UnitRecord技术文档
1. 安装指南
首先,确保您的环境中已经安装了Ruby和Rails。接下来,通过以下命令安装UnitRecord:
gem install unit_record
2. 项目的使用说明
UnitRecord旨在帮助开发者对ActiveRecord类进行单元测试,而不需要连接到数据库。这样做的主要好处是可以加快测试套件的运行速度。
重构Rails测试目录
Rails的测试目录通常将模型测试放在test/unit,控制器测试放在test/functional。但我们需要重新定义单元和功能测试。控制器可以进行单元测试(模拟模型并渲染视图),而模型可以进行功能测试(实际访问数据库)。每种测试类型都需要自己的测试辅助文件。建议您的测试目录结构如下:
test
test_helper.rb
unit
unit_test_helper.rb
controllers
models
functional
functional_test_helper.rb
controllers
models
将现有的功能测试移动到functional/controllers,并修改测试文件顶部的require行,以引入functional_test_helper.rb而不是test_helper.rb。
functional_test_helper.rb文件只需要引入test_helper.rb:
require File.dirname(__FILE__) + "/../test_helper"
对于单元测试的移动,建议将其移至unit/models,并断开单元测试与数据库的连接。任何失败的测试都应该修改为不访问数据库或移动到functional/models。
使用方法
在重构测试目录时创建的test/unit/unit_test_helper.rb文件中,添加以下代码:
require File.dirname(__FILE__) + "/../test_helper"
require "unit_record"
ActiveRecord::Base.disconnect!
disconnect!方法将执行所有必要操作,以在不连接数据库的情况下运行您的单元测试。
策略
如果您的代码尝试访问数据库,UnitRecord提供了两种策略:抛出异常或不执行任何操作(no-op)。抛出异常可以帮助您确定测试失败的原因,但可能不方便处理。
如果您希望抛出异常:
ActiveRecord::Base.disconnect! :strategy => :raise
如果您希望不执行任何操作:
ActiveRecord::Base.disconnect! :strategy => :noop
您还可以在块内更改策略:
ActiveRecord::Base.connection.change_strategy(:raise) do
Person.find(:all)
end
ActiveRecord::Base.connection.change_strategy(:noop) do
Person.find(:all)
end
关联存根
单元测试ActiveRecord类的一个痛点是设置关联。由于Rails在设置关联时进行类型检查,如果您尝试使用存根替换预期类,将会收到异常。
Pet.new :owner => stub("person")
如果使用mocha,可以启用UnitRecord进行关联存根。要启用关联存根功能:
ActiveRecord::Base.disconnect! :stub_associations => true
3. 项目API使用文档
UnitRecord主要提供了disconnect!方法,用于断开ActiveRecord与数据库的连接。该方法接受一个策略参数,用于定义当尝试访问数据库时应该采取的行为。
:raise:抛出异常:noop:不执行任何操作
此外,您可以使用change_strategy方法在块内临时更改策略。
4. 项目安装方式
如前所述,您可以通过Ruby的gem包管理器安装UnitRecord:
gem install unit_record
确保在您的Rails项目中包含UnitRecord,并在测试辅助文件中正确配置。
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