Guard::Spork 项目技术文档
1. 安装指南
在开始使用 Guard::Spork 之前,请确保已经安装了 Guard。Guard::Spork 是一个用于自动启动和重载 RSpec/Cucumber/Test::Unit 的 Spork 服务器的工具。
安装步骤
-
安装 Guard: 如果你还没有安装
Guard,请先安装:$ gem install guard -
安装 Guard::Spork: 使用以下命令安装
Guard::Spork:$ gem install guard-spork -
添加到 Gemfile: 将
guard-spork添加到你的 Gemfile 的development组中:group :development do gem 'guard-spork' end -
生成 Guardfile: 使用以下命令将
guard-spork的配置添加到你的Guardfile中:$ guard init spork
2. 项目的使用说明
基本用法
Guard::Spork 的主要功能是自动启动和重载 Spork 服务器。你可以通过 Guard 的命令行工具来启动 Guard::Spork:
$ guard
Guardfile 配置
在 Guardfile 中,你需要确保 Spork 的 guard 定义在 RSpec/Cucumber/Test::Unit 的 guard 之前。以下是一个典型的 Rails 应用的 Guardfile 配置示例:
guard 'spork' do
watch('config/application.rb')
watch('config/environment.rb')
watch(%r{^config/environments/.*\.rb$})
watch(%r{^config/initializers/.*\.rb$})
watch('Gemfile.lock')
watch('spec/spec_helper.rb') { :rspec }
watch('test/test_helper.rb') { :test_unit }
watch(%r{features/support/}) { :cucumber }
end
通过 Spork 运行测试
为了通过 Spork 的 DRb 服务器运行测试,你需要在 Guard::RSpec 和 Guard::Cucumber 的配置中添加 :cmd => "rspec --drb" 选项:
guard 'rspec', :cmd => "rspec --drb" do
# ...
end
guard 'cucumber', :cmd => "rspec --drb" do
# ...
end
对于 MiniTest,你需要添加 :drb => true 选项:
guard 'minitest', :drb => true do
# ...
end
3. 项目API使用文档
选项配置
Guard::Spork 提供了多种选项来定制其行为。以下是一些常用的选项:
:rspec => false:禁用 RSpec 支持。:cucumber => false:禁用 Cucumber 支持。:test_unit => false:禁用 Test::Unit 支持。:bundler => false:不使用bundle exec。:rspec_env、:cucumber_env、:test_unit_env:为 RSpec、Cucumber 和 Test::Unit 提供额外的环境变量。:foreman => true:使用 Foreman 启动 Spork,并传递.env文件中的环境变量。
示例:
guard 'spork', :cucumber_env => { 'RAILS_ENV' => 'cucumber' }, :rspec_env => { 'RAILS_ENV' => 'test' }, :test_unit_env => { 'RAILS_ENV' => 'test' } do
# ...
end
常见问题排查
如果你手动启动 Spork 成功,但通过 Guard::Spork 启动时出现错误,可以尝试增加 :wait 选项的值,例如:
guard 'spork', :wait => 60 do
# ...
end
4. 项目安装方式
Guard::Spork 的安装方式非常简单,只需按照以下步骤操作:
- 确保已安装
Guard。 - 使用
gem install guard-spork命令安装Guard::Spork。 - 将
guard-spork添加到 Gemfile 的development组中。 - 使用
guard init spork命令生成Guardfile配置。
通过以上步骤,你就可以成功安装并配置 Guard::Spork,开始使用它来自动化你的测试环境。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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