Test Reporter 使用教程
1. 项目介绍
Test Reporter 是一个 GitHub Action,用于直接在 GitHub 中显示来自流行测试框架的测试结果。它能够解析 XML 或 JSON 格式的测试结果,并创建漂亮的报告。Test Reporter 支持多种编程语言和测试框架,包括 .NET (xUnit, NUnit, MSTest)、Dart、Flutter、Java (JUnit)、JavaScript (JEST, Mocha) 等。
2. 项目快速启动
2.1 安装
首先,在你的 GitHub 仓库中创建一个 .github/workflows 目录,并在其中创建一个 .yml 文件(例如 test-reporter.yml)。
2.2 配置 GitHub Action
在 .yml 文件中添加以下内容:
name: Test Reporter
on:
pull_request:
push:
jobs:
build-test:
runs-on: ubuntu-latest
steps:
- uses: actions/checkout@v4
- run: npm ci
- run: npm test
- name: Test Report
uses: dorny/test-reporter@v1
if: success() || failure()
with:
name: JEST Tests
path: reports/jest-*.xml
reporter: jest-junit
2.3 运行测试
提交并推送你的更改,GitHub Actions 将自动运行测试并生成测试报告。
3. 应用案例和最佳实践
3.1 公共仓库的最佳实践
对于公共仓库,建议使用两个独立的 GitHub Actions 工作流:
- CI 工作流:在 PR 头分支的上下文中运行,执行测试并将测试结果上传为构建工件。
- Test Report 工作流:在仓库主分支的上下文中运行,下载测试结果并创建报告。
示例配置如下:
# CI 工作流
name: 'CI'
on:
pull_request:
jobs:
build-test:
runs-on: ubuntu-latest
steps:
- uses: actions/checkout@v4
- run: npm ci
- run: npm test
- uses: actions/upload-artifact@v4
if: success() || failure()
with:
name: test-results
path: jest-junit.xml
# Test Report 工作流
name: 'Test Report'
on:
workflow_run:
workflows: ['CI']
types: [completed]
permissions:
contents: read
actions: read
checks: write
jobs:
report:
runs-on: ubuntu-latest
steps:
- uses: dorny/test-reporter@v1
with:
artifact: test-results
name: JEST Tests
path: '*.xml'
reporter: jest-junit
3.2 私有仓库的最佳实践
对于私有仓库,可以直接使用单个工作流来运行测试并生成报告。
4. 典型生态项目
4.1 GitHub Actions
Test Reporter 是 GitHub Actions 生态系统的一部分,可以与其他 GitHub Actions 无缝集成,例如 actions/checkout 和 actions/upload-artifact。
4.2 JEST
JEST 是一个流行的 JavaScript 测试框架,Test Reporter 支持 JEST 生成的 JUnit XML 格式的测试结果。
4.3 NUnit
NUnit 是一个 .NET 测试框架,Test Reporter 支持 NUnit 生成的 XML 格式的测试结果。
4.4 JUnit
JUnit 是一个 Java 测试框架,Test Reporter 支持 JUnit 生成的 XML 格式的测试结果。
通过以上步骤,你可以轻松地在 GitHub 中集成 Test Reporter,并生成漂亮的测试报告。
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