NBi 的安装和配置教程
NBi 是一个基于 NUnit 的测试框架,主要用于 Business Intelligence(商业智能)和数据访问。它支持大多数关系数据库(如 SQL Server、MySQL、PostgreSQL 等)和 OLAP 平台(如 Analysis Services、Mondrian 等),以及 ETL 和报表组件(特别是 Microsoft 技术)。NBi 的主要目标是允许用户通过声明式方法,基于 XML 语法创建测试。使用 NBi,用户无需编写 C# 或 Java 代码来指定测试,也不需要使用 Visual Studio 或 Eclipse 等开发环境来编译测试套件。只需创建一个 XML 文件,框架即可解释并执行测试。
1. 项目的基础介绍和主要的编程语言
NBi 是一个开源项目,遵循 Apache 2.0 许可证。项目主要使用 C# 编程语言开发,并依赖于 NUnit 测试框架。它旨在简化 Business Intelligence 和数据访问的测试过程,提供一个易于使用的平台,使得测试人员能够更高效地编写和执行测试。
2. 项目使用的关键技术和框架
NBi 项目使用的关键技术和框架包括:
- NUnit:一个广泛使用的单元测试框架,用于 .NET 平台。
- XML:用于编写测试脚本的声明式语法。
- .NET:NBi 框架本身以及其测试目标都运行在 .NET 平台上。
3. 项目安装和配置的准备工作和详细的安装步骤
准备工作
在开始安装和配置 NBi 之前,请确保您的开发环境中已经安装了以下软件:
- .NET Framework 或 .NET Core SDK(根据您要测试的应用程序的版本选择合适的环境)。
- NUnit 测试框架。
安装步骤
-
下载 NBi:首先,您需要从 NBi 的官方网站(www.nbi.io)或 GitHub 仓库(https://github.com/Seddryck/NBi.git)下载 NBi 的最新版本。
-
解压 NBi:将下载的压缩文件解压到您的本地机器上。
-
配置测试环境:确保您的测试环境中已经配置了必要的数据库和 OLAP 平台。NBi 默认连接到 Azure 上的 SQL 数据库,但您也可以配置它连接到您自己的数据库环境。为此,您需要在
NBi.Testing文件夹中创建一个名为ConnectionString.user.config的文件,并在此文件中指定您的数据库连接字符串。 -
编写测试脚本:使用 XML 语法编写您的测试脚本。您可以在
NBi.Testing文件夹中找到示例 XML 文件,以了解如何编写测试脚本。 -
运行测试:使用 NUnit 测试运行器运行您的测试脚本。您可以在命令行中运行 NUnit,也可以使用集成开发环境(IDE)中的 NUnit 插件来运行测试。
-
查看结果:测试运行结束后,您可以在 NUnit 测试运行器的输出中查看测试结果。
通过以上步骤,您就可以在您的开发环境中安装和配置 NBi,并开始编写和执行测试了。如果您在安装或配置过程中遇到任何问题,可以参考 NBi 的官方文档或 GitHub 仓库中的资源寻求帮助。
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-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