CodeceptJS 3.7.2版本发布:测试框架的优化与改进
CodeceptJS是一个现代化的端到端测试框架,它通过简单易用的API封装了多种测试技术栈(如Playwright、WebDriver、Puppeteer等),让开发者能够以统一的方式编写自动化测试脚本。该框架特别适合Web应用和移动应用的测试场景,支持BDD(行为驱动开发)风格的测试编写方式。
新版本核心特性解析
本次CodeceptJS 3.7.2版本虽然是一个小版本更新,但包含了多项实用改进和问题修复,值得测试开发者关注。
Playwright增强:按名称清除Cookie
新版本为Playwright技术栈添加了按名称清除Cookie的功能。在Web应用测试中,Cookie管理是一个常见需求,特别是在测试需要不同用户状态的场景时。以往开发者可能需要清除所有Cookie或手动设置Cookie值,现在可以直接通过名称清除特定Cookie,这为测试用例的精确控制提供了更多灵活性。
// 清除名为'session'的Cookie
I.clearCookie('session');
这一改进使得测试脚本能够更精确地控制浏览器状态,特别是在需要测试不同用户会话或认证状态的场景下尤为有用。
重要问题修复
多工作线程运行时的报告生成问题
修复了在使用run-workers参数多线程运行时HTML报告无法生成的问题。这个问题影响了测试结果的收集和展示,特别是在大型项目中需要并行执行测试时。修复后,开发者可以放心使用多线程加速测试执行,同时仍能获得完整的测试报告。
WebDriver双向协议(BiDi)相关改进
-
浏览器日志收集优化:现在通过BiDi协议正确获取浏览器日志,解决了之前可能出现的日志丢失或不完整的问题。对于需要分析浏览器控制台输出或网络请求的测试场景,这一改进尤为重要。
-
会话截图问题修复:修复了在某些情况下WebDriver会话无法正确截图的问题。截图功能对于失败测试的调试至关重要,特别是在CI/CD环境中运行时。
-
冗余弹窗日志消除:移除了不必要的弹窗日志输出,使测试日志更加清晰易读。
类型系统完善
修复了FeatureConfig和ScenarioConfig配置项的类型定义问题。对于使用TypeScript编写测试的开发者来说,这一改进提供了更好的类型检查和代码提示支持,减少了因类型错误导致的潜在问题。
文档改进
文档部分新增了关于敏感数据掩码的说明。在实际测试中,经常需要处理包含敏感信息(如密码、API密钥等)的测试数据。新版文档提供了如何安全处理这些数据的指导,帮助开发者避免在测试日志或报告中意外泄露敏感信息。
技术价值与应用建议
CodeceptJS 3.7.2版本虽然是一个维护性更新,但其改进点覆盖了测试开发中的多个关键环节:
-
测试稳定性:WebDriver相关修复提升了测试执行的可靠性,特别是在复杂场景下的表现。
-
开发体验:类型系统的完善让TypeScript用户能够更高效地编写类型安全的测试代码。
-
调试能力:日志收集和截图功能的改进使得问题诊断更加方便。
对于正在使用或考虑采用CodeceptJS的团队,建议:
- 如果项目中使用了多线程测试,应及时升级以解决报告生成问题
- 对于需要精确控制Cookie的测试场景,可以利用新的Playwright Cookie管理API
- TypeScript用户应检查测试配置的类型定义,利用改进后的类型系统
这些改进共同提升了CodeceptJS作为现代化测试框架的成熟度和可用性,使其能够更好地服务于各种规模的Web应用测试需求。
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