Ruby LSP 测试功能变更与文件路径规范解析
2025-07-08 21:26:00作者:温艾琴Wonderful
Ruby LSP 作为现代 Ruby 开发的重要工具,近期对其测试功能进行了重大更新。这次更新主要涉及测试文件的发现机制和路径规范,开发者需要了解这些变化以避免测试功能无法正常工作的情况。
测试发现机制的变化
最新版本的 Ruby LSP 引入了一套全新的测试发现机制,这套机制对测试文件的存放位置提出了明确要求。系统现在会按照特定的 glob 模式来识别测试文件:
**/{test,spec,features}/**/{*_test.rb,test_*.rb,*_spec.rb,*.feature}
这套模式设计考虑了性能优化因素,使得 LSP 能够高效地发现项目中的所有测试文件。如果测试文件不符合这个路径规范,Ruby LSP 将无法识别这些测试,导致测试运行按钮失效。
传统布局与新规范的冲突
许多 Ruby 开发者习惯将测试文件与实现文件放在同一目录下,例如:
lib/fetchers/
├── base_adapter.rb
├── job_fetcher.rb
├── test_base_adapter.rb
└── test_job_fetcher.rb
这种布局虽然直观且被许多其他语言采用,但不符合 Ruby LSP 新的测试发现规范。目前可以通过设置 fullTestDiscovery 特性标志暂时恢复旧有行为,但该标志将在未来版本中被移除。
对开发实践的影响
这一变更意味着开发者需要调整项目结构以适应新的规范。建议将测试文件统一放置在项目根目录下的 test 或 spec 目录中,这是 Ruby 社区更常见的做法,也符合 Ruby on Rails 等框架的约定。
对于坚持原有文件组织方式的开发者,需要考虑以下替代方案:
- 使用自定义脚本运行测试
- 创建符号链接将测试文件映射到规范路径
- 考虑迁移到新的文件布局
未来改进方向
Ruby LSP 团队已经意识到需要为不符合规范的测试文件提供更好的反馈机制。当用户点击无法识别的测试项的代码透镜时,系统应该明确提示原因,而不是简单地不响应。
这一变更反映了工具开发中性能优化与开发者体验之间的平衡取舍。虽然短期内可能造成不便,但从长远来看,统一的文件布局规范有助于提高工具性能和开发效率。
登录后查看全文
热门项目推荐
相关项目推荐
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
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
177
195
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++
647
263
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
270
93
暂无简介
Dart
623
140
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
378
3.33 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (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
1.1 K
621
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
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