pgAI项目中的测试代码组织优化实践
2025-06-11 19:30:06作者:郜逊炳
在pgAI项目(PostgreSQL AI扩展)的开发过程中,测试代码的组织方式是一个值得深入探讨的技术话题。本文将从测试架构设计的角度,分享pgAI项目在v0.2.0版本中对测试体系进行的优化改进。
背景与挑战
在AI扩展开发中,项目需要对接多个不同的AI服务提供商(如OpenAI、Ollama等)。每个服务提供商都有其独特的API接口、认证方式和计费模式。传统的单一测试文件组织方式会带来几个明显问题:
- 资源浪费:运行所有测试时会不必要地消耗所有服务商的API调用配额
- 测试效率低:开发者专注某个服务商开发时仍需等待无关测试完成
- 维护困难:随着支持的服务商增多,测试文件会变得臃肿难维护
解决方案设计
pgAI团队在v0.2.0版本中实施了模块化测试架构:
- 按服务商分离测试代码:为每个AI服务提供商(如OpenAI、Ollama)创建独立的SQL测试文件
- 动态测试选择机制:主测试文件通过环境变量或参数控制实际运行的测试集
- 清晰的测试边界:每个服务商的测试用例保持独立性和完整性
技术实现要点
这种架构的核心在于:
- 环境感知:测试框架能够识别当前配置的环境变量(如
PGAI_TEST_PROVIDER=ollama) - 条件执行:通过SQL的条件判断语句选择性加载特定测试模块
- 资源隔离:确保不同服务商的测试不会相互干扰
实际收益
采用这种测试组织方式后,项目获得了多方面提升:
- 开发体验优化:开发者可以专注于当前开发的服务商,快速获得测试反馈
- 成本控制:避免在开发调试阶段产生不必要的API调用费用
- 可扩展性:新增服务商支持时,只需添加对应的测试模块,不影响现有结构
- CI/CD集成:可以在持续集成中灵活配置不同的测试组合
最佳实践建议
基于pgAI项目的经验,对于类似的多服务商集成项目,建议:
- 早期就规划好测试模块化结构
- 建立清晰的测试环境变量命名规范
- 为每个测试模块维护独立的Mock数据
- 在文档中明确说明不同测试场景的执行方式
pgAI项目的这一实践展示了如何在复杂集成项目中构建灵活、高效的测试体系,值得其他需要对接多个外部服务的开源项目借鉴。
登录后查看全文
热门项目推荐
相关项目推荐
kernelopenEuler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。C032
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
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C00
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
26
10
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
427
3.28 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++
689
340
暂无简介
Dart
686
161
Ascend Extension for PyTorch
Python
233
266
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
React Native鸿蒙化仓库
JavaScript
266
327
🎉 (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
1.22 K
668
🔥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
65
19
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
45
32