Tech

Why can I tell a test is flaky but never find out why?

Fırsat

Detecting that a test is flaky is mostly solved; several tools do it reliably across reruns. Diagnosing the specific root cause is not. LLMs evaluated on real-world flaky test datasets achieve F1 scores above 0.88 for detection but drop below 0.57 on the same inputs when asked to identify root cause. The few automated repair tools only handle order-dependent or implementation-dependent flakiness and fail on resource contention, async timing, and environment drift. Developers spend hours reading logs and adding print statements, then watch the failure refuse to reproduce locally.

Neden önemli

Root cause attribution is the missing step that turns a flakiness detector from a dashboard metric into a tool that actually reduces CI time.

Fırsatı nasıl puanlıyorum

Fırsat Puanı benim kendi değerlendirmem, bir ölçüm değil: ne kadar acı verdiği, ne sıklıkla etkisi olduğu ve bugün için ne kadar az çözüm bulunduğu. Daha yüksek puan, inşa etmeye daha değer olduğunu düşündüğüm anlamına gelir.

Ciddiyet7/10

Ortaya çıktığında ne kadar sorun yarattığı.

Sıklık9/10

İnsanların bununla gerçekte ne sıklıkla karşılaştığı.

Boşluk8/10

Bugün bunun için ne kadar az iyi araç bulunduğu.