Ruby LSP 项目中的类继承线性化问题解析
2025-07-08 18:16:04作者:范靓好Udolf
问题背景
在 Ruby LSP 项目中,开发者发现了一个关于类继承线性化的有趣问题。当在测试辅助文件中重新打开 Rails 的核心测试类(如 ActionDispatch::IntegrationTest)时,会导致测试代码镜片(Code Lens)功能失效,测试也无法在测试资源管理器中正确显示。
技术细节
这个问题源于 Ruby LSP 的索引器在处理类重新打开时的行为。具体来说,当开发者按照 Rails 官方文档的建议,在 test/test_helper.rb 文件中重新打开测试基类并添加自定义辅助方法时:
class ActionDispatch::IntegrationTest
include Devise::Test::IntegrationHelpers
# 自定义辅助方法
def some_helper_method
# ...
end
end
Ruby LSP 的索引器会创建两个类条目:
- 原始定义:继承自
ActiveSupport::TestCase - 重新打开的版本:默认继承自
Object
在计算类继承线性化时,索引器错误地选择了重新打开版本的继承信息(Object),而忽略了原始定义的继承关系(ActiveSupport::TestCase),导致测试框架无法正确识别这些测试类。
影响范围
这个问题主要影响以下场景:
- 使用 Rails 测试框架的项目
- 在测试辅助文件中重新打开测试基类
- 使用 Ruby LSP 的测试发现和代码镜片功能
受影响的主要测试基类包括:
ActionDispatch::IntegrationTestActiveSupport::TestCaseApplicationSystemTestCase
临时解决方案
在问题修复前,开发者可以采用以下临时解决方案:
- 关闭 Ruby LSP 的完整测试发现功能:
{
"rubyLsp.featureFlags": {
"fullTestDiscovery": false
}
}
- 避免在测试辅助文件中重新打开测试基类(不推荐,因为这违背了 Rails 的最佳实践)
技术原理深入
Ruby LSP 的索引器在处理类定义时,会收集所有同名的类条目。在计算继承关系时,它原本的逻辑是:
- 查找所有同名的类定义
- 选择第一个找到的具有父类定义的条目
- 基于该父类计算线性化继承链
问题在于,当类被重新打开时:
- 原始定义(在 Rails 源码中)有明确的父类
- 重新打开的版本(在测试辅助文件中)没有显式指定父类,默认为
Object - 索引器错误地选择了重新打开版本的继承信息
修复方案
Shopify 团队已经通过 PR 修复了这个问题,主要改进包括:
- 修改索引器逻辑,正确处理重新打开的类定义
- 确保优先考虑原始定义的继承关系
- 完善继承线性化的计算算法
最佳实践建议
即使问题已经修复,开发者在使用 Ruby LSP 时仍应注意:
- 遵循 Rails 官方文档的测试辅助方法添加方式
- 保持 Ruby LSP 插件和服务器版本更新
- 复杂的类重新打开场景可能需要额外的索引配置
- 遇到类似问题时,可以使用 Ruby LSP 提供的调试脚本验证索引结果
总结
这个问题展示了 Ruby 元编程与工具链交互时可能出现的微妙问题。Ruby LSP 作为现代 Ruby 开发的重要工具,其索引器的准确性直接影响开发体验。通过理解这类问题的本质,开发者可以更好地利用 Ruby 的动态特性,同时避免与工具链的潜在冲突。
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
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
412
3.17 K
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++
664
324
Ascend Extension for PyTorch
Python
227
255
暂无简介
Dart
678
160
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (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
1.21 K
660
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
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
492
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
342
146