Loki视觉回归测试工具入门指南
什么是Loki
Loki是一款基于Storybook的视觉回归测试工具,专门用于检测UI组件在不同环境和设备上的视觉表现差异。它通过捕获组件的屏幕截图并与基准图像进行对比,帮助开发者发现意外的UI变化,确保界面在不同平台和设备上的一致性。
环境准备
基础要求
- Node.js 16或更高版本
可选依赖
根据测试需求,你可能需要安装以下工具:
-
GraphicsMagick:用于图像差异比较引擎
- macOS用户可通过Homebrew安装:
brew install graphicsmagick
- macOS用户可通过Homebrew安装:
-
Docker:用于
chrome.docker测试目标 -
Chrome 59+:用于
chrome.app测试目标- 推荐安装Canary版本:
brew install --cask google-chrome-canary
- 推荐安装Canary版本:
-
Android调试工具:用于Android设备上的自愈崩溃功能
安装与配置
快速安装
执行以下命令完成基础安装:
yarn add loki --dev
yarn loki init
初始化命令会自动检测项目类型并生成默认配置。
手动配置
对于特殊需求,可以手动添加配置:
React Native项目
在storybook/storybook.js中添加:
import 'loki/configure-react-native'
其他项目
现代Storybook版本通常无需额外配置。旧版本可能需要:
// 在.storybook/preview.js中添加
import 'loki/configure-react'
测试流程详解
1. 检查配置
初始化后,package.json中会生成默认的Loki配置。对于Web项目,默认包含笔记本电脑和iPhone的测试配置,使用本地Chrome应用。你可以随时修改这些配置。
2. 启动Storybook
测试前必须启动Storybook服务:
yarn storybook
对于React Native项目:
- iOS模拟器:
react-native run-ios - Android模拟器:
react-native run-android
3. 创建基准图像
首次使用时需要生成基准图像:
yarn loki update
生成的图像默认保存在loki目录中,建议将这些文件纳入版本控制。
4. 修改组件
对组件或故事进行修改,这些修改将在后续测试中被检测。
5. 执行测试
运行测试命令:
yarn loki test
可以指定测试特定配置:
yarn loki test laptop # 测试名称包含"laptop"的配置
6. 检查差异
测试完成后会生成:
loki/current:当前测试截图loki/difference:差异对比图
建议使用专业工具仔细检查所有差异。
7. 确认变更
如果差异符合预期,更新基准图像:
yarn loki approve
更新后记得提交代码和新的基准图像。
最佳实践
-
命名规范:为配置使用描述性名称,如"chrome-desktop"、"ios-mobile"等
-
版本控制:考虑使用Git LFS管理基准图像
-
CI集成:将Loki测试集成到持续集成流程中
-
定期更新:随着UI迭代,定期更新基准图像
-
差异分析:建立明确的差异审查流程,确保只有预期的变更被接受
通过遵循这些步骤,Loki将成为你UI质量保障流程中不可或缺的工具,帮助你在开发早期发现视觉回归问题,提高产品的一致性和可靠性。
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