Sentry-JavaScript项目中关于增强"Failed to fetch"错误信息的改进
在Sentry-JavaScript项目的浏览器包中,开发团队最近针对网络请求失败的错误信息进行了重要改进。这项改进主要解决了一个长期存在的开发者痛点——当网络请求被拦截或阻止时,浏览器抛出的"Failed to fetch"错误往往缺乏足够的信息来定位问题源头。
问题背景
在现代Web开发中,使用fetch API进行网络请求已成为标准做法。然而,当这些请求被广告拦截器或其他浏览器扩展阻止时,开发者通常只能看到一个非常通用的错误信息:"TypeError: Failed to fetch"。这种缺乏上下文的信息使得调试变得异常困难,特别是当应用依赖多个第三方服务时。
改进方案
Sentry团队决定通过增强错误信息来解决这个问题。具体实现方式是在错误信息中附加请求的目标域名。例如,原本简单的"TypeError: Failed to fetch"现在会显示为"TypeError: Failed to fetch (example.com)"。
这个改进看似简单,但在实现过程中团队面临了几个技术挑战:
-
分组问题:添加完整URL可能会导致错误分组过于分散,影响Sentry的错误聚合功能。因此团队决定只显示主域名而非完整URL。
-
域名解析复杂性:并非所有域名都遵循简单的"example.com"两级结构。像"bbc.co.uk"这样的域名需要特殊处理。虽然存在publicsuffix.org这样的权威列表,但将其包含在SDK中会显著增加包体积。
技术实现考量
在最终实现中,团队采取了平衡方案:
- 仅显示主域名,不包含子域名或路径信息
- 保持错误信息的简洁性,便于快速识别
- 避免引入复杂的域名解析逻辑或外部依赖
这种折中方案既提供了足够的上下文信息帮助开发者定位问题,又不会对SDK的性能或体积产生显著影响。
对开发者的价值
这项改进为前端开发者带来了直接好处:
- 更快的调试过程:通过错误信息中的域名,开发者可以立即知道哪个第三方服务请求被阻止。
- 更好的错误分类:在Sentry控制台中,来自不同域名的失败请求现在可以更合理地进行分组。
- 减少排查时间:不再需要手动检查网络请求或猜测哪个请求可能被拦截。
这项改进已在Sentry-JavaScript 9.9.0版本中发布,所有使用浏览器包的开发者都将自动受益于这一增强功能。
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