Modelos
Configura un endpoint compatible con OpenAI o Anthropic usando la URL base y, si hace falta, una clave API. Prueba la conexión. Un servidor local debe estar en ejecución; las herramientas remotas pueden enviar datos por separado.
Corrige una prueba asíncrona que deja un temporizador activo al fallar una aserción.
let resource;
try {
resource = await openTestResource();
await checkBehavior(resource);
} finally {
try {
await resource?.close();
} finally {
restoreTimers();
}
}Configura un endpoint compatible con OpenAI o Anthropic usando la URL base y, si hace falta, una clave API. Prueba la conexión. Un servidor local debe estar en ejecución; las herramientas remotas pueden enviar datos por separado.
Fuerza el fallo y una preparación interrumpida, restaurando temporizadores y cerrando únicamente recursos creados por la prueba.
Compara el comportamiento real con el resultado esperado. Si una prueba falla, investiga la causa antes de hacer más cambios.
let resource;
try {
resource = await openTestResource();
await checkBehavior(resource);
} finally {
try {
await resource?.close();
} finally {
restoreTimers();
}
}Cuando una prueba falla, el fallo siguiente puede ser una consecuencia y no otro defecto. Un recurso abierto o un temporizador modificado pueden alterar el entorno de todo lo que viene después. FlowLatch es software de programación con IA para Windows que permite investigar esa relación en tu proyecto, con el código de prueba junto al análisis de la corrección.
Abre la prueba fallida y las funciones auxiliares que adquieren sus recursos. Pide al modelo conectado que siga la responsabilidad sobre ellos desde la preparación hasta las aserciones y la limpieza, incluidas las rutas alcanzadas cuando una operación lanza una excepción. Una tarea útil consiste en revisar si la limpieza restaura los temporizadores incluso cuando falla el cierre de un recurso, en lugar de limitarse a añadir otra llamada de limpieza.
Describe el fallo observado y el estado que espera la prueba siguiente. Contrasta el flujo de control propuesto con una preparación correcta y una fallida. Ejecuta la prueba concreta y luego la batería que la rodea en tu entorno actual; una prueba que pasa sola aún puede dejar estado compartido. Mantén la corrección lo bastante acotada para explicar por qué corresponde cada acción de limpieza.
FlowLatch puede conectarse a endpoints compatibles con OpenAI o de Anthropic admitidos, incluido un modelo de IA sin censura disponible. El modelo y el servidor elegidos determinan el comportamiento de respuesta, las herramientas disponibles y la capacidad de contexto. Esas elecciones ayudan a la investigación; las pruebas obtenidas de tus ejecuciones siguen siendo la base para aceptar el cambio.
Proporciona la aserción fallida, las funciones pertinentes de preparación y limpieza e indica si la prueba pasa sola. Incluye el orden de ejecución si se conoce. Elimina credenciales de los registros conservando los detalles del error que muestran qué operación falló.
Revisa qué se adquirió realmente antes del fallo. Una preparación parcial puede dejar estado que liberar, pero la limpieza debe tener en cuenta recursos que nunca llegaron a crearse. Pide una explicación de esas rutas antes de aceptar la corrección propuesta.
Decide qué pasos de restauración restantes deben ejecutarse y cómo informar de los errores de limpieza. Prueba esa decisión explícitamente. De lo contrario, un fallo inicial de cierre puede impedir restaurar temporizadores y provocar que la prueba siguiente falle por otra causa.
Es una prueba útil, pero insuficiente ante fallos de estado compartido. Ejecuta también las pruebas circundantes afectadas y examina sus resultados. FlowLatch ayuda a revisar el código y la propuesta; el ejecutor de tu proyecto aporta las pruebas de ejecución.
FlowLatch · Actualizado 2026-10-25