Kaspresso 1.6.0 版本发布:Android UI测试框架的重大升级
Kaspresso 是 KasperskyLab 开源的 Android UI 测试框架,它基于 Espresso 和 UI Automator 构建,提供了更简洁的 API 和更强大的功能。该框架旨在简化 Android 应用的 UI 测试编写过程,同时提高测试的稳定性和可靠性。最新发布的 1.6.0 版本带来了多项重要改进和新特性,本文将深入解析这些更新内容。
核心功能增强
1. 权限处理机制优化
新版本对权限处理进行了显著改进,主要体现在:
- 新增了
ALLOW_ALL和ALLOW_SELECTED权限按钮类型,使测试人员能够更精确地控制权限对话框的处理方式 - 改进了
allowViaDialog方法的按钮参数传递机制,使得权限对话框的交互更加灵活可控 - 添加了移除 PermissionController 的标志选项,解决了某些设备上的兼容性问题
这些改进使得测试脚本在处理应用权限时更加健壮,特别是在需要测试不同权限场景的情况下。
2. 异常处理机制完善
1.6.0 版本对异常处理进行了多项优化:
- 现在会将原始异常作为 suppressed 异常附加,保留了完整的错误上下文,便于问题诊断
- 特别处理了
RootViewWithoutFocusException,将其纳入 flaky safety 拦截器范围,提高了测试稳定性 - 新增了对崩溃对话框的自动关闭功能,防止它们阻塞后续测试执行
这些改进显著提升了测试的容错能力,特别是在处理不稳定测试场景时。
3. 多语言支持增强
新版本改进了系统语言处理机制:
- 通过 Device 类传递 SystemLanguage 实例,使语言设置更加统一和可控
- 简化了语言特性的定制流程,使多语言测试场景的配置更加便捷
这对于需要测试多语言支持的应用程序特别有价值。
新特性引入
1. Compose 组件测试支持
1.6.0 版本正式引入了对 Jetpack Compose 的测试支持,这是本次更新的重大特性之一。包括:
- 对 Compose 语义树的完整访问能力
- 专门的 Compose 元素定位和交互方法
- 与现有 Espresso 测试的无缝集成
这使得 Kaspresso 能够全面支持现代 Android 开发中的声明式 UI 测试需求。
2. 截图功能增强
针对 Compose 项目的截图功能得到了特别改进:
- 修复了 Compose 项目中无法截图的问题
- 新增了截图对比测试功能,支持视觉回归测试
- 改进了截图文件的命名处理,确保特殊字符不会导致问题
这些改进使得视觉验证测试更加可靠和全面。
3. 代码生成工具
新版本引入了初步的代码生成功能:
- 自动化生成基本测试代码结构
- 减少样板代码编写工作量
- 提高测试开发效率
虽然目前还是基础版本,但这为未来的测试开发效率提升奠定了基础。
稳定性与性能优化
1.6.0 版本包含多项底层改进以提升测试稳定性和性能:
-
Flaky 测试处理:
- 优化了嵌套 flaky safety 拦截器的恢复逻辑
- 清理了语义相关的 flaky safety 拦截器
- 减少了误报和不必要的重试
-
依赖项升级:
- 更新了 UI Automator 版本,保持与最新 Android 平台的兼容性
- 升级了 adb-server 组件,提高了设备通信的可靠性
-
测试执行优化:
- 修复了多个可能导致测试不稳定的问题
- 改进了测试失败时的诊断信息
开发体验改进
从开发者体验角度看,1.6.0 版本也做出了多项改进:
- 移除了 Java 代码,全面转向 Kotlin,保持代码库的现代性和一致性
- 设置了 JVM 工具链版本,确保构建环境的一致性
- 优化了测试代码结构,提高了可维护性
总结
Kaspresso 1.6.0 是一个功能丰富且稳定的版本,特别值得关注的是其对 Jetpack Compose 的全面支持,这使其成为测试现代 Android 应用的强大工具。新版本在权限处理、异常管理、多语言测试等方面都有显著改进,同时通过代码生成等新功能提高了开发效率。对于正在使用或考虑使用 Kaspresso 的团队来说,升级到 1.6.0 版本将能获得更稳定、更强大的测试能力。
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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
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