ai-agent-book 精选快照（<2MB 代码与文档，来自 github.com/bojieli/ai-agent-book）

chapter5/adaptive-log-parser/tester.py

@@ -0,0 +1,59 @@
+"""
+tester.py —— 自动测试（对生成的解析器做数据结构断言）
+
+书中原方案：把生成的可视化代码放进虚拟浏览器渲染，再用 Vision LLM 检查图像。
+本机没有 playwright/浏览器，因此**降级**为对解析函数做单元测试：
+用一批样本日志喂给生成的 parse 函数，断言它能解析出预期的结构化字段。
+这保证了“生成的代码确实能正确解析新格式”，是自愈闭环里真正的质量闸门。
+"""
+
+from __future__ import annotations
+
+from typing import Callable, Dict, List, Optional
+
+ParserFn = Callable[[str], Optional[Dict]]
+
+
+def run_tests(
+    parse_fn: ParserFn,
+    samples: List[str],
+    required_keys: List[str],
+) -> Dict:
+    """对 parse_fn 跑一组断言，返回 {passed: bool, report: str, results: [...]}。
+
+    通过条件（对每一条样本都要满足）：
+      1. parse_fn(line) 不抛异常；
+      2. 返回值是非空 dict；
+      3. required_keys 中的每个字段都存在，且值不为空（非 None、非空字符串）。
+    """
+    lines: List[str] = []
+    results: List[Optional[Dict]] = []
+    all_passed = True
+
+    for i, sample in enumerate(samples, 1):
+        try:
+            out = parse_fn(sample)
+        except Exception as exc:  # 生成的代码在样本上直接崩了
+            all_passed = False
+            results.append(None)
+            lines.append(f"[样本{i}] 解析抛出异常：{type(exc).__name__}: {exc}")
+            continue
+
+        if not isinstance(out, dict) or not out:
+            all_passed = False
+            results.append(out)
+            lines.append(f"[样本{i}] 未返回非空 dict，实际返回：{out!r}")
+            continue
+
+        missing = [k for k in required_keys if k not in out or out[k] in (None, "")]
+        if missing:
+            all_passed = False
+            lines.append(
+                f"[样本{i}] 缺少/为空的必需字段：{missing}；实际解析出：{out}"
+            )
+        else:
+            lines.append(f"[样本{i}] 通过，解析出字段：{sorted(out.keys())}")
+        results.append(out)
+
+    report = "\n".join(lines)
+    return {"passed": all_passed, "report": report, "results": results}