Orchestral Testbench Core v10.2.0 版本发布:PHPUnit 12.1 支持与远程测试增强
Orchestral Testbench 是一个为 Laravel 包开发提供测试辅助的框架,它简化了 Laravel 应用程序和包的测试流程。作为 Laravel 生态系统中重要的测试工具,Testbench 为开发者提供了便捷的方式来构建完整的 Laravel 环境进行单元测试和功能测试。
核心更新内容
PHPUnit 12.1 支持
本次 v10.2.0 版本最重要的更新之一是对 PHPUnit 12.1 的全面支持。PHPUnit 作为 PHP 生态中最流行的测试框架,其 12.1 版本带来了一些性能改进和新特性。Testbench 通过这次更新确保了开发者可以在最新的 PHPUnit 环境下无缝运行测试。
对于使用 Testbench 的开发者来说,这意味着:
- 可以直接在项目中升级到 PHPUnit 12.1 而无需担心兼容性问题
- 能够利用 PHPUnit 12.1 带来的新特性和性能优化
- 保持测试工具链的现代性和安全性
远程测试功能增强
Testbench v10.2.0 对远程测试功能进行了重要改进,引入了更灵活的远程命令处理方式:
-
Closure 支持:现在可以向
Orchestra\Testbench\remote()函数传递 Closure(闭包),这为远程测试提供了更大的灵活性。开发者可以更直观地定义远程执行的逻辑,而不必局限于字符串形式的命令。 -
架构重构:远程命令处理被重构为使用专门的
Orchestra\Testbench\Foundation\Process\RemoteCommand类。这种面向对象的设计改进带来了:- 更好的代码组织和可维护性
- 更清晰的接口定义
- 为未来可能的扩展提供了更好的基础
环境变量命名规范化
在内部实现上,v10.2.0 将环境变量 TESTBENCH_ENVIRONMENT_FILE_USING 重命名为更准确的 TESTBENCH_ENVIRONMENT_FILE_USING。虽然这是一个内部变更,不会直接影响大多数用户,但它反映了项目对代码一致性和清晰性的持续追求。
升级建议
对于现有项目,升级到 Testbench Core v10.2.0 是一个相对平滑的过程:
- 确保项目已经使用了 Testbench v10.x 系列
- 更新 composer.json 中的版本约束为 "^10.2"
- 如果项目中使用 PHPUnit,可以考虑同步升级到 12.1 版本
- 检查是否有自定义的远程测试逻辑,可能需要根据新的 API 进行微调
总结
Orchestral Testbench Core v10.2.0 虽然是一个小版本更新,但它为 PHP 测试生态带来了重要的兼容性和功能性改进。特别是对 PHPUnit 12.1 的支持确保了开发者能够使用最新的测试工具,而远程测试功能的增强则为分布式测试场景提供了更多可能性。这些改进共同巩固了 Testbench 作为 Laravel 包开发测试首选工具的地位。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C090
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python058
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00