Попытка объединить отчеты о покрытии кода Jacoco с использованием большой модели.
Попытка объединить отчеты о покрытии кода Jacoco с использованием большой модели.

prompt

Недавно я научился писать подсказки с помощью псевдодо, но у меня не было возможности попробовать это. Недавно я обсуждал объединение покрытия Jacoco, поэтому хотел попробовать это с большой моделью. :

Язык кода:javascript
копировать
You major at merge cover report by jacoco.Both reports are for different versions of the same project.
Ваша основная задача — объединить отчеты о покрытии кода, созданные Jacoco. Оба отчета предназначены для разных версий кода одного и того же проекта. Эти два файла соответствуют файлам двух входных отчетов report1 и report2.
Вот код о том, как это сделать:

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))

Большой отзыв о модели

Я загрузил два HTML-файла в большую модель, а затем использовал приведенную выше команду prmopt, чтобы получить окончательный результат. Фактически, для каждого слияния требуется большая модель, а стоимость очень высока. Но чего я не ожидал, так это того, что большая модель вместо результата напрямую выдала мне код обработки.

Язык кода:javascript
копировать
from bs4 import BeautifulSoup

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

    # Получить все строки
    lines1 = soup1.find_all('span', class_='fc')
    lines2 = soup2.find_all('span', class_='nc')

    same_line_numbers = []

    # Создайте словарь для сохранения каждой строки кода и соответствующего номера строки.
    lines_dict1 = {line.get_text(): line['id'] for line in lines1}
    lines_dict2 = {line.get_text(): line['id'] for line in lines2}

    # Найдите строку fc в отчете1 и nc в отчете2.
    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')
    
    # Измените класс соответствующей строки в отчете2.
    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)

# Чтение содержимого HTML-файла
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()

# Консолидированная отчетность
merged_report_content = merge_coverage_reports(report1_content, report2_content)

# Вывод объединенного отчета
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}")

Я просто использовал его, не изменяя список случаев, и результат оказался на удивление хорошим.

Объединенный скриншот выглядит следующим образом:

особое внимание

На самом деле, описанное выше слияние не является научным в соответствии с принципом решения Жакоко. Некоторые коды, которые имеют красный цвет до слияния и зеленый после слияния, не обязательно являются разумными и правильными. Это может быть просто визуальное слияние, а не реальное. объединение Code Coverage, использование больших моделей открыло для меня новые идеи.

boy illustration
Неразрушающее увеличение изображений одним щелчком мыши, чтобы сделать их более четкими артефактами искусственного интеллекта, включая руководства по установке и использованию.
boy illustration
Копикодер: этот инструмент отлично работает с Cursor, Bolt и V0! Предоставьте более качественные подсказки для разработки интерфейса (создание навигационного веб-сайта с использованием искусственного интеллекта).
boy illustration
Новый бесплатный RooCline превосходит Cline v3.1? ! Быстрее, умнее и лучше вилка Cline! (Независимое программирование AI, порог 0)
boy illustration
Разработав более 10 проектов с помощью Cursor, я собрал 10 примеров и 60 подсказок.
boy illustration
Я потратил 72 часа на изучение курсорных агентов, и вот неоспоримые факты, которыми я должен поделиться!
boy illustration
Идеальная интеграция Cursor и DeepSeek API
boy illustration
DeepSeek V3 снижает затраты на обучение больших моделей
boy illustration
Артефакт, увеличивающий количество очков: на основе улучшения характеристик препятствия малым целям Yolov8 (SEAM, MultiSEAM).
boy illustration
DeepSeek V3 раскручивался уже три дня. Сегодня я попробовал самопровозглашенную модель «ChatGPT».
boy illustration
Open Devin — инженер-программист искусственного интеллекта с открытым исходным кодом, который меньше программирует и больше создает.
boy illustration
Эксклюзивное оригинальное улучшение YOLOv8: собственная разработка SPPF | SPPF сочетается с воспринимаемой большой сверткой ядра UniRepLK, а свертка с большим ядром + без расширения улучшает восприимчивое поле
boy illustration
Популярное и подробное объяснение DeepSeek-V3: от его появления до преимуществ и сравнения с GPT-4o.
boy illustration
9 основных словесных инструкций по доработке академических работ с помощью ChatGPT, эффективных и практичных, которые стоит собрать
boy illustration
Вызовите deepseek в vscode для реализации программирования с помощью искусственного интеллекта.
boy illustration
Познакомьтесь с принципами сверточных нейронных сетей (CNN) в одной статье (суперподробно)
boy illustration
50,3 тыс. звезд! Immich: автономное решение для резервного копирования фотографий и видео, которое экономит деньги и избавляет от беспокойства.
boy illustration
Cloud Native|Практика: установка Dashbaord для K8s, графика неплохая
boy illustration
Краткий обзор статьи — использование синтетических данных при обучении больших моделей и оптимизации производительности
boy illustration
MiniPerplx: новая поисковая система искусственного интеллекта с открытым исходным кодом, спонсируемая xAI и Vercel.
boy illustration
Конструкция сервиса Synology Drive сочетает проникновение в интрасеть и синхронизацию папок заметок Obsidian в облаке.
boy illustration
Центр конфигурации————Накос
boy illustration
Начинаем с нуля при разработке в облаке Copilot: начать разработку с минимальным использованием кода стало проще
boy illustration
[Серия Docker] Docker создает мультиплатформенные образы: практика архитектуры Arm64
boy illustration
Обновление новых возможностей coze | Я использовал coze для создания апплета помощника по исправлению домашних заданий по математике
boy illustration
Советы по развертыванию Nginx: практическое создание статических веб-сайтов на облачных серверах
boy illustration
Feiniu fnos использует Docker для развертывания личного блокнота Notepad
boy illustration
Сверточная нейронная сеть VGG реализует классификацию изображений Cifar10 — практический опыт Pytorch
boy illustration
Начало работы с EdgeonePages — новым недорогим решением для хостинга веб-сайтов
boy illustration
[Зона легкого облачного игрового сервера] Управление игровыми архивами
boy illustration
Развертывание SpringCloud-проекта на базе Docker и Docker-Compose