Behat 3.20.0 版本发布:测试框架的重要更新
Behat 是一个流行的行为驱动开发(BDD)测试框架,主要用于PHP项目。它允许开发者、产品经理和其他利益相关者使用自然语言编写可执行的测试用例,从而更好地协作和理解软件行为。Behat 的核心功能是将人类可读的Gherkin语法场景转换为可执行的测试步骤。
主要变更
移除对Gherkin文件位置的依赖
在本次3.20.0版本中,Behat移除了对Gherkin包中文件位置的依赖。这意味着内部服务容器参数gherkin.paths.lib和gherkin.paths.i18n不再被定义或使用。这一变更使得Behat与Gherkin包的集成更加灵活,不再受限于特定的文件路径结构。
同时,Behat现在要求最低版本的behat/gherkin包为4.12.0或更高。这一版本要求的提升确保了用户能够使用Gherkin包的最新功能和改进。
新增命令行选项
允许无测试通过
新版本引入了--allow-no-tests命令行选项。这个功能特别适用于持续集成环境,当测试运行器没有找到任何测试规范时,仍然允许构建通过。在之前的版本中,如果没有找到测试,Behat会返回非零退出码,导致构建失败。现在,开发人员可以更灵活地控制测试运行的行为。
配置文件转换
另一个实用的新功能是--convert-config命令行选项。这个选项允许用户将YAML格式的配置文件转换为PHP格式。PHP格式的配置文件执行效率更高,并且可以利用PHP的全部功能。对于大型项目或需要复杂配置的场景,这一功能特别有价值。
内部改进
代码风格标准化
Behat 3.20.0在代码风格方面进行了重大改进,采用了PSR-12和PER-CS2.0标准。这些标准是PHP社区广泛接受的编码规范,包括:
- 统一的命名约定
- 一致的代码缩进和括号使用
- 标准化的导入语句组织
- 明确的可见性声明
这些改进不仅提高了代码的可读性和一致性,还使得项目更容易维护,并与其他遵循相同标准的PHP项目更好地集成。
技术影响分析
对现有项目的影响
对于现有项目,升级到3.20.0版本通常是平滑的。主要的考虑点是:
- 如果项目直接使用了被移除的服务容器参数,需要进行相应的调整。
- 新版本要求的Gherkin包最低版本为4.12.0,需要确保依赖兼容性。
- 新的命令行选项为测试流程提供了更多灵活性,值得探索使用。
性能考量
移除对特定文件路径的依赖可能会带来轻微的性能改进,因为减少了文件系统操作。同时,将配置文件转换为PHP格式可以显著提高配置加载速度,特别是在大型项目中。
最佳实践建议
- 渐进式升级:建议先在开发环境中测试新版本,确保没有兼容性问题。
- 利用新功能:考虑在CI/CD流程中使用
--allow-no-tests选项,使构建更加健壮。 - 配置文件优化:对于复杂配置,考虑转换为PHP格式以获得更好的性能。
- 代码风格一致性:如果项目扩展了Behat,建议也采用PSR-12标准以保持一致性。
Behat 3.20.0的这些改进进一步巩固了它作为PHP生态系统中领先的BDD测试框架的地位,为开发者提供了更强大、更灵活的工具来构建高质量的软件。
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