影响生产数据。