一次利用大模型完成Jacoco code coverage报告合并的尝试

本文涉及的产品
可观测可视化 Grafana 版,10个用户账号 1个月
注册配置 MSE Nacos/ZooKeeper,118元/月
性能测试 PTS,5000VUM额度
简介: 本文介绍了利用大模型尝试合并Jacoco代码覆盖率报告的过程。通过定义特定的函数,自动识别并合并两个不同版本项目报告中的相同代码行覆盖率信息。尽管此方法存在局限性,但展示了大模型在自动化编程任务中的潜力。

一次利用大模型完成Jacoco code coverage报告合并的尝试

prompt

最近学习了pseudo写prompt,一直没有机会尝试,刚好最近在讨论Jacoco覆盖率合并的事情,因此就想用大模型试试,prompt如下:

You major at merge cover report by jacoco.Both reports are for different versions of the same project.
你的主要任务就是合并由Jacoco生成的代码覆盖报告,两个报告都是针对同一个项目不同版本的代码。两个文件就是两个输入的report1、report2的对应文件
下面是一些如何处理的为代码:

def same_line_fc(report1,report2):
    # report2 is nearly cover report
    # comparte two coverage reports.You find line number of the same line  that the the html class is nc in report2 and fc in report1.
    # the line number of report2 append to a list 
    # the same line is the same java code,not the line number.
    #the line number append to a list


def merge_coverage_reports(report1, report2):
    # Merge two coverage reports
    same_list_number = same_line_fc(report1, report2)
    # change report2's html the line in the same_list_number html class to fc.And return the new report2


print(merge_coverage_reports(report1, report2))

大模型反馈

我把两个html上传到了大模型,在通过上面的prmopt想得到最终的结果,其实要是这样每次合并都需大模型成本也很高。但是没想到的是大模型直接给我了一个处理代码,而不是结果。

from bs4 import BeautifulSoup

def same_line_fc(report1_content, report2_content):
    soup1 = BeautifulSoup(report1_content, 'html.parser')
    soup2 = BeautifulSoup(report2_content, 'html.parser')

    # 获取所有行
    lines1 = soup1.find_all('span', class_='fc')
    lines2 = soup2.find_all('span', class_='nc')

    same_line_numbers = []

    # 创建一个字典来保存每行代码和对应的行号
    lines_dict1 = {line.get_text(): line['id'] for line in lines1}
    lines_dict2 = {line.get_text(): line['id'] for line in lines2}

    # 找到在report1中为fc,而在report2中为nc的行
    for code_line, line_id in lines_dict1.items():
        if code_line in lines_dict2:
            same_line_numbers.append(lines_dict2[code_line].replace('L', ''))

    return same_line_numbers

def merge_coverage_reports(report1_content, report2_content):
    same_list_number = same_line_fc(report1_content, report2_content)

    soup2 = BeautifulSoup(report2_content, 'html.parser')

    # 修改report2中相应行的类
    for line_number in same_list_number:
        line_span = soup2.find('span', id=f'L{line_number}')
        if line_span:
            line_span['class'] = 'fc'

    return str(soup2)

# 读取HTML文件内容
with open('./to/report1.html', 'r', encoding='utf-8') as file1:
    report1_content = file1.read()

with open('./to/report2.html', 'r', encoding='utf-8') as file2:
    report2_content = file2.read()

# 合并报告
merged_report_content = merge_coverage_reports(report1_content, report2_content)

# 输出合并后的报告
output_path = './to/merged_report.html'
with open(output_path, 'w', encoding='utf-8') as file_out:
    file_out.write(merged_report_content)

print(f"Merged report saved to {output_path}")

我也没修改直接案列就用了,结果也是出奇的好。


合并后的截图如下:

特别注意

其实如上的合并在Jacoco的解决原理上并不科学,一些合并前是红色,合并后是绿色的代码也并不一定是合理的以及正确的,这有可能只是一种视觉上的合并而不是真正意义上的Code Coverage的合并,但是大模型的这次利用给我开启了新的思路。

目录
相关文章
|
8天前
|
存储 人工智能 弹性计算
阿里云弹性计算_加速计算专场精华概览 | 2024云栖大会回顾
2024年9月19-21日,2024云栖大会在杭州云栖小镇举行,阿里云智能集团资深技术专家、异构计算产品技术负责人王超等多位产品、技术专家,共同带来了题为《AI Infra的前沿技术与应用实践》的专场session。本次专场重点介绍了阿里云AI Infra 产品架构与技术能力,及用户如何使用阿里云灵骏产品进行AI大模型开发、训练和应用。围绕当下大模型训练和推理的技术难点,专家们分享了如何在阿里云上实现稳定、高效、经济的大模型训练,并通过多个客户案例展示了云上大模型训练的显著优势。
|
12天前
|
存储 人工智能 调度
阿里云吴结生:高性能计算持续创新,响应数据+AI时代的多元化负载需求
在数字化转型的大潮中,每家公司都在积极探索如何利用数据驱动业务增长,而AI技术的快速发展更是加速了这一进程。
|
3天前
|
并行计算 前端开发 物联网
全网首发!真·从0到1!万字长文带你入门Qwen2.5-Coder——介绍、体验、本地部署及简单微调
2024年11月12日,阿里云通义大模型团队正式开源通义千问代码模型全系列,包括6款Qwen2.5-Coder模型,每个规模包含Base和Instruct两个版本。其中32B尺寸的旗舰代码模型在多项基准评测中取得开源最佳成绩,成为全球最强开源代码模型,多项关键能力超越GPT-4o。Qwen2.5-Coder具备强大、多样和实用等优点,通过持续训练,结合源代码、文本代码混合数据及合成数据,显著提升了代码生成、推理和修复等核心任务的性能。此外,该模型还支持多种编程语言,并在人类偏好对齐方面表现出色。本文为周周的奇妙编程原创,阿里云社区首发,未经同意不得转载。
|
9天前
|
人工智能 运维 双11
2024阿里云双十一云资源购买指南(纯客观,无广)
2024年双十一,阿里云推出多项重磅优惠,特别针对新迁入云的企业和初创公司提供丰厚补贴。其中,36元一年的轻量应用服务器、1.95元/小时的16核60GB A10卡以及1元购域名等产品尤为值得关注。这些产品不仅价格亲民,还提供了丰富的功能和服务,非常适合个人开发者、学生及中小企业快速上手和部署应用。
|
19天前
|
自然语言处理 数据可视化 前端开发
从数据提取到管理:合合信息的智能文档处理全方位解析【合合信息智能文档处理百宝箱】
合合信息的智能文档处理“百宝箱”涵盖文档解析、向量化模型、测评工具等,解决了复杂文档解析、大模型问答幻觉、文档解析效果评估、知识库搭建、多语言文档翻译等问题。通过可视化解析工具 TextIn ParseX、向量化模型 acge-embedding 和文档解析测评工具 markdown_tester,百宝箱提升了文档处理的效率和精确度,适用于多种文档格式和语言环境,助力企业实现高效的信息管理和业务支持。
3940 3
从数据提取到管理:合合信息的智能文档处理全方位解析【合合信息智能文档处理百宝箱】
|
8天前
|
算法 安全 网络安全
阿里云SSL证书双11精选,WoSign SSL国产证书优惠
2024阿里云11.11金秋云创季活动火热进行中,活动月期间(2024年11月01日至11月30日)通过折扣、叠加优惠券等多种方式,阿里云WoSign SSL证书实现优惠价格新低,DV SSL证书220元/年起,助力中小企业轻松实现HTTPS加密,保障数据传输安全。
522 3
阿里云SSL证书双11精选,WoSign SSL国产证书优惠
|
15天前
|
安全 数据建模 网络安全
2024阿里云双11,WoSign SSL证书优惠券使用攻略
2024阿里云“11.11金秋云创季”活动主会场,阿里云用户通过完成个人或企业实名认证,可以领取不同额度的满减优惠券,叠加折扣优惠。用户购买WoSign SSL证书,如何叠加才能更加优惠呢?
992 3
|
7天前
|
数据采集 人工智能 API
Qwen2.5-Coder深夜开源炸场,Prompt编程的时代来了!
通义千问团队开源「强大」、「多样」、「实用」的 Qwen2.5-Coder 全系列,致力于持续推动 Open Code LLMs 的发展。
|
12天前
|
机器学习/深度学习 存储 人工智能
白话文讲解大模型| Attention is all you need
本文档旨在详细阐述当前主流的大模型技术架构如Transformer架构。我们将从技术概述、架构介绍到具体模型实现等多个角度进行讲解。通过本文档,我们期望为读者提供一个全面的理解,帮助大家掌握大模型的工作原理,增强与客户沟通的技术基础。本文档适合对大模型感兴趣的人员阅读。
445 18
白话文讲解大模型| Attention is all you need
|
13天前
|
存储 分布式计算 流计算
实时计算 Flash – 兼容 Flink 的新一代向量化流计算引擎
本文介绍了阿里云开源大数据团队在实时计算领域的最新成果——向量化流计算引擎Flash。文章主要内容包括:Apache Flink 成为业界流计算标准、Flash 核心技术解读、性能测试数据以及在阿里巴巴集团的落地效果。Flash 是一款完全兼容 Apache Flink 的新一代流计算引擎,通过向量化技术和 C++ 实现,大幅提升了性能和成本效益。
663 10
实时计算 Flash – 兼容 Flink 的新一代向量化流计算引擎