Flaky: upgrade test v0.3.0-HEAD fails when the old version's LLM extraction drops a fact

Aperta Adatta ai principianti
#6,397 0 commenti 0 reazioni 0 assegnatari Vedi su GitHub

I maintainer di solito rispondono entro 1 giorno

Nessuno ha ancora preso questa issue.

Valutazione

Difficoltà
2/5
Tempo stimato
1-3 ore
Idoneità per principianti
68/100
Tipo di issue
Bug
Chiarezza
Specificata chiaramente
Stato di attività
Attiva
Stack tecnologico
python
Ambito
testing

Direzione di ricerca

Inizia da upgrade_tests/test_upgrade.py::TestUpgrade::test_upgrade_preserves_memories e controlla come il test crea i ricordi e verifica il risultato dopo l’aggiornamento da v0.3.0. Confronta i fatti attesi con ciò che la versione precedente ha effettivamente estratto, oppure rendi il contenuto iniziale facilmente estraibile in modo affidabile. Il lavoro è terminato quando le variazioni nell’estrazione non causano più una falsa regressione dell’aggiornamento e il test continua a verificare che i ricordi memorizzati sopravvivano all’aggiornamento.

Scritto dal modello di indicizzazione a partire dal testo della issue.

Descrizione

core

In CI run 42212236193 (job test-upgrade), upgrade_tests/test_upgrade.py::TestUpgrade::test_upgrade_preserves_memories[v0.3.0-HEAD] failed with Alice not found in results after upgrade. The old-version stats already showed only 2 nodes (Bob, deadline): the real LLM on v0.3.0 never extracted the Alice fact, so the test failed before the upgrade was involved.

The assertion should compare against what the old version actually stored (or the seed content should make the fact unmissable), so an extraction variance does not read as an upgrade regression. Passed on rerun.

Lingua principale
Python
Stelle
45.2k
Fork
5.9k
Merge medio
3h 53m
PR unite (30g)
487

Preparare l'ambiente

Questo progetto non fornisce container di sviluppo, Dockerfile né guida per i contributori, quindi l'ambiente è a tuo carico: parti dal suo README e consulta la nostra guida al primo contributo per i passaggi generali.

Come iniziare

  1. Leggi tutta la issue e poi la guida ai contributi del progetto.
  2. Commenta sulla issue per dire che te ne occupi tu — evita che due persone facciano lo stesso lavoro.
  3. Fai un fork del repository e lavora su un branch.
  4. Apri una pull request che faccia riferimento al numero della issue.

Altre issue di vectorize-io/hindsight

Tutte le issue di vectorize-io/hindsight

Issue simili

Altre issue su Python

Ricevi le nuove issue nella tua casella

Un breve riepilogo di issue GitHub adatte ai principianti.