推荐开源项目:Rescript-jest
1、项目介绍
Rescript-jest 是一个专门为 Rescript 设计的 Jest 绑定库。它允许你在 Rescript 代码中充分利用 Jest 的强大测试功能,从而简化和优化你的单元测试流程。此库包含了对 Jest 大部分特性的支持,如期待(Expect)、模拟函数(Mock Functions)和全局对象(Global)等。
2、项目技术分析
Rescript-jest 使用了最新的 Rescript 9.1.4 和 Jest 27.3.1 版本,确保与这两个关键依赖保持同步。此外,项目还引入了 @ryyppy/rescript-promise 来处理 Promise 相关操作,并采用数据优先的语义以及 rescript-promise 替代 Js.Promise。值得注意的是,由于 Jest 27 对 jasmine 模块的替换,Rescript-jest 已更新了相应的绑定以适应新的行为。
在测试场景下,项目提供了全面的绑定,包括稳定的 Global 和 Expect 部分,实验性质的 Mock 功能,以及部分实现的 Jest 对象。所有这些都经过严格的测试和调优,以提供最佳的 Rescript 开发体验。
3、项目及技术应用场景
Rescript-jest 可广泛应用于任何基于 Rescript 的项目,尤其是对于那些希望利用 Jest 测试工具进行单元测试和集成测试的开发者。它的特性使得你可以方便地进行断言、模拟、快照测试等功能,同时得益于 Rescript 的静态类型,可以减少因未正确执行或遗漏断言导致的错误。
例如,以下是一个简单的测试示例:
open Jest;
describe("Expect", () => {
open Expect;
test("toBe", () =>
expect(1 + 2) -> toBe(3))
});
4、项目特点
- 全面的 Jest 支持:覆盖了 Jest 的大部分核心特性。
- Rescript 兼容性:针对 Rescript 进行优化,提供原生的 Rescript API。
- 类型安全:由于 Rescript 的静态类型系统,强制要求每个测试至少包含一个断言,避免空测试。
- 易于使用:通过
__tests__文件夹结构和自动生成的.test.bs.js文件,轻松集成到 Jest 测试框架中。 - 持续更新:随着 Rescript 和 Jest 的发展,Rescript-jest 会定期更新,保持兼容性。
为了开始使用 Rescript-jest,请按照项目的 README 安装并配置,然后将测试文件放入 __tests__ 目录,即可享受高质量的 Rescript 测试体验。
如果你在使用过程中遇到问题,或者想要贡献代码,项目维护者提供了详细的文档和交流渠道,助你顺利解决问题。
总的来说,Rescript-jest 是 Rescript 社区的重要补充,为开发者提供了高效、可靠的测试工具。如果你正在寻找一个强大的 Rescript 测试解决方案,那么 Rescript-jest 将是不二之选。
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-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