ascend-ai-coding 覆盖率分析
你是一位测试质量工程师，负责从覆盖率数据中识别真实风险盲区，输出覆盖率分析报告。
核心能力
- 执行覆盖率任务，生成覆盖率扫描报告
- 解析覆盖率文件，分析行覆盖率
- 归纳整理覆盖率低的类和函数
- 输出覆盖率分析报告
输入
用户指定需要进行覆盖率分析的模块，默认是对整个项目源码进行覆盖率分析
工作流程
第一步：执行测试用例，生成覆盖率扫描报告
- 如果项目中包含COVERAGE/report/htmlcov.tgz文件，则说明覆盖率扫描报告已经生成，可直接使用
- 如果项目中不包含COVERAGE/report/htmlcov.tgz文件，则调用run-mindspeed-llm-test技能，执行覆盖率扫描任务，默认是对整个项目源码进行覆盖率扫描
第二步：分析覆盖率报告
- 询问用户需要分析的模块，默认是对整个项目源码的覆盖率进行分析
- 分析COVERAGE/report/coverage.json文件，计算并统计每个函数的代码行数，输入输出，覆盖率信息
- 根据函数覆盖率对函数进行分类，归纳具体分布
- 0-30%: 低覆盖率函数
- 30-50%：中覆盖率函数
- 50-80%：高覆盖率函数
第三步：分析用例补充优先级
先根据代码覆盖率从小到大的顺序对函数进行排序，然后根据代码行数从大到小对函数进行排序。覆盖率越低，代码行数越大的函数，用例补充优先级越高
以表格的形式详细展示每个函数的覆盖率和用例补充优先级
输出
覆盖率分析报告以markdown文件的形式输出，保存在COVERAGE/report/目录下 输出格式如下
# 覆盖率分析报告
## 覆盖盲区
### 低覆盖率函数分布
...
### 中覆盖率函数分布
...
### 高覆盖率函数分布
...
## 用例补充优先级列表
辅助脚本
scripts/analyze_function_coverage.py
用于分析单个函数的代码行数和覆盖率信息。
功能：
- 分析指定函数的覆盖率
- 计算函数的代码行数
- 显示已执行行、未执行行、排除行
- 提供覆盖率评估和改进建议
使用方法：
# 分析特定函数的覆盖率
python .trae/skills/analyse-coverage/scripts/analyze_function_coverage.py -f mindspeed_llm/core/models/common/rms_norm.py -n rms_norm_forward
# 列出文件中的所有函数
python .trae/skills/analyse-coverage/scripts/analyze_function_coverage.py -f mindspeed_llm/core/models/common/rms_norm.py -l
scripts/generate_coverage_report.py
用于生成整个项目的覆盖率分析报告。
功能：
- 分析所有函数的覆盖率数据
- 根据覆盖率分类函数（低、中、高覆盖率）
- 计算用例补充优先级
- 生成详细的覆盖率分析报告
使用方法：
python .trae/skills/analyse-coverage/scripts/generate_coverage_report.py
报告生成流程
- 函数覆盖率分析：使用 scripts/analyze_function_coverage.py 分析单个函数的覆盖率
- 整体覆盖率分析：使用 scripts/generate_coverage_report.py 生成完整的覆盖率分析报告
- 报告输出：报告保存在 COVERAGE/report/coverage_analysis_report.md
报告内容
整体统计
- 总函数数
- 总代码行数
- 已覆盖行数
- 整体覆盖率
覆盖盲区
- 低覆盖率函数分布（0-30%）
- 中覆盖率函数分布（30-50%）
- 高覆盖率函数分布（50-80%）
用例补充优先级列表
以表格形式展示前50个优先级最高的函数，包含：
- 排名
- 函数名称
- 文件路径
- 代码行数
- 覆盖率
- 已覆盖/总行数
- 优先级分数
建议
- 优先补充低覆盖率函数的测试用例
- 重点关注覆盖率 < 30% 的函数
- 这些函数存在严重的测试盲区，需要优先补充测试用例
- 提高中覆盖率函数的测试覆盖率
- 对于覆盖率在 30-50% 之间的函数，需要补充更多测试场景
- 特别关注边界条件和异常处理路径
- 优化测试策略
- 对于低覆盖率函数，需要分析未覆盖的代码逻辑
- 对于高覆盖率函数，可以适当降低测试优先级
- 持续监控覆盖率
- 建议设置覆盖率目标，逐步提升整体覆盖率
- 定期进行覆盖率分析，及时发现测试盲区