用途：为 dbt SQL 模型编写单元测试，用静态输入验证建模逻辑，测试失败时 dbt 不会物化该模型。
主要能力：采用“模型—给定输入—预期输出”结构，可模拟 ref、source、seed 等上游节点数据，支持 dict（默认）、csv、sql 三种数据格式，支持 fixture 文件、增量模型、版本化模型、ephemeral 依赖及特殊覆盖场景。
使用方式：在 models 目录的 YAML 中定义 unit_tests，指定 model、given 输入与 expect 输出；输入用 ref('my_model') 或 source('schema','name') 引用。运行 dbt build --select hello_world 可先跑单元测试再物化；仅跑单元测试用 dbt test --select "hello_world,test_type:unit"，或按名称 dbt test --select test_is_valid_email_address。建议仅在开发或 CI 运行，生产可用 --exclude-resource-type 或 DBT_EXCLUDE_RESOURCE_TYPES 排除。
适用场景：正则、日期运算、窗口函数、多条件 case、复杂 join、自定义处理逻辑、曾出缺陷的逻辑、边界情况、重构前及高关键性模型。
限制：仅支持当前项目的 SQL 模型；不支持 Python 模型、snapshot、seed、source、analysis 等非模型节点，不支持跨项目或包内模型、materialized view、递归 SQL、内省查询；增量模型不支持校验最终表状态。dict/csv 可只写相关列，sql 格式须提供全部列且是 ephemeral 依赖的唯一选择；不支持 Jinja。测试须放在 model-paths 的 YAML 中，fixture 放在 test-paths 的 fixtures 子目录。各仓库（BigQuery、Redshift、Postgres、Snowflake、Spark）存在特定注意事项与数据类型差异，需查阅对应参考文件。可用 config: enabled: false 禁用测试。失败时日志显示 actual differs from expected 及数据差异。