Modele
Dodaj endpoint zgodny z OpenAI lub Anthropic, podając bazowy URL i klucz API, jeśli jest wymagany. Sprawdź połączenie. Lokalny serwer modelu musi działać; zdalne narzędzia mogą przesyłać dane oddzielnie.
Napraw test asynchroniczny pozostawiający aktywny zegar po nieudanej asercji.
let resource;
try {
resource = await openTestResource();
await checkBehavior(resource);
} finally {
try {
await resource?.close();
} finally {
restoreTimers();
}
}Dodaj endpoint zgodny z OpenAI lub Anthropic, podając bazowy URL i klucz API, jeśli jest wymagany. Sprawdź połączenie. Lokalny serwer modelu musi działać; zdalne narzędzia mogą przesyłać dane oddzielnie.
Wymuś błąd oraz przerwane przygotowanie i przywróć zegary, zamykając tylko zasoby utworzone przez test.
Porównaj rzeczywiste zachowanie z oczekiwanym wynikiem. Jeśli sprawdzenie się nie powiedzie, wyjaśnij przyczynę przed kolejnymi zmianami.
let resource;
try {
resource = await openTestResource();
await checkBehavior(resource);
} finally {
try {
await resource?.close();
} finally {
restoreTimers();
}
}Gdy test zawodzi, następna awaria może być jego skutkiem, a nie kolejnym defektem. Otwarty zasób lub zmodyfikowany zegar może zmienić środowisko wszystkiego, co następuje później. FlowLatch to oprogramowanie do programowania z AI dla Windows do badania tej zależności w projekcie, z kodem testu i rozmową o naprawie blisko siebie.
Otwórz zawodzący test i funkcje pomocnicze pozyskujące jego zasoby. Poproś podłączony model o prześledzenie własności od przygotowania przez asercje po sprzątanie, w tym ścieżek po zgłoszeniu wyjątku przez operację. Przydatnym zadaniem jest sprawdzenie, czy sprzątanie nadal przywraca zegary po błędzie zamykania zasobu, zamiast jedynie dodawać kolejne wywołanie sprzątania.
Opisz zaobserwowany błąd i stan oczekiwany przez następny test. Przejrzyj proponowany przepływ sterowania dla udanego i nieudanego przygotowania. Uruchom pojedynczy test, a potem otaczający zestaw w istniejącym środowisku; test przechodzący osobno może nadal pozostawiać współdzielony stan. Utrzymaj naprawę na tyle wąską, aby dało się wyjaśnić potrzebę każdej czynności sprzątania.
FlowLatch może łączyć się z obsługiwanymi punktami końcowymi zgodnymi z OpenAI lub punktami końcowymi Anthropic, w tym z dostępnym modelem AI bez cenzury. Wybrany model i serwer określają zachowanie odpowiedzi, obsługę narzędzi oraz pojemność kontekstu. Te wybory wspierają badanie; podstawą przyjęcia zmiany pozostają dowody z Twoich uruchomień testów.
Podaj zawodzącą asercję, odpowiednie funkcje przygotowania i sprzątania oraz informację, czy test przechodzi osobno. Dołącz kolejność wykonania, jeśli jest znana. Usuń dane uwierzytelniające z logów, zachowując szczegóły błędu wskazujące zawodzącą operację.
Sprawdź, co rzeczywiście pozyskano przed błędem. Częściowe przygotowanie nadal może pozostawić stan do zwolnienia, ale sprzątanie musi uwzględniać zasoby, które nigdy nie powstały. Poproś o wyjaśnienie tych ścieżek przed przyjęciem proponowanej naprawy.
Zdecyduj, które pozostałe kroki przywracania stanu muszą mimo to się wykonać i jak zgłaszać błędy sprzątania. Przetestuj tę decyzję jawnie. W przeciwnym razie początkowy błąd zamknięcia może uniemożliwić przywrócenie zegarów i spowodować awarię następnego testu z innego powodu.
To przydatny dowód, lecz niewystarczający przy błędach współdzielonego stanu. Uruchom także powiązane testy otaczające i sprawdź wyniki. FlowLatch pomaga ocenić kod i propozycję; narzędzie testowe projektu dostarcza dowodów wykonania.
FlowLatch · Zaktualizowano 2026-10-25