Mill项目中TestBaseModule模块依赖传递问题的技术解析
概述
在Mill构建工具的0.12.10版本中,开发者在使用TestBaseModule进行插件测试时遇到了一个关于依赖传递的典型问题。当两个ScalaModule之间存在moduleDeps关系时,ivyDeps无法正确地从依赖模块传递到测试模块,这给插件开发者的测试工作带来了困扰。
问题现象
具体表现为:假设我们有一个foo模块和一个bar模块,其中bar通过moduleDeps依赖于foo。foo模块中定义了ivyDeps依赖(如smithy4s-aws-kernel),但在bar模块中编译时却无法解析这些传递依赖,导致编译失败。
有趣的是,在Mill 0.13.0-M1版本中这个问题已经被修复,但0.12版本的用户仍然受此问题困扰。更奇怪的是,如果在测试代码中先打印transitiveIvyDeps,问题就会神奇地消失,这表明这是一个与依赖解析顺序相关的bug。
技术背景
TestBaseModule是Mill中专门用于测试的基础模块,按照设计原则,它应该是测试模块树的根节点,不应该有外部依赖。这种设计是为了保持测试环境的隔离性和可重复性。
在Mill 0.12.10中,TestBaseModule与其他模块的依赖关系处理存在缺陷,导致依赖无法正确传递。这主要是因为TestBaseModule的依赖解析机制与其他普通模块不同,没有正确处理跨模块的依赖传递。
解决方案
根据Mill核心开发者的建议,正确的做法是将所有测试模块组织在一个TestBaseModule内部,而不是让多个TestBaseModule相互依赖。这样可以确保依赖关系的正确传递和解析。
例如:
object base extends TestBaseModule {
  object foo extends ScalaModule {
    // 配置...
  }
  object bar extends ScalaModule {
    override def moduleDeps = Seq(foo)
    // 配置...
  }
  
  lazy val millDiscover = Discover[this.type]
}
这种组织方式确保了所有测试模块都在同一个TestBaseModule上下文中,依赖关系能够正确传递。
版本差异分析
在Mill 0.13.0-M1中,这个问题被修复了,使得TestBaseModule之间的依赖传递能够正常工作。但考虑到向后兼容性和设计初衷,即使在0.13版本中,也不推荐让TestBaseModule相互依赖。
最佳实践建议
- 单一TestBaseModule原则:所有测试模块应该组织在一个TestBaseModule内部
 - 模块化设计:在TestBaseModule内部可以自由定义多个子模块和它们之间的依赖关系
 - 避免跨TestBaseModule依赖:即使在高版本中能够工作,也不推荐这种做法
 - 明确依赖边界:测试模块的依赖应该自包含,减少对外部环境的依赖
 
总结
这个问题揭示了测试模块设计中的一个重要原则:测试环境应该尽可能独立和自包含。通过将相关测试模块组织在同一个TestBaseModule下,不仅可以避免依赖传递问题,还能提高测试的可维护性和可靠性。对于Mill插件开发者来说,理解这一设计理念比单纯依赖特定版本的修复更为重要。
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- DDeepSeek-OCRDeepSeek-OCR是一款以大语言模型为核心的开源工具,从LLM视角出发,探索视觉文本压缩的极限。Python00
 
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
HunyuanWorld-Mirror混元3D世界重建模型,支持多模态先验注入和多任务统一输出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Jinja00
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
 
Spark-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。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00