Skip to content

fix: one-click release speed — slim pre-flight, single full-suite pass, stale-run self-heal (#3539) - #3560

Merged
ranxianglei merged 2 commits into
masterfrom
2026-10-17_oneclick-release-speedup
Oct 17, 2026
Merged

ranxianglei merged 2 commits into
masterfrom
2026-10-17_oneclick-release-speedup

Conversation

@ranxianglei

Copy link
Copy Markdown
Owner

(ai: vllm-qwen/qwen3.8-27b)

Fixes #3539

修什么

一键发版链路里同一套全量测试被重复跑 2-3 遍、前置门单机串行 30-40 分钟、发版分支头移动后旧头 run 继续烧 runner(v0.1.198 实际发生,#3534)。本 PR 按 issue 方向 1+3 实现,方向 2(提前探测 direct/fallback)经评估不做——理由见 #3539 评论。

改动(5 个文件)

scripts/release-ci-gate.mjs(核心):

  • --dispatch dispatch 前先 GET 分支 head,不等于目标 sha 就拒绝 dispatch 并立即报错(原来:照样 dispatch → run 落错 sha → 白烧 runner → gate 硬等 60 分钟超时);
  • 新增受限范围的 stale-run 取消:RELEASE_RUN_STARTED_AT(取自 ${{ github.run_started_at }})圈定本次 release attempt,只取消「event=workflow_dispatch + head≠目标 sha + 创建时间晚于 attempt 开始」的 in-flight run;scheduled/push/PR 触发和更早的 run 一律不碰;best-effort,失败只告警不阻塞 gate;
  • --wait 新增 WAIT_TRACK_HEAD=1 跟头模式(fallback 用):分支头移动时自动取消旧头 in-flight run、在新头补 dispatch 缺失 lane,然后继续等绿;
  • 新增 --probe-reuse:一次性非阻塞探测「所有 lane 是否都已在 EXTRA_MATCH_SHAS(PR head)有绿 run」,写 allLanesReused=yes|no 到 $GITHUB_OUTPUT,恒 exit 0;
  • 新增 CI_FULL_DISPATCH=1:dispatch ci.yml 时带 inputs.full=true(full 矩阵而非 core),让发版分支一次拿到完整 lane 集。

.github/workflows/release-manual.yml(one-click):

  • Pre-flight gate:npm ci + typecheck + test + build(~30-40 min 串行)→ npm ci + typecheck + build(~8 min);全量测试的唯一执行体变成 dispatch 到精确 publish sha 上的分片 CI lanes,gate 等全绿才放行(policy 2026-10-10 不变);
  • direct 路径:dispatch/gate 两步加 RELEASE_RUN_STARTED_AT;
  • fallback 路径:手工 curl 只 dispatch ci.yml(CORE)→ 改为 release-ci-gate.mjs --dispatch + CI_FULL_DISPATCH=1,完整 lane 集一次跑在分支头上;
  • fallback 新增 track-head wait 步骤:认证「fallback PR ready」,头移动时自愈(取消旧头 run + 新头补跑),超时则 PR 保持打开继续跑 CI。

.github/workflows/release.yml(合并发布):

  • 新增 reuse probe 步骤(非阻塞,失败安全降级为照跑);
  • Build-and-test 的本地 npm test 条件化:仅当「所有 lane 已在 PR head 有绿 run 且 master 自 PR head 后未移动(git rev-list --count HEAD^2..HEAD = 0)」时跳过——即 PR-head 树就是当前树,本地重跑可证冗余。人工开的发版 PR(core lanes only)e2e lanes 在 PR head 缺失 → 永不跳过,行为与现在完全一致。Full CI gate 仍无条件挡 publish。

tests/release-ci-gate.test.ts:mock 扩展(branches/cancel 路由、list-runs 无 head_sha 过滤形态)+ 7 个新回归测试(head 不符拒绝、stale 取消三条件圈定、无 anchor 时禁用、track-head 跟头+取消+重定位到绿、probe yes/no、CI_FULL_DISPATCH payload)。既有 9 个测试全部原样通过。

reference/release.md:one-click/标准流程描述同步。

行为变更(旧值 → 新值 + 原因)

  1. one-click pre-flight:本地串行全量 npm test(30-40 min)→ 不再本地跑;全量测试改由 CI lanes 在精确 publish sha 上并行跑一遍(gate 仍挡 publish)。覆盖不减(lane 集与 branch protection 同款),墙钟从 ~50-70 min 降到 ~18-25 min(队列空闲时可逼近 15 min 验收线)。
  2. fallback 分支 CI:只 dispatch ci.yml CORE → dispatch 完整 lane 集(ci.yml FULL + 全部 e2e)。PR 上 checks 变多,required checks 不变(仍是那 6 个 core leg 名);合并后 release.yml 复用全部绿 run,不再补跑第三遍。
  3. dispatch 语义:ref head ≠ 目标 sha 时从「照常 dispatch + 60 min 后超时失败」→「秒级拒绝并报错」。fail-fast 方向不变(仍然不会发布未覆盖的 sha),只是不再白烧 runner。
  4. 新增自动取消 in-flight run:仅限本次 release attempt 创建的 workflow_dispatch run 且 head 已不是目标 sha(三条件同时满足);scheduled/PR/他人 run 不受影响。
  5. release.yml 本地 npm test:仅在可证冗余时跳过(见上);人工发版 PR 渠道行为零变化。Full CI gate 位置、语义未动。

验证

  • 定向:node --import tsx --test tests/release-ci-gate.test.ts → 16/16 通过(含 7 个新回归);
  • npm run typecheck 干净;两个 workflow YAML 解析通过;
  • 全量回归交给远程 CI(本地测试纪律)。

需要人工 review 的原因

触碰 release workflow(load-bearing infra,§7.4 不可 auto-merge)。

@github-actions

github-actions Bot commented Oct 17, 2026 •

Copy link
Copy Markdown
Contributor

📦 Built Package Artifact

Branch: 2026-10-17_oneclick-release-speedup (64fd983)

Option A — Install this exact build (recommended)

npm install -g billion-context@0.0.4238-pr.3560.6263f72

This exact version is immutable and reproducible. The rolling pr tag tracks the newest test build across all PRs.

Option B — Download artifact

  1. Download the artifact from the Actions run
  2. Extract the tarball and install:
tar xzf billion-context-pr3560.tgz
npm install -g package

Install instructions are refreshed on each push.

@ranxianglei

Copy link
Copy Markdown
Owner Author

🤖 Powered by ework · qwen3.8-27b

(ai: vllm-qwen/qwen3.8-27b)

查重: 不重复。 近 30 个 open PR 里没有第二个在做「一键发版提速 / release-ci-gate」这件事,#3560 是 open 的 #3539 的唯一修复 PR。

总体结论:代码质量高、测试有牙、CI 全绿、rebase 干净;但对 load-bearing 发版基建有一处未披露的跨渠道语义变化(bugfix 热修通道的头校验),在我确认它安全或加上防御性 guard 前,不建议直接合并。 按 [PR] 规则我未改代码,只核对+报告。

核对事实(都在 pushed head d13918e 上验过):

  • 单 commit,恰好 5 个文件,无 version bump(合规)。master 比 base 领先 6 个提交(v0.1.198/release v0.1.198 #3534),但那 5 个文件 master 一个都没动过 → rebase 干净,diff 里 package.json 的版本差异纯属 base 落后,非本 PR 所写。
  • 远程 CI(d13918e)40 个 check run = 28 success + 12 skipped,0 failure(权威全量判定,§7.2)。
  • ci.yml 确有 workflow_dispatch.inputs.full,plan job 读它切 core/full,job name: 钉死 check-run 名(feat!: remove image pre-compression and the image_full tool (#3266) #3295)→ 「CI_FULL_DISPATCH 一次拿到完整 lane 集、required checks 名不变」的说法属实。
  • 7 个新回归测试全部有真断言(断言精确的 side-effect log/output,如 deepEqual(cancelLog,[101])、dispatchBodies deepEqual [{ref:"master",inputs:{full:true}}]),不是恒真假测试。

结构化八问

  1. 是什么问题:PR 修一键发版慢(一键发版太慢:前置门单机串行跑全量测试 30-40 分钟,且同一套测试在发版链路里重复跑 2-3 遍 #3539)——前置门单机串行跑全量测试 30–40 min、同一套全量测试在链路里重复跑 2–3 遍、发版分支头移动后旧 run 继续白烧 runner(v0.1.198 实际发生)。我审出的核心问题:PR 给共享脚本 release-ci-gate.mjs --dispatch 新增了「分支头 ≠ 目标 sha 就拒绝」的前置断言,但只更新了它的两个调用方(one-click、merge-publish),另外两个没改动的调用方(bugfix 热修、kernel)也走同一脚本——其中 bugfix 的合并路径存在潜在回归。

  2. 什么原因导致的:原 --dispatch 不做头校验,直接 dispatch → run 可能落错 sha → gate 看不见 → 硬等 60 min 超时。PR 为治这个加了前置 branchHead() 断言(fail-fast,方向对)。但该断言被无条件放在 laneStates() 之前,且对 404/头已移一律 throw/refusal → exit 1。而 bugfix carve-out 的设计是「`git checkout --detach <预合并树>,master 不参与」,其活分支在合并后可能已被删或已被推过头,于是这个无条件断言把原本无害的空操作(lane 早已在 PR head 绿、根本无需 dispatch)变成了整条通道硬失败。

  3. 影响范围与严重程度(逐渠道):

    • one-click direct/fallback、merge-publish(release.yml):安全,行为变更均已披露。
    • kernel 发版(release-kernel.yml,未被本 PR 改):安全——它不设 GITHUB_REF_NAME(自动取 master)、GITHUB_SHA=HEAD=master 头,断言必匹配;也没设 RELEASE_RUN_STARTED_AT,stale-cancel 关闭。
    • bugfix carve-out 手动兜底(workflow_dispatch):安全(HEAD==分支头)。
    • bugfix carve-out 合并路径(merged bugfix-release/* PR):潜在回归。 触发条件=head 分支被 delete-on-merge,或合并后又被 push 过头。后果=该紧急热修通道整体 exit 1 失败(而非照旧发布)。严重度:特定条件下通道不可用(非常态)。诚实说明:我在仓库里找不到现存的 bugfix-release/* 分支、最近 60 个已合 PR 里也没有 carve-out 实例,所以无法实测确认今天是否已坏——这是潜伏+未披露,不是实证破坏。
  4. 怎么修复的:PR 主思路正确(头不符秒拒 + 限三条件的 stale 取消 + track-head 跟头自愈 + probe-reuse 让 merge-publish 复用绿 run 跳过本地重跑)。针对上面的发现,建议补法二选一:(a) 把「头不符拒绝」从无条件前置改成仅在真的要 dispatch 某个 lane 时才校验该 ref——lane 全绿(无需 dispatch)就不做头校验,既保住 fail-fast 又消除 carve-out 误伤;(b) 最小改动:branchHead() 遇 404 时不 throw 而是放行到 laneStates(),若真要 POST 到一个死 ref,dispatchMissing 的非 204 仍会 fail-loud,安全性不变。

  5. 是否有回归问题(逐项过既有行为):

    • merge-publish 本地 npm test:仅当「probe=yes 且 master 自 PR head 未移动」才跳过;人工开的 core-only 发版 PR 因 e2e lane 缺失 → probe=no → 永不跳过,与现状完全一致;Full CI gate(--wait)位置/语义未动,仍无条件挡 publish。✅
    • fallback 分支 CI:CORE → 完整 lane 集,是披露过的有意变更(一键发版太慢:前置门单机串行跑全量测试 30-40 分钟,且同一套测试在发版链路里重复跑 2-3 遍 #3539 pt2);required checks 名不变(已核实 inputs.full 真实存在)。✅
    • dispatch 语义:ref 头 ≠ 目标 sha 从「照跑 + 60min 超时」→「秒级拒绝」。fail-fast 方向不变,只是不再白烧 runner。✅(已披露)
    • 自动取消 in-flight:仅「本次 attempt 创建 + workflow_dispatch + 头已非目标 sha」三条件同时满足;scheduled/PR/他人 run 一律不碰。✅(已披露)
    • bugfix carve-out 合并路径:⚠️ 见第 3 问,未披露的潜在回归。
  6. 是否破坏缓存:不涉及。无缓存/重试/游标/去重键改动;stale-run 取消只作用于本次 attempt 的 in-flight run,不动任何持久化状态。

  7. 是否改了设计方向:不改架构/边界/数据流,是在既有机制上加 fail-fast 与复用探测。唯一值得点名的方向性变化:--dispatch 从「纯幂等地 dispatch 缺失 lane」变成「先做头一致性断言、再 dispatch」——收紧本身合理,但收紧面超出了 PR 声明的两个渠道(波及其中的 bugfix/kernel),需作者确认这是预期内的。

  8. 是否引入了新的配置:新增的都是 workflow 内部 env,非用户可配 surface,无需 CONFIGURATION.md 迁移:RELEASE_RUN_STARTED_AT(取自 github.run_started_at)、WAIT_TRACK_HEAD、CI_FULL_DISPATCH,以及 probe 输出 allLanesReused。符合 env-var discipline(per-process spawn channel / host-side posture 类)。✅

两处非阻塞小瑕疵(供参考,不影响判定):① release-manual.yml pre-flight 去掉了 npm test 却保留了 ACP_TEST_CLAUDE_NATIVE:"1" env 和「#1248 keep claude-native live e2e subtests」注释——env 现在 inert、注释与代码事实不符;② release-ci-gate.mjs 里 probe-reuse 注释写「always exits 0」,但 API 失败时经 main().catch 会 exit 1(靠 workflow 侧 continue-on-error:true 兜住,行为没问题,只是注释不准)。


收工判定:暂不建议合并。 唯一卡点是第 3/5 问那处 bugfix carve-out 合并路径的头校验:请作者确认「carve-out head 分支合并后一定存活且未移动」这一前提是否成立;若不能保证,按第 4 问加个几行的防御性 guard 即可闭环。你拍板后我可以立即补上该 guard(独立标注 commit)+ 复跑定向测试,或直接把上面两处小瑕疵一并修掉。其余部分(两个已更新渠道 + kernel 渠道 + 测试)我已审完,可放行。

@ranxianglei

Copy link
Copy Markdown
Owner Author

小问题直接修复

Review follow-up on #3560 (小问题直接修): the --probe-reuse header claimed
the mode "always exits 0", but its latestRunAt() loop throws on an upstream
API error and main().catch turns that into exit 1. The design is already
fail-safe (the calling step uses continue-on-error:true and the absent/"no"
output degrades to "run the local suite anyway"), so this aligns the comment
with the code fact rather than changing behavior. No behavior/version change.
@ranxianglei

Copy link
Copy Markdown
Owner Author

🤖 Powered by ework · qwen3.8-27b

(ai: vllm-qwen/qwen3.8-27b)

收到,小问题已直接修掉并推到 PR 分支(增量 commit,未 force、未合并):

已修(1 处 · commit 64fd98383):scripts/release-ci-gate.mjs 的 --probe-reuse 头注释写「always exits 0」,但它的 latestRunAt() 循环在上游 API 出错时会 throw → 经 main().catch 变成 exit 1。设计本身是 fail-safe(调用步骤用 continue-on-error:true,输出缺失/no 会降级为「照跑本地套件」),所以我只把注释改成与代码事实一致,不改行为。纯注释、单文件、无 version bump。

更正我上一轮的一处误判:review 里我列的「nit①——release-manual.yml pre-flight 残留 inert 的 ACP_TEST_CLAUDE_NATIVE:"1" + 过期 #1248 注释」不成立。那个 env+注释其实位于 release-bugfix.yml 的 pre-flight,而那里仍然跑 npm test,env 是被实际使用的、注释也准确——没有缺陷;release-manual.yml 的 pre-flight 是干净的。所以真正的小问题只有上面那 1 处,现已修完。之前把归属列错了,在此纠正。

仍待决策(非小问题,未动):bugfix carve-out 合并路径的头校验潜在回归——需你拍板:确认 carve-out head 分支合并后一定存活且未移动,或让我按上轮建议加防御性 guard。这属于 load-bearing 发版基建的语义收紧,不在「小问题直接修」范围,继续等你定。

CI 会在新 head 64fd98383 上重跑全量把关。

@ranxianglei

Copy link
Copy Markdown
Owner Author

仍待决策(非小问题,未动):bugfix carve-out 合并路径的头校验潜在回归——需你拍板:确认 carve-out head 分支合并后一定存活且未移动,或让我按上轮建议加防御性 guard。这属于 load-bearing 发版基建的语义收紧,不在「小问题直接修」范围,继续等你定。
一起修复了吧

@ranxianglei
ranxianglei merged commit 5406747 into master Oct 17, 2026
40 checks passed
@github-actions

Copy link
Copy Markdown
Contributor

📦 Merged Build Published

This merge to master was published as 0.0.536-master.5406747 (rolling master tag).

npm install -g billion-context@0.0.536-master.5406747  # this exact build
npm install -g billion-context@master  # always the newest merged build

npm view billion-context@master prints the current version at any time.

@ranxianglei ranxianglei mentioned this pull request Oct 17, 2026
6 tasks
Sign up for free to join this conversation on GitHub. Already have an account? Sign in to comment

Labels

None yet

Projects

None yet

Development

Successfully merging this pull request may close these issues.

一键发版太慢:前置门单机串行跑全量测试 30-40 分钟,且同一套测试在发版链路里重复跑 2-3 遍

1 participant