React Native Testing Library 对 React 19 的支持规划
React 团队近期发布了 React 19 beta 版本,这将对 React 生态系统产生重要影响。作为 React Native 生态中重要的测试工具库,React Native Testing Library(RNTL)需要提前规划对 React 19 的支持方案。
React 19 带来的主要变化
React 19 最值得注意的变化之一是 React Test Renderer 的弃用。虽然目前只是弃用而非移除,但这一变化将直接影响 RNTL 的核心依赖。RNTL 团队正在与 Meta 合作寻找合适的替代方案。
值得注意的是,在 React 19 的迁移指南中,RNTL 仍被推荐为 React Native 的首选测试解决方案。
兼容性现状
React 团队同时发布了 React 18.3 版本,该版本会触发针对 React 19 中将被弃用/移除功能的警告。经过测试,RNTL 的测试套件在 React 18.3 环境下全部通过且没有产生任何警告,这表明目前的 RNTL 代码与 React 19 的兼容性良好。
版本策略规划
考虑到 RNTL 的 API 已经相对成熟稳定,团队计划采用以下版本策略:
- 保持 RNTL v12 版本继续支持 React 18 及更早版本
- 发布 RNTL v13 版本专门支持 React 19
- 在 v13 中移除对 React 16、17 和 18 的遗留支持代码
这种策略可以简化代码库,让团队专注于 React 19 的支持。同时,团队将提供版本化的文档,方便不同 React 版本的用户查找相关信息。
浅渲染的兼容性问题
React 19 中一个已知的破坏性变化是 react-test-renderer/shallow 将抛出错误。虽然 RNTL 早已不再公开暴露浅渲染功能,但内部仍有一些相关代码需要清理。团队已经在相关 issue 中规划了移除这些内部浅渲染支持的工作。
迁移时间线
目前 React 官方博客尚未公布 React Native 迁移到 React 19 的具体时间表。但可以合理推测,这一迁移将在 React 19 稳定版发布前后进行。RNTL 团队将密切关注 React Native 的更新动态,确保测试库能够及时支持新版本。
总结
React Native Testing Library 团队已经为 React 19 的到来做好了充分准备。通过合理的版本规划和对兼容性问题的前瞻性处理,RNTL 将继续为 React Native 开发者提供稳定可靠的测试解决方案。开发者可以放心地规划自己的升级路线,RNTL 将确保测试代码在 React 19 时代依然能够稳定运行。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00