Yeti 自动化测试工具技术文档
1. 安装指南
1.1 安装 Node.js
Yeti 依赖于 Node.js,因此首先需要安装 Node.js。你可以从 Node.js 官网 下载源码或预编译的安装包。
1.2 安装 Yeti
安装 Node.js 后,使用 npm 命令全局安装 Yeti:
npm install -g yeti
2. 项目使用说明
2.1 运行 Yeti
安装完成后,你可以通过以下命令运行 Yeti:
yeti test/*.html
该命令会启动一个本地服务器,地址为 http://localhost:9000,并等待浏览器连接。你可以打开浏览器并访问该地址,然后按下回车键开始测试。
2.2 退出状态码
Yeti 在测试完成后会自动退出,并返回以下状态码:
0:测试完成且所有测试通过。1:发生错误,导致测试未能完成。3:测试完成但部分测试失败。
这些状态码对于程序化使用 Yeti 非常有用。
2.3 JUnit XML 输出
Yeti 支持生成 JUnit XML 格式的输出,适用于 Jenkins 等 CI 系统。使用 --junit 选项生成 XML 文件:
yeti --junit test/*.html > yeti.xml
2.4 代码覆盖率
Yeti 支持生成代码覆盖率报告。使用 -c 或 --coverage 选项生成覆盖率报告:
yeti -c
你可以通过 --coverage-report 选项指定报告类型,例如 lcov、html 等。
3. 项目 API 使用文档
3.1 启动 Yeti Hub
为了节省时间,你可以启动一个 Yeti Hub:
yeti --server
该命令会在本地启动一个 Yeti Hub,监听端口 9000。你可以将浏览器指向该地址,以便在不需要重新连接浏览器的情况下运行测试。
3.2 共享 Yeti Hub
你可以与其他开发者共享 Yeti Hub。首先,启动一个 Hub:
yeti --server --port 80
然后,其他开发者可以通过以下命令连接到该 Hub:
yeti --hub http://test.yeti.cx/ test/*.html
3.3 浏览器启动
你可以通过 wd-url 选项将 Yeti 连接到 Selenium 2 Hub,并使用 caps 选项启动浏览器进行测试。例如,启动两个 Firefox 浏览器:
yeti --hub http://example.com --wd-url http://localhost:4444 --caps "browserName=firefox" --caps "browserName=firefox"
4. 项目安装方式
4.1 通过 npm 安装
Yeti 可以通过 npm 全局安装:
npm install -g yeti
4.2 手动安装
如果你需要手动安装 Yeti,可以从 GitHub 克隆项目并运行以下命令:
git clone https://github.com/yui/yeti.git
cd yeti
npm install
安装完成后,你可以使用 node bin/yeti 命令运行 Yeti。
通过以上文档,你应该能够顺利安装、配置和使用 Yeti 自动化测试工具。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust099- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00