gotestsum v1.12.2 版本发布:Go 测试工具的重要更新
gotestsum 是一个专为 Go 语言设计的测试工具集,它扩展了标准 go test
命令的功能,提供了更丰富的测试报告格式、更直观的测试进度显示以及更强大的测试结果分析能力。作为 Go 测试生态中的重要工具,gotestsum 被广泛应用于持续集成环境和本地开发中,帮助开发者更高效地管理和理解测试结果。
版本亮点
gotestsum v1.12.2 版本带来了一些重要的改进和功能增强,这些变化主要集中在测试报告的精确度和灵活性方面。
精确的测试耗时计算
新版本改进了测试耗时的计算方式,现在使用事件时间(event times)来计算测试的经过时间,而不是简单地依赖测试开始和结束的时间戳。这一改进使得测试耗时的统计更加准确,特别是在并行测试或系统负载较高的情况下,能够更真实地反映每个测试用例的实际执行时间。
JUnit 报告增强
v1.12.2 版本新增了对 JUnit 报告中跳过测试(skipped tests)的隐藏支持。这是一个非常有用的功能,特别是在大型项目中,当开发者只关心失败的测试用例时,可以通过配置隐藏跳过的测试,使报告更加简洁明了。
JUnit 报告格式是许多持续集成系统(如 Jenkins)的标准输入格式,这一增强使得 gotestsum 生成的报告能够更好地与现有 CI/CD 工具链集成。
依赖项更新
作为常规维护的一部分,v1.12.2 版本更新了多个依赖库:
- gotest.tools/v3 从 3.5.1 升级到 3.5.2
- github.com/google/go-cmp 从 0.6.0 升级到 0.7.0
- github.com/fatih/color 从 1.17.0 升级到 1.18.0
这些依赖项的更新带来了性能改进和 bug 修复,同时保持了向后兼容性。
使用建议
对于已经使用 gotestsum 的项目,建议尽快升级到 v1.12.2 版本以获取更准确的测试耗时统计和改进的 JUnit 报告功能。新用户可以通过以下方式快速开始使用 gotestsum:
- 安装最新版本
- 在项目根目录运行基础命令
- 根据项目需求配置输出格式和详细程度
对于大型项目,特别是那些有大量跳过测试的项目,可以尝试使用新的 JUnit 报告过滤功能来简化报告输出。
总结
gotestsum v1.12.2 版本虽然是一个小版本更新,但它带来的测试耗时计算改进和 JUnit 报告增强对于提升测试体验具有重要意义。这些改进使得测试结果更加准确可靠,报告更加清晰易读,进一步巩固了 gotestsum 作为 Go 测试工具链中重要一环的地位。
随着 Go 生态系统的不断发展,gotestsum 也在持续进化,为开发者提供更好的测试工具支持。建议关注项目的后续更新,以获取更多强大的测试功能。
HunyuanImage-3.0
HunyuanImage-3.0 统一多模态理解与生成,基于自回归框架,实现文本生成图像,性能媲美或超越领先闭源模型00- DDeepSeek-V3.2-ExpDeepSeek-V3.2-Exp是DeepSeek推出的实验性模型,基于V3.1-Terminus架构,创新引入DeepSeek Sparse Attention稀疏注意力机制,在保持模型输出质量的同时,大幅提升长文本场景下的训练与推理效率。该模型在MMLU-Pro、GPQA-Diamond等多领域公开基准测试中表现与V3.1-Terminus相当,支持HuggingFace、SGLang、vLLM等多种本地运行方式,开源内核设计便于研究,采用MIT许可证。【此简介由AI生成】Python00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~0361Hunyuan3D-Part
腾讯混元3D-Part00ops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。C++087Hunyuan3D-Omni
腾讯混元3D-Omni:3D版ControlNet突破多模态控制,实现高精度3D资产生成00Spark-Chemistry-X1-13B
科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile09
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选









