新闻详情

新闻详情

首页 / 资讯中心 / 详情

仓颉社区版本出口标准:LTS与STS版本必须通过的11项质量指标详解

发布时间:2026/11/10 15:56:01来源:尧图网络
仓颉社区版本出口标准:LTS与STS版本必须通过的11项质量指标详解
仓颉社区版本出口标准LTS与STS版本必须通过的11项质量指标详解【免费下载链接】community包含Cangjie社区治理、开发者贡献指南、开发者贡献协议、社区交流等内容项目地址: https://gitcode.com/Cangjie/community仓颉社区版本出口标准是仓颉语言社区为每次版本发布设立的质量守门员。本文详解 LTS 与 STS 版本必须通过的 11 项核心质量指标——从需求完成度、社区门禁、UT/ST 覆盖率到冒烟测试通过率、7×24 小时稳定性测试与 ABI 兼容性测试帮助新手和普通用户快速看懂仓颉社区版本的质量门槛与发布规则。 版本体系速览先搞懂 LTS、STS 和 Nightly在逐项拆解质量指标之前先了解仓颉社区的版本分类。完整规则见 cangjie_pmc/version_management.md版本类型能力定位发布与维护周期质量定位Nightly尝鲜版本特性级尝鲜验证每日构建发布件保留 1 个月仅基本功能验证无兼容性保证STS基本功能稳定支持厂商联调间隔最长 6 个月每年 3 月、9 月发布稳定版本可能含未完全稳定的尝鲜特性LTS功能稳定支持三方厂商商业化集成2 年发布周期3 年社区支持每月补丁经过兼容性和长期稳定测试的稳定版本版本号采用x.y.z约定X代表 LTS 大版本Y代表该 LTS 周期内的 STS 版本Z用于补丁版本。例如 LTS1.0.0下的第一个 STS 版本号为1.1.0。 简单记忆Nightly 每日尝鲜、STS 半年一更尝鲜新特性、LTS 两年一次长期可靠。✅ 11项核心质量指标总览出口标准一览表官方出口标准共定义了 13 个质量要求小类其中 11 项是 STS 与 LTS 版本都必须通过的硬性质量指标完整对照表见 cangjie_pmc/仓颉社区版本出口标准.md#质量指标NightlySTS 要求LTS 要求1需求完成度NA规划内需求 100% 合入规划内需求 100% 合入2社区门禁通过通过通过3静态检查NA清零清零4编译错误清零NA清零清零5UT/ST 覆盖率基于前一天不劣化≥70%≥70%6冒烟测试通过率90%100%含安装部署100%含安装部署7测试用例通过率NA99%≥99%8性能NA满足 STS 基线满足 LTS 基线9稳定性NA通过 7×24 小时稳定性测试通过 7×24 小时稳定性测试10ABI 兼容性NASTS 内兼容LTS 内兼容11遗留问题NA无安全红线/关键阻塞问题无安全红线/关键阻塞问题下面按类别逐组拆解这些仓颉版本质量指标。 指标 1~2需求完成度与社区门禁——东西齐了门也要过需求完成度所有规划内需求必须 100% 合入。版本发布前路线图上的功能一项都不能少。社区门禁每日构建流水线中的 CI 门禁PR 检测 → 联合构建 → 测试运行必须全部通过这是版本构建的第一道自动关卡。 指标 3~5代码质量清零——静态检查、编译错误与测试覆盖率静态检查清零包括代码规范检查、合规检查、安全检查报告等正式版本要求问题清零Nightly 则不强制。编译错误清零各平台编译不允许残留任何编译错误。UT/ST 覆盖率单元测试UT与系统测试ST覆盖率要求达到70%Nightly 仅要求相对前一天不劣化。 指标 6~7测试通过率——冒烟测试 100%测试用例 99%冒烟测试通过率 100%覆盖安装、部署等最基础路径正式版本不允许任何失败Nightly 门槛相对宽松90%。测试用例通过率STS 要求 99%LTS 要求 ≥99%保障版本整体功能可用。⚡ 指标 8~9性能与 7×24 小时稳定性测试性能基线基于社区标准测试环境的性能规格STS 满足 STS 基线LTS 满足更高标准的 LTS 基线。稳定性测试必须通过7×24 小时一周不间断稳定性测试并包含 GC 压测与变压稳定性测试——这是长时运行不崩溃的关键保障。 指标 10~11ABI 兼容性与遗留问题清零ABI 兼容性通过兼容性测试验证。规则是版本族内兼容——STS 各小版本间兼容、LTS 各补丁版本间兼容但不同 LTS/STS 大版本之间不保证兼容升级跨版本前请提前验证。遗留问题发布前必须做到无安全红线问题、无关键阻塞问题、无严重影响开发体验的问题。 另外两道出口关卡升级兼容与资料测试除 11 项硬性指标外出口标准还有两类要求升级仅 LTS 强制LTS 版本须通过升级测试保证同一大版本族内可平滑升级资料测试Release NotesRN与用户手册均须通过文档测试确保用户拿到版本时资料与代码同步可信。️ 标准如何落地日常合入流程就在守护这些指标出口标准不是发布前才检查的突击考试而是日常合入流程持续守护的结果。根据 cangjie_pmc/仓颉社区版本出口标准.md 对应的治理制度与 contribute/codemerge.md 的合入标准每个 PR 需同时满足至少2 位开发者评审通过至少1 位 Committer 审查通过CI 门禁通过提交信息规范、代码构建、测试验证。仓库层面还通过 PR 审查人数限制与保护分支机制dev/main 分支的推送和合入受权限管控确保主分支稳定性 延伸阅读从标准到参与贡献版本出口标准原文cangjie_pmc/仓颉社区版本出口标准.md版本管理与版本号约定cangjie_pmc/version_management.md版本路线图cangjie_pmc/roadmap/roadmap_version.md代码合入标准contribute/codemerge.md贡献指南contribute/contribution.md一句话总结Nightly 管尝鲜STS/LTS 管稳定——11 项质量指标加升级与资料两道关卡共同构成了仓颉社区版本从代码库走向用户手中的质量通行证。想要了解你的代码如何通过这些门禁不妨从贡献指南开始提交你的第一个 PR 试试【免费下载链接】community包含Cangjie社区治理、开发者贡献指南、开发者贡献协议、社区交流等内容项目地址: https://gitcode.com/Cangjie/community创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/10 4:49:37

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/9 8:37:19

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/10 9:14:31

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/10 1:10:29

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/10 15:15:31

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/9 8:37:18

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉