Shouldly 4.3.0版本发布:更强大的.NET测试断言库升级
项目简介
Shouldly是一个流行的.NET测试断言库,它以其简洁的语法和清晰的错误信息而闻名。作为xUnit、NUnit等测试框架的补充,Shouldly让开发者能够用更自然的方式编写断言语句,大大提升了单元测试的可读性和维护性。
主要更新内容
1. 对不可变集合的支持增强
新版本特别增加了对ImmutableArray类型的支持,特别是在ShouldBeEquivalentTo方法中。这意味着开发者现在可以更方便地比较不可变数组的内容,而无需先将其转换为其他集合类型。对于使用函数式编程风格或注重线程安全的代码来说,这一改进尤为重要。
2. 字典类型支持的扩展
4.3.0版本扩展了对字典类型的支持,新增了对IReadOnlyDictionary<K, V>接口的支持。这使得Shouldly现在能够处理更广泛的字典实现,包括那些只提供只读访问权限的字典类型,为测试不可变字典或只读视图提供了更好的支持。
3. 可空值类型的改进处理
在类型检查方面,新版本改进了ShouldBeAssignableTo方法对可空值类型(Nullable<T>)的处理。现在,断言可以更准确地判断一个值是否可以转换为指定的可空类型,减少了误报的可能性,使类型相关的测试更加精确。
4. 零容差处理的修复
对于数值比较中的容差处理,4.3.0修复了零容差情况下的处理逻辑。这一改进确保了当开发者明确指定零容差时,Shouldly会严格执行精确相等比较,而不会出现任何意外的近似匹配行为。
5. 开发工具链升级
在开发基础设施方面,项目完成了多项重要升级:
- 将SDK升级至.NET 8系列最新版本
- 测试项目迁移到.NET 8环境
- xUnit测试框架升级到2.9版本
- 移除了过时的AppVeyor CI支持,全面转向GitHub Actions
其他值得注意的改进
- 移除了多个已过时的API,保持代码库的整洁
- 改进了文档中的多处描述,特别是修正了"discriminate"的拼写错误
- 优化了测试稳定性,特别是针对
ShouldCompleteIn相关的异步测试 - 增加了对xUnit v3标记接口的支持,为未来的兼容性做准备
- 改进了许可证信息的明确性,确保合规性
对开发者的影响
对于使用Shouldly的开发者来说,4.3.0版本带来了更完善的类型支持和更稳定的测试体验。特别是那些使用不可变集合、只读字典或可空值类型的项目,将直接从这些改进中受益。
升级建议:对于已经在使用Shouldly的项目,可以考虑在下一个测试周期前升级到4.3.0版本,特别是如果项目中使用了上述提到的特性。对于新项目,直接从4.3.0开始将获得最佳的开发体验。
未来展望
从这次更新可以看出,Shouldly团队继续致力于提升库的稳定性和扩展性,同时保持对现代.NET特性的良好支持。移除对.NET 5的支持并增加对.NET 8的支持,显示了项目紧跟.NET生态发展的决心。随着xUnit v3支持的初步引入,也为未来的更大升级做好了准备。
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