嘿，这个场景我之前做项目的时候刚好踩过坑，完全懂你想把测试环境的配置和生产环境隔离开的需求，给你分享几个在conftest.py里就能搞定的实用方案：

方法一：用Pytest Fixture全局替换配置（推荐） #

这个方法会让所有测试自动加载.env.test，不用每个测试都手动配置：

在你的conftest.py中添加下面的fixture：

import pytest
# 记得把your_project改成你实际的项目包名
from your_project.settings import Settings, settings

@pytest.fixture(autouse=True)
def setup_test_settings():
    # 替换Settings类的配置文件路径
    Settings.Config.env_file = ".env.test"
    # 重建模型以应用新的配置（清除pydantic的缓存）
    Settings.model_rebuild()
    # 更新已提前实例化的settings对象，确保代码里导入的实例是最新的
    settings.__dict__.update(Settings().dict())

关键点说明： #

• autouse=True：这个参数会让fixture自动在所有测试执行前运行，省得你每个测试都手动调用
• model_rebuild()：因为pydantic_settings会缓存Settings的实例，修改配置后必须调用这个方法让新配置生效
• 最后一步更新settings实例：如果你的代码里直接用了from your_project.settings import settings这种提前实例化的对象，这步能保证它同步到.env.test里的配置值

方法二：用Monkeypatch临时修改配置（更“干净”的隔离） #

如果你不想永久修改原Settings类的配置，用pytest的monkeypatch fixture来临时替换会更稳妥，测试结束后会自动恢复原配置：

import pytest
from your_project.settings import Settings, settings

@pytest.fixture(autouse=True)
def patch_test_settings(monkeypatch):
    # 临时替换Config中的env_file路径
    monkeypatch.setattr(Settings.Config, "env_file", ".env.test")
    # 重建模型并更新实例
    Settings.model_rebuild()
    settings.__dict__.update(Settings().dict())

这个方法的优势是完全不污染原类的配置，测试跑完就自动还原，适合对配置隔离要求很高的场景。

必看的注意事项 #

• 确保.env.test里包含Settings类中所有必填的环境变量，哪怕是 dummy 值，不然pydantic的字段验证会直接报错
• 如果你的Settings用了env_prefix、case_sensitive这类其他Config属性，同样可以用上面的方法修改
• 要是不想全局生效所有测试，把autouse=True删掉，然后在需要的测试函数里手动传入fixture即可，比如：

  def test_specific_feature(setup_test_settings):
      # 这里的测试就会用.env.test的配置
      assert settings.env_var == "test_dummy_value"
  

最后可以写个简单的测试用例验证一下配置是否加载正确：

from your_project.settings import settings

def test_test_env_loaded():
    # 替换成你.env.test里的实际dummy值
    assert settings.env_var == "test_env_value"
    assert settings.env_var_d == "another_test_dummy"

这样就能完美实现测试环境用独立配置文件的需求啦，完全和生产环境的.env隔离开，再也不用担心测试时污染生产配置了😎