在编写代码时，我们经常需要使用模块来模拟（mock）一些依赖项，以便进行单元测试。然而，某些情况下，使用 pytest 的 mocks 可能会导致代码变得复杂和难以维护。下面是一些避免使用 pytest mocks 的解决方法：

1. 重构代码结构：通过将依赖项的创建和初始化过程移到一个单独的函数或类中，将代码与依赖项的具体实现分离。然后，在测试中可以使用真实的依赖项，或者根据需要使用简单的模拟实现。

# 原始代码
def my_function():
    dependency = create_dependency()
    # do something with dependency

# 重构后的代码
def my_function(dependency):
    # do something with dependency

def create_dependency():
    # create and initialize the dependency

# 测试代码
def test_my_function():
    dependency = create_dependency()
    my_function(dependency)
    # perform assertions

2. 使用依赖注入：通过将依赖项作为参数传递给函数或类的构造函数，可以将依赖项的创建和初始化过程控制在调用方。这样，测试时可以直接传递模拟的依赖项。

class MyClass:
    def __init__(self, dependency):
        self.dependency = dependency

    def my_method(self):
        # do something with self.dependency

# 测试代码
def test_my_method():
    dependency = create_dependency()
    my_class = MyClass(dependency)
    my_class.my_method()
    # perform assertions

3. 使用 Monkeypatch：Monkeypatch 是 pytest 提供的一个功能强大的工具，可以在测试运行时修改或替换代码中的对象。使用 Monkeypatch，可以直接修改全局或局部变量，或者替换函数和类的实现。

def my_function():
    dependency = create_dependency()
    # do something with dependency

# 测试代码
def test_my_function(monkeypatch):
    # 替换 create_dependency 函数的实现
    def mock_create_dependency():
        return "mocked dependency"

    monkeypatch.setattr(module_name, "create_dependency", mock_create_dependency)

    my_function()
    # perform assertions

需要注意的是，尽管 Monkeypatch 是一个强大的工具，但过度使用它可能会导致测试代码难以理解和维护。因此，应谨慎使用，只在必要时使用。