ScalaMeta Metals 项目对 TestNG 测试框架支持的探索与实践
在 Java 生态系统中,TestNG 是一个广泛使用的测试框架,它提供了比 JUnit 更丰富的功能集。然而,当开发者尝试在 ScalaMeta Metals 项目中使用 TestNG 时,遇到了测试无法运行的问题。本文将深入探讨这一问题的根源以及解决方案。
问题背景
Metals 是 Scala 语言的 Language Server 实现,它为多种编辑器提供了丰富的功能支持,包括代码导航、自动补全以及测试运行等。在 Metals 1.3.5 版本中,用户发现无法通过编辑器运行 TestNG 测试,具体表现为:
- 测试方法上没有显示代码透镜(Code Lenses)
- 无法执行文件中的所有测试
技术分析
经过深入调查,发现问题根源在于 Metals 底层依赖的 Bloop 构建工具对 TestNG 框架的支持不完善。Bloop 需要通过特定的测试框架接口来识别和运行测试,而 TestNG 的适配器没有被正确配置。
解决方案探索
最初尝试使用 sbt-testng 适配器,但遇到了"Old frameworks are not supported"的错误提示。这表明 sbt-testng 的实现可能已经过时,不再兼容当前的 Bloop 版本。
最终解决方案是采用 mill-contrib-testng 作为替代方案。具体步骤如下:
- 在项目依赖中添加 mill-contrib-testng 库
- 手动修改 Bloop 配置文件,添加 TestNG 框架声明
具体实现
要使 TestNG 测试在 Metals 中正常工作,需要进行以下配置:
- 在构建配置中添加 mill-contrib-testng 依赖,推荐版本为 1.0.0-RC2
- 在项目的 .bloop 配置文件中添加框架声明
{
"names": [
"mill.testng.TestNGFramework"
]
}
效果验证
完成上述配置后,Metals 能够正确识别 TestNG 测试方法,并显示相应的代码透镜。用户可以通过点击这些透镜来运行单个测试,也可以通过命令运行文件中的所有测试。
技术启示
这一问题的解决过程展示了构建工具生态系统的复杂性。当遇到测试框架支持问题时,开发者可以:
- 检查构建工具是否提供了对应的适配器接口
- 尝试不同来源的适配器实现
- 必要时手动修改构建配置
对于 Scala 和 Java 混合项目,特别是使用非标准测试框架的情况,这种调试思路具有普遍参考价值。
未来展望
随着 Metals 和 Bloop 的持续发展,期待未来能够提供更完善的 TestNG 原生支持,减少手动配置的需要。同时,这也提醒我们,在项目中使用非主流测试框架时,需要考虑工具链支持的完整性。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-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