Skip to content
Merged
Changes from all commits
Commits
File filter

Filter by extension

Filter by extension

Conversations
Failed to load comments.
Loading
Jump to
Jump to file
Failed to load files.
Loading
Diff view
Diff view
36 changes: 36 additions & 0 deletions CHANGELOG.md
Original file line number Diff line number Diff line change
@@ -1,5 +1,41 @@
# Changelog

## [0.3.0] - 2026-09-17

本次发布聚焦 Agent 诊断技能与查询/导入性能:新增内存泄漏、碎片、峰值拆解与 Ascend NPU 采集等诊断 skill、`pt-snap skill` 共享安装命令及本地 skill 评测框架;SnapshotDB 采用去重 callstack 存储,叠加查询执行层优化,使导入、拆分与查询获得数量级加速,同时只读兼容 v1/v2 两种 callstack 布局;pickle 加载收敛到内建类型白名单,进一步降低反序列化风险。

### 新增

- 新增内存泄漏归因、分配器碎片取证、内存峰值拆解三个只读诊断 skill,Agent 可直接基于 SnapshotDB 完成常见内存分析工作流。
- 新增 Ascend NPU 快照采集 skill,覆盖华为昇腾环境下的快照获取流程。
- 新增 `pt-snap skill` 命令,支持对内置 skill 的安装、列出、升级与卸载,统一写入共享 `~/.agents/skills` 及 Claude 独立目录;安装/升级/卸载均先校验目标目录,拒绝覆盖或删除非 skill 路径,发布失败可回滚。
- 新增本地 skill 评测框架,用于诊断 skill 的回归验证与质量评估。
- SnapshotDB callstack 查询只读兼容 v1/v2 双布局:旧版 inline callstack 数据库无需重建即可继续 focus、查看元数据和执行查询,按布局自动选择 SQL。
- 快照 pickle 加载改经 `SafeUnpickler` 白名单限制为内建类型,降低加载不可信快照时的任意代码执行风险。

### 性能

- `trace_entry_<device>` 改为整数引用共享 `callstack` 表存储去重后的 callstack:基准样本(62.8 万事件)导入耗时 29.1s 降至 8.6s,数据库体积 5.95 GB 降至 177 MB,callstack 与聚合类查询提速 2.9x 至 184x。
- `max_rows` 下沉为 SQL `LIMIT`,Jinja 模板按名称缓存编译结果;新增 mtime 感知的 `ContextCache`(LRU,默认 4 项),MCP server 与 `SnapshotAnalyzer` 跨查询复用只读 SQLite 连接并跳过逐次 schema 校验。
- 拆分回放复用原始帧、跳过 `Frame` 重建,基准样本 4 分片拆分耗时 12.5s 降至 2.5s,分片规范化哈希保持不变。

### 修复

- 修复缺少 `addr` 字段的 OOM 快照导入失败的问题。
- 恢复 dump 时 torch-npu workspace 快照校正,保证 NPU 工作区块在导入与拆分后仍保留帧信息。
- callstack 布局冲突的外部数据库不再阻断 focus、metadata 与非 callstack 查询,仅在执行 callstack 变体模板时报错。
- 移除 `leak_detection` 模板未使用的 `device_id` 参数;对齐仓库安全契约与文档描述和实际运行时行为。

### 稳定性与工程

- basedpyright 类型检查覆盖整个 `src/pt_snap_cli` 并设为零 error 门槛,修复 core/query 既有类型问题;snapshot 目录暂以 warning 过渡,后续版本逐步收紧。
- 对齐 MCP `execute_query` 文档与 `max_rows` 默认值及结果截断语义;改进 fixture 溯源守卫与测试环境的本地隔离。

### 兼容性提示

- 导入格式版本升级为 2,新导入的 SnapshotDB 采用去重 callstack 布局;v1 与 v2 布局均可只读查询,无需重新导入或迁移。
- 依赖非内建类型的第三方 pickle 快照将无法直接加载,需先在来源侧完成序列化收敛。

## [0.2.0] - 2026-08-08

本次发布重点补齐大型 PyTorch 内存快照的拆分与可追溯导入能力,并将快照运行时转为项目首方维护。导入和回放链路同时获得显著的时间与内存优化,SnapshotDB 查询性能和失败安全性也进一步提升。
Expand Down
Loading