Tox项目中的测试依赖管理变更及其影响
在Python生态系统中,Tox作为一个流行的测试自动化工具,其4.22.0版本引入了一项重要变更:移除了传统的"testing"额外依赖(extra)机制,转而采用新的依赖组(dependency-groups)系统。这一变更虽然优化了项目内部的依赖管理,但也对依赖Tox公共API(特别是tox.pytest模块)的第三方插件开发者产生了显著影响。
背景与变更内容
Tox 4.22.0版本中,开发团队重构了测试依赖的管理方式。原先通过setup.py或pyproject.toml中定义的"testing"额外依赖被完全移除,取而代之的是更现代的依赖组系统。这种变更在项目内部管理上更为清晰,但对于那些依赖tox.pytest模块来测试自己插件的开发者来说,却带来了兼容性问题。
tox.pytest模块作为Tox公开API的一部分,被许多插件开发者用来构建自己插件的测试套件。这个模块本身会导入多个非标准依赖项,如devpi-server、pytest-mock等。在旧版本中,这些依赖通过"testing"额外依赖自动包含,而现在则需要开发者手动处理。
技术影响分析
当开发者使用被移除的"testing"额外依赖时,Python的包管理系统不会报错,而是静默继续执行。这导致测试运行时才出现依赖缺失的错误,给开发者带来了排查困难。特别是以下关键依赖受到影响:
- pytest框架本身(基础测试依赖)
- devpi-process(来自devpi-server包,用于测试环境管理)
- pytest-mock(在TYPE_CHECKING模式下需要)
- virtualenv(通常由Tox自动处理)
解决方案与最佳实践
经过社区讨论,Tox团队决定重新引入一个精简版的额外依赖,但为了避免与原有"testing"依赖混淆,将其命名为"test"。这个新的额外依赖将仅包含运行tox.pytest模块所需的最小依赖集合,而不会包含整个Tox测试套件所需的全部依赖。
对于插件开发者,现在应该:
- 在项目依赖中明确添加tox[test]而非原来的tox[testing]
- 检查测试代码是否依赖了原"testing"额外依赖中的其他组件
- 考虑是否需要将pytest等基础依赖也明确声明在自己的项目中
未来展望
这一变更反映了Python生态中依赖管理的最佳实践演进。依赖组系统提供了更精细的控制,而保留必要的额外依赖则确保了公共API的稳定性。开发者应当注意:
- 公共API的依赖应该保持长期稳定
- 项目内部的测试依赖可以与公共接口依赖分离管理
- 在破坏性变更时提供清晰的迁移路径
通过这次调整,Tox在保持项目内部整洁的同时,也维护了对第三方开发者的友好支持,体现了成熟开源项目的平衡艺术。
GLM-4.6
GLM-4.6在GLM-4.5基础上全面升级:200K超长上下文窗口支持复杂任务,代码性能大幅提升,前端页面生成更优。推理能力增强且支持工具调用,智能体表现更出色,写作风格更贴合人类偏好。八项公开基准测试显示其全面超越GLM-4.5,比肩DeepSeek-V3.1-Terminus等国内外领先模型。【此简介由AI生成】Jinja00- DDeepSeek-V3.2-ExpDeepSeek-V3.2-Exp是DeepSeek推出的实验性模型,基于V3.1-Terminus架构,创新引入DeepSeek Sparse Attention稀疏注意力机制,在保持模型输出质量的同时,大幅提升长文本场景下的训练与推理效率。该模型在MMLU-Pro、GPQA-Diamond等多领域公开基准测试中表现与V3.1-Terminus相当,支持HuggingFace、SGLang、vLLM等多种本地运行方式,开源内核设计便于研究,采用MIT许可证。【此简介由AI生成】Python00
GLM-V
GLM-4.5V and GLM-4.1V-Thinking: Towards Versatile Multimodal Reasoning with Scalable Reinforcement LearningPython00ops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。C++0107AI内容魔方
AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。02Spark-Chemistry-X1-13B
科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00GOT-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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile010
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选









