Shortest项目日志系统优化方案解析
2025-06-11 15:35:13作者:邵娇湘
在自动化测试领域,一个完善的日志系统对于调试和问题追踪至关重要。Shortest项目近期对其日志系统进行了全面升级,引入了标准化的日志级别、CI集成支持以及结构化输出等特性,显著提升了开发者的调试体验。
日志级别设计
Shortest采用了四级日志体系,遵循行业通用标准:
- 错误级(error):记录测试失败和关键问题
- 警告级(warn):包含非关键问题和废弃功能提示
- 信息级(info):默认级别,显示测试进度和基本结果
- 调试级(debug):提供详细执行过程,包括AI对话和浏览器操作
这种分级设计既满足了日常测试的基本需求,也为复杂问题排查提供了足够的信息深度。
命令行集成
开发者可以通过简单的命令行参数控制日志级别:
pnpm shortest --log-level=error # 仅显示错误
pnpm shortest --log-level=debug # 显示完整调试信息
项目还保持了向后兼容性,原有的--debug-ai参数被映射为--log-level=debug,同时会显示废弃警告,确保平滑过渡。
结构化日志输出
新系统实现了两种主要输出格式:
标准输出模式(适用于日常使用):
File: login.test.ts
✓ Login Flow
✗ Logout Flow
Error: Element not found
调试详细模式:
File: login.test.ts
Test: Login Flow
AI: Navigating to login page
Prompt: "Click the login button"
Response: "Looking for login button..."
Browser: Clicking login button at (120, 50)
这种层次分明的输出结构大大提升了日志的可读性,特别是在处理复杂测试场景时。
CI系统深度集成
针对持续集成环境,Shortest实现了特殊的日志处理:
-
错误标注:使用GitHub Actions的标准注释语法精确定位问题
::error file=login.test.ts,line=12::Element not found -
日志分组:将相关日志组织为可折叠的区块
::group::Test: Login Flow AI: Navigating to login page Browser: Clicking login button ::endgroup:: -
测试摘要:自动生成包含关键指标的总结报告
::group::Test Summary ::set-output name=total_tests::4 ::set-output name=failed_tests::1 ::endgroup::
实现策略与最佳实践
Shortest团队采用了分阶段实施策略:
- 基础架构:首先建立日志级别体系和基本过滤功能
- 输出优化:随后完善不同环境下的格式化输出
- CI适配:专门处理持续集成场景的特殊需求
- 清理维护:最后移除废弃功能并更新文档
这种渐进式改进确保了系统的稳定性,同时为开发者提供了清晰的升级路径。
日志系统的工程价值
完善的日志系统为Shortest项目带来了多重好处:
- 问题定位效率:通过分级的日志信息,开发者可以快速定位问题所在
- 调试体验优化:结构化的输出和分组功能使复杂测试流程更易理解
- CI/CD集成:与GitHub Actions等CI系统的深度集成实现了自动化问题追踪
- 成本可视化:内置的token用量统计帮助团队控制AI测试成本
对于测试框架而言,良好的日志系统不仅是调试工具,更是项目可维护性的重要指标。Shortest的这次升级充分考虑了不同使用场景的需求,为开发者提供了灵活而强大的日志功能,值得同类项目借鉴。
登录后查看全文
热门项目推荐
相关项目推荐
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
533
3.75 K
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
12
1
🔥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
67
20
暂无简介
Dart
772
191
Ascend Extension for PyTorch
Python
341
405
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++
886
596
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
React Native鸿蒙化仓库
JavaScript
303
355
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
336
178