Thunder Client CLI 使用指南:解决文件夹执行与数据驱动测试问题
2025-06-19 01:14:52作者:郁楠烈Hubert
概述
Thunder Client 是一款轻量级的 REST API 客户端扩展,其 CLI 工具为自动化测试提供了强大支持。本文将深入探讨 CLI 工具在实际使用中的常见问题及解决方案,特别是关于文件夹执行和数据驱动测试的相关技术细节。
核心问题分析
在 Thunder Client CLI 使用过程中,用户经常遇到以下两类问题:
- 文件夹路径识别问题:当用户尝试执行特定文件夹中的请求时,CLI 工具可能返回"Folder not found"错误
- 数据驱动测试执行问题:在多文件夹环境下,如何正确应用各文件夹关联的数据文件进行测试
解决方案详解
文件夹执行基础
正确执行文件夹请求的基本命令格式为:
tc --fol "文件夹名称" --env "环境名称"
关键注意事项:
- 必须在项目根目录下执行命令
- 文件夹名称需与 Thunder Client 中定义的完全一致
- 可使用 tab 键自动补全功能确保名称准确性
多文件夹执行
最新版本(v1.16.0+)已支持多文件夹同时执行:
tc --fol '文件夹1,文件夹2,文件夹3' --env '环境名称'
执行特性:
- 各文件夹独立执行
- 使用各自关联的数据文件
- 生成独立的测试报告
数据驱动测试最佳实践
对于数据驱动测试场景,建议采用以下方法:
-
单一数据文件模式:
- 为整个集合指定一个主数据文件
- 在集合设置中配置迭代次数
-
多文件夹独立数据文件模式:
- 为每个文件夹维护独立数据文件
- 通过多文件夹执行命令运行测试
- 各文件夹自动使用关联的数据文件
常见问题排查
-
设置不保存问题:
- 确保使用最新版本(v2.29.13+)
- 检查"_info.json"文件权限
- 确认在UI界面正确保存设置
-
报告统计异常:
- 总迭代次数显示为1是已知问题
- 实际测试仍按数据文件行数执行
- 详细结果可在单独报告中查看
高级技巧
-
环境变量管理:
- 通过--env参数指定执行环境
- 支持多环境快速切换
-
报告生成:
- 添加--report html参数生成HTML报告
- 报告包含详细请求/响应信息
-
调试模式:
- 使用--debug参数获取详细日志
- 帮助定位路径或配置问题
版本演进与改进
Thunder Client CLI 持续迭代更新,近期重要改进包括:
- v1.16.0:实现多文件夹执行功能
- v1.16.1:完善数据文件支持
- v2.29.13:修复设置保存问题
建议用户定期更新至最新版本以获得最佳体验。
结语
通过本文介绍的方法和技巧,用户可以更高效地利用 Thunder Client CLI 进行API测试自动化。特别是在复杂的数据驱动测试场景下,合理组织文件夹结构和数据文件关联,能够显著提升测试效率。随着产品的持续更新,期待未来版本提供更强大的功能和更流畅的体验。
登录后查看全文
热门项目推荐
相关项目推荐
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
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
246
暂无简介
Dart
672
157
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
663
313
React Native鸿蒙化仓库
JavaScript
262
324
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.2 K
655
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
330
137