QuickJS-NG 中的行号追踪问题分析与修复
2025-07-10 02:34:43作者:柯茵沙
问题背景
QuickJS-NG 是一个轻量级的 JavaScript 引擎,最近版本中出现了一个关于错误堆栈中行号显示不准确的问题。这个问题在异步函数中表现得尤为明显,导致开发者调试代码时难以准确定位错误位置。
问题现象
当执行包含异步函数的模块时,错误堆栈中显示的行号与实际发生错误的行号不符。例如,在一个简单的模块导入场景中:
主模块 a.mjs 导入 b.mjs 中的异步函数并调用,当 b.mjs 中出现引用错误时,错误堆栈显示的行号始终指向函数定义的第一行,而不是实际发生错误的行号。
技术分析
这个问题源于 QuickJS-NG 的字节码生成和行号追踪机制。在异步函数编译过程中,引擎没有正确处理源代码位置信息(Position Tracking)的传递。具体表现为:
- 异步函数的函数体字节码生成时,没有正确继承父作用域的行号信息
- 当异步函数内部发生错误时,引擎无法回溯到正确的源代码位置
- 错误堆栈生成时,默认使用了函数定义的起始位置而非实际错误位置
修复方案
QuickJS-NG 的维护者通过以下方式解决了这个问题:
- 修正了异步函数编译过程中的位置信息传递逻辑
- 确保函数体内的每个操作都携带正确的行号信息
- 改进了错误堆栈生成机制,使其能够正确反映异步函数内部的错误位置
影响范围
这个修复影响了所有使用异步函数的场景,特别是:
- 模块导入/导出
- Promise 链式调用
- async/await 语法
- 动态导入(import())
开发者建议
对于使用 QuickJS-NG 的开发者,建议:
- 及时升级到修复后的版本
- 在调试异步代码时,注意验证错误堆栈的行号准确性
- 对于复杂的异步流程,可以使用更详细的错误捕获和日志记录
总结
行号追踪是 JavaScript 引擎调试功能的重要组成部分。QuickJS-NG 通过这次修复,进一步提升了其作为轻量级 JavaScript 引擎的调试体验,特别是在异步编程场景下的错误定位能力。这个问题的解决也体现了开源社区对产品质量的持续改进和快速响应能力。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-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
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
245
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
672
157
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
662
312
React Native鸿蒙化仓库
JavaScript
262
322
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218