Projekt końcowy przepływu pracy z AI: zbuduj i zweryfikuj raport JSON
Table of Contents
Wróć do kursu Praktyczny przepływ pracy z AI
Zbuduj nowy format wyjściowy i potwierdź jego działanie. Wcześniej dodano filtr stanu. Ten projekt końcowy zaczyna się od nowego laboratorium i dodaje raport JSON przeznaczony do odczytu przez inny program. Nowe wymaganie sprawdza, czy przeniesiesz swój przepływ pracy na inną funkcję.
Cel nauki: dostarczysz sprawdzony raport JSON, zapis dowodów dotyczących źródeł i narzędzi oraz przekazanie, które zrozumie nowa sesja.
Najważniejsze wnioski
- Osobne wymaganie określa funkcję projektu końcowego.
- Zmiana agenta programistycznego pozostaje w nazwanych plikach.
- Niezależne kontrole rozstrzygają o akceptacji.
- Przekazanie nowej sesji pozwala odtworzyć wynik.
Zanim zaczniesz
Wymagania wstępne: ukończ lekcje od 0 do 10, w tym kontekst repozytorium, pierwsze zadanie programistyczne, MCP lub jego odpowiednik w przeglądarce, delegowanie i ograniczone pętle. Lekcja 11 jest opcjonalna. Zarezerwuj 90–120 minut. Poziom trudności: średni.
Użyj nowego rozpakowania
laboratorium startowego
. Przed każdą zmianą uruchom python3 task_report.py tasks.json i dwa testy bazowe. W systemie Windows użyj py -3, jeśli konfiguracja korzysta z programu Python Launcher. Utwórz lokalny punkt bazowy Git, tak jak w konfiguracji kursu. Filtr stanu z lekcji 5 celowo nie występuje.
Przeczytaj docs/capstone-requirements.md, rewizja 1. Wymaga --format text|json. Domyślny tekst nadal brzmi Total tasks: 4. Wyjście JSON zawiera liczbowe podsumowanie i liczbę każdego statusu w danych. Sprawdź pustą listę, brak statusu i nieobsługiwany format. Nie używaj docs/requirements.md jako źródła wymagań dla tej funkcji.
Wybierz ścieżkę. Ścieżka połączona wykorzystuje zaobserwowaną zmianę agenta programistycznego, rzeczywiste wywołanie MCP tylko do odczytu i natywnego workera albo osobną sesję workera. Ścieżka nauki wykorzystuje asystenta czatu do zaproponowania kodu, źródło w przeglądarce zamiast MCP i osobne czaty jako symulowanych workerów. Niedostępne kroki narzędzi oznacz jako „nie uruchomiono”. Obie ścieżki wymagają lokalnych testów i przeglądu plików. Klucz odpowiedzi poniżej zawiera pełne pliki do odtworzenia ćwiczenia. Zapisz pierwszą próbę w notatkach, zanim skopiujesz klucz do nowego rozpakowania.
Punkt kontrolny 1: Opis projektu
Otwórz syntetyczny projekt warsztatowy ChatGPT lub Claude. Poproś o dwuzdaniowy projekt przypomnienia. Sprawdź godzinę 19:00 w approved-schedule.md. Harmonogram określa treść przypomnienia. Wymaganie projektu końcowego określa program.
Dowód: zapisz nazwę projektu, rewizję źródła, zaobserwowaną godzinę w projekcie i ewentualne poprawki. Nie wysyłaj wiadomości.
Punkt kontrolny 2: Kontekst repozytorium
Otwórz nowe laboratorium. Utwórz krótkie AGENTS.md, które odsyła do docs/capstone-requirements.md, task_report.py, testów i polecenia testowego potwierdzonego podczas konfiguracji. Jeśli używasz Claude Code, zaimportuj wspólny plik z CLAUDE.md. Utwórz ludzki commit konfiguracji dla tych plików z instrukcjami, a następnie potwierdź, że git status --short nie zwraca zmian. Agent programistyczny nie może commitować zmiany funkcji.
Dowód: zachowaj mapę i czysty stan instrukcji. Zapisz klucze JSON i obsługę nieprawidłowych danych z rewizji 1. Wcześniejszą rozmowę o filtrze stanu traktuj jako kontekst innego zadania.
Punkt kontrolny 3: Źródło zewnętrzne
Ścieżka połączona: użyj
serwera OpenAI Docs MCP tylko do odczytu
przez obsługiwany klient. Poproś narzędzie MCP o aktualne wskazówki dla AGENTS.md. Zapisz nazwę narzędzia, adres URL źródła i jeden istotny punkt dla laboratorium. Potem usuń połączenie ćwiczeniowe.
Ścieżka nauki: otwórz w przeglądarce
oficjalną dokumentację AGENTS.md
. Zapisz tytuł, URL i istotny punkt. Oznacz odkrywanie i wykonanie MCP jako „nie uruchomiono”.
Dowód: skonfigurowany wpis serwera nie potwierdza jego użycia. Ścieżka połączona wymaga widocznego wywołania narzędzia i zwróconej treści źródła.
Punkt kontrolny 4: Deleguj jeden przegląd
Poproś workera tylko do odczytu o sprawdzenie docs/capstone-requirements.md, task_report.py i testów bazowych. Wymagaj raportu do pięciu wierszy z brakującymi kontrolami i ścieżkami plików. Na ścieżce nauki użyj osobnego czatu i oznacz go jako symulowanego workera.
Oczekiwany wynik: testy początkowe sprawdzają sumę i wartość JSON, która nie jest listą. Nie sprawdzają wyjścia JSON, pustej listy, braku statusu ani nieprawidłowego formatu. Samodzielnie otwórz plik testów i zweryfikuj raport. Krótki niezależny przegląd ma tu wartość, bo kryteria akceptacji różnią się od lekcji 5.
Dowód: zachowaj krótki raport i jednozdaniową decyzję o integracji. Zapis rozmowy workera przechowuj poza głównym rejestrem zadania.
Punkt kontrolny 5: Zleć zmianę
Przekaż agentowi programistycznemu poniższy pakiet. Na ścieżce nauki asystent czatu proponuje poprawkę, którą ręcznie stosujesz w laboratorium.
Cel: dodać --format text|json po ścieżce JSON.
Źródło: docs/capstone-requirements.md, rewizja 1.
Dozwolone pliki: task_report.py i tests/test_task_report.py.
Zachować: domyślne Total tasks: 4 i niezmieniony tasks.json.
JSON: jeden obiekt z total i licznikami by_status, bez dodatkowego tekstu stdout.
Wymagane kontrole: domyślny i jawny tekst, JSON 4/2/2, pusta lista,
brak statusu, nieprawidłowy format i testy bazowe.
Zatrzymać się przy: konflikcie źródeł, niezwiązanym błędzie bazowym lub zmianie poza zakresem.
Raport: zmienione pliki, polecenia, zaobserwowane wyniki, nierozwiązany problem.
Nie commitować, nie pushować, nie publikować ani nie wysyłać wiadomości.
Sprawdź plan przed edycją. Wybór schematu ma znaczenie: total to liczba, nie ciąg "4". by_status zawiera każdy status z danych, więc raport uwzględni też przyszły status. Ogranicz zmianę do rozpakowanego laboratorium.
Punkt kontrolny 6: Testy i przegląd
Samodzielnie wykonaj te kontrole. W systemie Windows zamień python3 na py -3. Dokładna kolejność kluczy JSON i odstępy nie mają znaczenia. Odczytaj wynik jako JSON i porównaj typy wartości.
git status --short
git diff -- task_report.py tests/test_task_report.py
python3 -m unittest discover -s tests -v
python3 task_report.py tasks.json
python3 task_report.py tasks.json --format text
python3 task_report.py tasks.json --format json
python3 task_report.py tasks.json --format invalid
Oczekiwane działanie: testy przechodzą. Oba polecenia tekstowe wyświetlają Total tasks: 4. Polecenie JSON zwraca jeden obiekt z total 4, by_status.open 2 i by_status.done 2. Nieprawidłowy format kończy się niezerowym kodem. Testy obejmują też pustą listę i zadanie bez tekstowego status. Przeczytaj zaobserwowany błąd i kod wyjścia dla tych przypadków.
| Punkt kontrolny | Dowód zaliczenia | Odzyskiwanie po błędzie |
|---|---|---|
| Opis projektu | Przypomnienie podaje 19:00 | Odśwież źródło harmonogramu |
| Mapa repozytorium | Podano wymaganie i ścieżki testów | Popraw pliki instrukcji |
| Źródło zewnętrzne | Przeczytano źródło MCP lub opisano przeglądarkową alternatywę | Sprawdź połączenie lub URL |
| Przegląd workera | Brakujące testy sprawdzono w pliku | Popraw raport workera |
| Zakres plików | Tylko program i testy | Sprawdź każdą niepożądaną zmianę |
| Działanie | Sprawdzono tekst, JSON, puste dane i błędy | Zdiagnozuj przyczynę i ponów próbę |
| Przekazanie | Nowa sesja odtwarza stan | Dodaj brakujące źródło lub wynik |
Do bezpiecznego resetu użyj nowego rozpakowania. Zachowaj notatki poza laboratorium, usuń tylko kopię roboczą i ponownie rozpakuj oryginalny ZIP. Nie wykonuj szerokiego resetu Git w repozytorium z pracą do zachowania.
Punkt kontrolny 7: Przekazanie nowej sesji
Napisz przekazanie krótsze niż 180 słów poza katalogiem laboratorium. Uwzględnij rewizję wymagania, zmienione pliki, dokładne polecenie testowe i wynik, wyjścia tekstowe i JSON, kontrole nieprawidłowych danych, zapis użycia i dalsze działanie. Otwórz nową sesję i poproś ją o wskazanie kluczy JSON oraz ocenę, czy funkcja przeszła.
Oczekiwana odpowiedź: nowa sesja wymienia total i by_status, wskazuje rewizję 1, podaje wyłącznie zaobserwowane kontrole i wskazuje brakujące sprawdzenia.
Klucz odpowiedzi i rubryka
Prawidłowa implementacja znajduje się poniżej. Zapisz pierwszy blok jako task_report.py, a drugi jako tests/test_task_report.py w nowym rozpakowaniu laboratorium. Nie zmieniaj tasks.json ani dwóch plików wymagań. Wykonaj kontrole z punktu 6. Porównaj inne rozwiązanie z wymaganiem i obserwowanym działaniem.
task_report.py:
"""Wyświetla tekstową sumę lub podsumowanie JSON zadań warsztatowych."""
import argparse
import json
import sys
from collections import Counter
from pathlib import Path
def load_tasks(path: Path) -> list:
tasks = json.loads(path.read_text(encoding="utf-8"))
if not isinstance(tasks, list):
raise ValueError("task data must be a list")
for index, task in enumerate(tasks, start=1):
if not isinstance(task, dict) or not isinstance(task.get("status"), str):
raise ValueError(f"task {index} needs a string status")
return tasks
def count_tasks(path: Path) -> int:
return len(load_tasks(path))
def summarize_tasks(path: Path) -> dict:
tasks = load_tasks(path)
counts = Counter()
for task in tasks:
counts[task["status"]] += 1
return {"total": len(tasks), "by_status": dict(sorted(counts.items()))}
def main() -> int:
parser = argparse.ArgumentParser(description="Raport zadań warsztatowych")
parser.add_argument("path", type=Path, help="ścieżka do listy zadań JSON")
parser.add_argument("--format", choices=("text", "json"), default="text")
args = parser.parse_args()
try:
if args.format == "json":
print(json.dumps(summarize_tasks(args.path)))
else:
print(f"Total tasks: {count_tasks(args.path)}")
except (OSError, ValueError) as exc:
print(f"Error: {exc}", file=sys.stderr)
return 1
return 0
if __name__ == "__main__":
raise SystemExit(main())
tests/test_task_report.py:
"""Kontrole raportów tekstowych i JSON dla zadań warsztatowych."""
import json
import subprocess
import sys
import tempfile
import unittest
from pathlib import Path
from sys import path as module_path
ROOT = Path(__file__).resolve().parents[1]
module_path.insert(0, str(ROOT))
from task_report import count_tasks # noqa: E402
def run_report(path: Path, *options: str) -> subprocess.CompletedProcess:
return subprocess.run(
[sys.executable, str(ROOT / "task_report.py"), str(path), *options],
capture_output=True, text=True, check=False,
)
class TaskReportTests(unittest.TestCase):
def test_counts_four_sample_tasks(self):
self.assertEqual(count_tasks(ROOT / "tasks.json"), 4)
def test_rejects_non_list_data(self):
with tempfile.TemporaryDirectory() as directory:
sample = Path(directory) / "invalid.json"
sample.write_text(json.dumps({"tasks": []}), encoding="utf-8")
with self.assertRaises(ValueError):
count_tasks(sample)
def test_default_and_explicit_text(self):
for options in ((), ("--format", "text")):
result = run_report(ROOT / "tasks.json", *options)
self.assertEqual(result.returncode, 0)
self.assertEqual(result.stdout.strip(), "Total tasks: 4")
def test_json_counts_and_types(self):
result = run_report(ROOT / "tasks.json", "--format", "json")
self.assertEqual(result.returncode, 0)
self.assertEqual(json.loads(result.stdout), {
"total": 4, "by_status": {"open": 2, "done": 2},
})
def test_empty_list(self):
with tempfile.TemporaryDirectory() as directory:
sample = Path(directory) / "empty.json"
sample.write_text("[]", encoding="utf-8")
result = run_report(sample, "--format", "json")
self.assertEqual(result.returncode, 0)
self.assertEqual(json.loads(result.stdout), {
"total": 0, "by_status": {},
})
def test_missing_status(self):
with tempfile.TemporaryDirectory() as directory:
sample = Path(directory) / "missing.json"
sample.write_text('[{"id": 1}]', encoding="utf-8")
for options in ((), ("--format", "json")):
result = run_report(sample, *options)
self.assertNotEqual(result.returncode, 0)
self.assertIn("status", result.stderr)
def test_invalid_format(self):
result = run_report(ROOT / "tasks.json", "--format", "invalid")
self.assertNotEqual(result.returncode, 0)
self.assertIn("invalid", result.stderr)
if __name__ == "__main__":
unittest.main()
Po użyciu klucza przywróć stan: zapisz notatki poza laboratorium, usuń tę kopię i ponownie rozpakuj oryginalne laboratorium startowe. Nowa kopia zawiera dwa testy bazowe i nie zawiera implementacji funkcji.
Przyznaj punkt za każdy punkt kontrolny w tabeli powyżej. Siedem punktów kończy ścieżkę połączoną, jeśli wiersz źródła zewnętrznego zawiera prawdziwe wywołanie MCP, a wiersz workera dokumentuje prawdziwą sesję. Siedem punktów kończy ścieżkę nauki, jeśli źródło jest zweryfikowaną stroną przeglądarki, a kroki narzędzi są wyraźnie oznaczone jako nieuruchomione. Brak kontroli działania, źródła lub zakresu plików blokuje ukończenie obu ścieżek.
Sprawdź zrozumienie
- Które wymaganie określa tę funkcję?
docs/capstone-requirements.md, rewizja 1. Wcześniejsze wymaganie filtra stanu należy do lekcji 5. - Co potwierdza kontrakt JSON? Odczytaj wyjście polecenia, porównaj wartości liczbowe i liczniki wszystkich statusów, a także sprawdź puste i nieprawidłowe dane. Dopracowane podsumowanie agenta nie wystarczy.
Rozwiązywanie problemów
- Test bazowy nie przechodzi przed edycją: odtwórz laboratorium z ZIP i ponów konfigurację.
- Agent zmienia inny plik: sprawdź diff i przywróć tylko niechcianą zmianę w laboratorium.
- Połączenie MCP nie działa: użyj źródła w przeglądarce i oznacz punkt jako ścieżkę nauki.
- Worker powtarza błędną wartość: ponownie przeczytaj wymaganie projektu i popraw raport.
- Kończy się limit prób: zachowaj dziennik błędów i poproś człowieka o wskazanie następnego kroku.
Następne kroki
Zachowaj ukończony zapis dowodów. Aby przejść do zaawansowanej publikacji zespołowej i autorytetu między systemami, kontynuuj Kurs wdrażania współpracy z AI .
Nawigacja kursu: Poprzednia wymagana: ograniczone pętle , Opcjonalna: ocena wyspecjalizowanych agentów , Plan kursu .