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 StartedRust0213
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0137
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
GLM-5.2智谱开源 GLM-5.2,这是针对长文本任务的最新旗舰模型。相较于前代产品 GLM-5.1,它在长文本任务处理能力上实现了显著飞跃,并且首次在稳定的 100 万 token 上下文中提供这一能力。Jinja00
SwanLab⚡️SwanLab - an open-source, modern-design AI training tracking and visualization tool. Supports Cloud / Self-hosted use. Integrated with PyTorch / Transformers / LLaMA Factory / veRL/ Swift / Ultralytics / MMEngine / Keras etc.Python00
tiny-universe《大模型白盒子构建指南》:一个全手搓的Tiny-UniverseJupyter Notebook03