Logseq项目E2E测试中通知组件遮挡问题的分析与解决
问题背景
在Logseq桌面端应用的端到端(E2E)测试过程中,测试用例"创建页面和块并保存到磁盘"执行失败。测试失败的具体表现是Playwright无法点击页面上的添加按钮元素,原因是该按钮被通知组件(notifications)遮挡。
问题现象
测试日志显示,Playwright尝试点击.add-button-link-wrap元素时,虽然该元素可见且处于可点击状态,但由于通知组件(.notifications.ui__notifications)及其子元素(.p-4)拦截了指针事件,导致点击操作无法完成。测试最终因超时(30秒)而失败。
技术分析
-
DOM层级问题:通知组件在z轴上的层级高于添加按钮,虽然两者在视觉上可能没有重叠,但CSS的
pointer-events属性导致事件被拦截。 -
测试环境差异:在CI环境中,测试运行速度可能比本地开发环境更快,导致通知组件尚未消失时测试就尝试进行下一步操作。
-
测试策略不足:当前的测试脚本没有考虑到应用中可能出现的临时性UI组件(如通知)对测试流程的影响。
解决方案
-
环境变量调整:通过设置
DEBUG=pw:api环境变量可以获取更详细的Playwright调试信息,帮助定位问题。同时设置CI=true可以模拟CI环境的行为。 -
测试等待策略优化:
- 在关键操作前添加显式等待,确保通知消失后再继续测试
- 使用Playwright的
waitForSelector方法等待特定元素消失 - 考虑增加重试机制处理临时性UI干扰
-
测试脚本修改:在测试流程中加入对通知组件的处理逻辑,例如:
await page.waitForSelector('.notifications', { state: 'hidden' });
最佳实践建议
-
隔离测试环境:E2E测试应该尽可能在可控的环境中运行,避免受到临时性UI元素的干扰。
-
增加容错机制:对于可能出现的临时性UI元素,测试脚本应该具备自动处理能力。
-
完善测试日志:在CI环境中启用详细的调试日志,便于问题诊断。
-
视觉测试补充:考虑引入视觉回归测试,确保UI层级关系符合预期。
总结
Logseq的E2E测试失败案例展示了前端应用中动态UI组件对自动化测试的挑战。通过分析DOM层级关系和优化测试策略,可以有效解决这类问题。这个案例也提醒开发者,在编写E2E测试时需要充分考虑应用的实际运行状态,而不仅仅是静态页面结构。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00