Kani项目:将验证结果输出到独立文件的技术实现
2025-06-30 18:11:38作者:沈韬淼Beryl
在形式化验证工具Kani的开发过程中,一个重要的功能改进被提出:将每个测试harness的验证结果输出到独立的文件中。这个功能对于持续集成/持续交付(CI/CD)环境特别有价值,能够显著提升结果解析的便利性。
功能背景与价值
传统上,Kani会将所有harness的验证结果合并输出到标准输出或单个文件中。这在处理大型项目时会导致结果文件变得庞大且难以解析。特别是在自动化测试环境中,开发团队需要快速定位特定harness的验证结果时,这种单一输出方式显得不够高效。
将每个harness的结果独立输出到文件中,可以带来以下优势:
- 结果隔离:每个harness的结果互不干扰,便于单独分析
- 自动化处理:CI/CD系统可以轻松定位和解析特定测试结果
- 历史追踪:可以更简单地保存和比较不同版本的验证结果
技术实现方案
核心实现思路是为每个harness创建基于其名称的独立结果文件。一个参考实现方案如下:
if !self.args.common_args.quiet && self.args.output_format != OutputFormat::Old {
let file_name = String::from("./kani-harness-result/".to_owned() + &harness.pretty_name.clone());
let path = Path::new(&file_name);
let prefix = path.parent().unwrap();
std::fs::create_dir_all(prefix).unwrap();
let file = File::create(file_name.clone());
let output = result.render(
&self.args.output_format,
harness.attributes.should_panic,
self.args.coverage,
);
if let Err(e) = writeln!(file.unwrap(), "{}", output) {
eprintln!("Failed to write to file {}: {}", file_name, e);
}
println!("{}", output);
}
这个实现会:
- 创建一个专门的目录结构来存放结果文件
- 根据harness的名称生成对应的结果文件名
- 将渲染后的验证结果写入对应文件
- 同时保留标准输出功能
优化建议
在实际应用中,可以考虑以下优化方向:
- 目录结构优化:使用项目构建目标目录作为基础目录,而不是硬编码路径
- 输出模式选择:在简洁输出模式下自动启用文件输出功能
- 配置选项:添加命令行参数来控制文件输出行为
- 错误处理:增强文件创建和写入的错误处理机制
- 文件命名规范:确保文件名在不同操作系统上的兼容性
应用场景
这项改进特别适合以下场景:
- 自动化测试流水线中需要解析特定测试结果
- 大型项目需要分模块分析验证结果
- 需要长期保存和比较历史验证结果的项目
- 需要将验证结果集成到其他工具链中的开发环境
通过这项功能增强,Kani工具在工业级应用中的可用性和集成能力将得到显著提升,为形式化验证在软件开发流程中的广泛应用奠定更好的基础。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
673
4.3 K
deepin linux kernel
C
28
16
Ascend Extension for PyTorch
Python
515
622
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++
944
884
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
398
299
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.56 K
906
暂无简介
Dart
918
223
Oohos_react_native
React Native鸿蒙化仓库
C++
335
381
昇腾LLM分布式训练框架
Python
142
169
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
133
212