用途：为机器学习项目提供可复用的测试模式，覆盖数据质量、模型单元测试、行为测试和性能回归门禁，帮助在训练前与 CI 中建立质量门槛。
主要能力：
- 会话级 pytest 夹具：用 @pytest.fixture(scope="session") 一次性加载模型、分词器与测试数据，避免每个测试重复冷启动。
- 数据质量测试：用 pandera 的 DataFrameSchema 与 Check 校验列类型、取值范围，并检查重复 ID、标签分布不均衡（少数类不低于 5%）、空值率（必要列零空值、其他列不超 10%）、特征范围及训练/测试集无 user_id 泄漏。
- 行为测试（CheckList 风格）：最小功能测试要求明确正向/负向文本分类准确率不低于 90%，并处理否定表达；不变性测试检查替换人名、增删标点不改变预测，用于发现性别等偏见；方向性测试检查加入否定词使情感更负。
- 性能回归门禁：读取 tests/baselines/model_metrics.json 中的基线指标，用 assert 断言当前 F1、AUC 不低于基线减 0.01 容差，并检查 p99 单样本推理延迟不超过 50ms；基线缺失时 pytest.skip。
使用方式：在 conftest.py 定义共享夹具，测试文件按 tests/test_data_quality.py、tests/test_model_behavior.py、tests/test_model_performance.py 组织，用 pytest 运行；指标持续改善后，用注释中的 CLI 脚本重新生成基线文件。
适用场景：分类模型的回归测试、数据流水线校验、上线前的 CI 质量门禁。
限制：示例依赖 pandas、numpy、joblib、torch、transformers、pandera、scikit-learn、pytest 等库；classify_text 等辅助函数需按自身模型实现，资料未给出具体实现；也未提供安装命令、支持的模型范围与许可信息。