Files

T

79797644e1 chore: trim dead code, modularize CLI, and archive stale docs

Extract review-plan, report, quarantine, state, and config handlers into
commands/ with shared cli_helpers; remove unused exceptions and duplicate
plan summary wrappers. Archive superseded review markdown, sync docs to
517-test baseline, and fix empty series titles when only a quality tag remains.

Co-Authored-By: Claude Sonnet 4.5 <noreply@anthropic.com>
Co-authored-by: Cursor <cursoragent@cursor.com>

2026-05-21 10:36:03 +08:00

15 KiB

Raw Permalink Blame History

Note

Status: Historical snapshot. Current refactor results and validated baseline are tracked in CHANGELOG.md (updated 2026-04-07).

Codex 架构复核报告

评审日期: 2026-02-13
评审范围: ARCHITECTURE_REVIEW.md 逐条核验 + 全项目补充审查
评审基线: 当前工作区代码（含 src/vlm/、tests/）

1. 结论摘要

ARCHITECTURE_REVIEW.md 中有一部分问题判断准确，但存在明显“已被代码修复却仍判定为问题”的过期结论。
当前项目确实仍有若干高优先级问题，且有至少 2 个关键问题未被该报告指出。
全量测试当前通过（整改后为 460 passed），且已补齐异常路径与安全边界回归用例。

2. 对 ARCHITECTURE_REVIEW.md 的逐项核验

2.1 判定为“真实存在”的问题

无统一 I/O 入口（部分命令仍在 CLI 内重复读写/解析 CSV/JSON）
- 证据: src/vlm/cli.py:220, src/vlm/cli.py:1628, src/vlm/cli.py:1496
- 影响: 解析逻辑重复，行为漂移风险，维护成本高
State 未接入主流程（scan/parse/enrich/analyze/plan/execute 未自动更新状态）
- 证据: StateManager 仅用于 vlm state *
- 代码位置: src/vlm/cli.py:1731, src/vlm/cli.py:1797, src/vlm/cli.py:1849
State 持久化非原子写
- 证据: 直接 open(..., "w") 覆盖写
- 代码位置: src/vlm/state.py:79
- 风险: 崩溃/断电时 state 文件损坏
State 路径键未 canonicalize
- 证据: str(file_path) 直接作为 key，未 resolve()
- 代码位置: src/vlm/state.py:117, src/vlm/state.py:139
- 影响: 软链接/相对路径导致同一文件多状态
enrichment 串行处理，配置中的并发参数未生效
- 证据: 双层 for 串行处理 records；enrichment_max_concurrency 未用于调度
- 代码位置: src/vlm/enrichment.py:67, src/vlm/config.py:35
scan 的 ffprobe 仍串行
- 证据: 文件逐个 _create_video_file，其中 extract_metadata 为阻塞调用
- 代码位置: src/vlm/scanner.py:272

2.2 判定为“部分成立”的问题

“Analyze 阶段丢失 metadata，导致 by_quality 失效”
- 现状: 已支持 v2 video_metadata，且 analyze 支持合并 inventory
- 证据: src/vlm/io.py:64, src/vlm/io.py:179, src/vlm/commands/analyze.py:31
- 结论: 对 v1 输入仍可能缺质量字段；对 v2/带 inventory 路径已修复
“路径验证缺失，路径会陈旧”
- 现状: execute 时会检查 source 是否存在
- 证据: src/vlm/executor.py:251
- 结论: “陈旧路径无保护”不准确；但仍有更深层路径安全问题（见第 3 节）
“回滚前无验证 / 非幂等”
- 现状: rollback 为 best-effort，且会判断目标是否存在再回滚
- 证据: src/vlm/executor.py:523
- 结论: 作为增强建议成立，但不构成当前实现缺陷性 bug

2.3 判定为“不成立或已过时”的问题

“Quarantine 非原子，可能产生孤儿文件”
- 现状: 已实现两阶段提交（pending -> move -> committed）并含恢复逻辑
- 证据: src/vlm/quarantine.py:190, src/vlm/quarantine.py:286, src/vlm/quarantine.py:490
- 结论: 该条为过时结论
“缺少 schema versioning”
- 现状: 多个核心产物已有版本字段
- 证据:
  - inventory 注释版本: src/vlm/scanner.py:519
  - identities 版本: src/vlm/cli.py:351
  - analysis 版本: src/vlm/commands/analyze.py:100
  - plan 版本: src/vlm/planner.py:430
  - rollback 版本: src/vlm/executor.py:366
- 结论: 不成立
“配置校验时机过晚”
- 现状: CLI 初始化时已执行 validate_config
- 证据: src/vlm/cli.py:79
- 结论: 不成立
“io.py 引入 scanner 导致循环依赖风险（高）”
- 现状: 当前依赖是单向的，未形成循环
- 证据: src/vlm/io.py:13
- 结论: 现阶段仅属架构偏好建议，不是实际问题

3. 报告遗漏但实际存在的问题（重点）

3.1 高优先级: `analyze` / `plan` 的 JSON 错误分支存在 NameError

问题: except json.JSONDecodeError 使用了未导入的 json
位置: src/vlm/cli.py:628, src/vlm/cli.py:678
影响: 输入非法 JSON 时，用户得到 NameError 而不是清晰报错，故障定位困难
复现: 通过 CliRunner 对无效 JSON 调用 vlm analyze / vlm plan，异常为 name 'json' is not defined

3.2 高优先级: 目标路径缺少边界约束，存在路径穿越风险

问题链路:
- display_title 可由外部 enrichment 数据参与构造，未过滤路径分隔符
- planner 直接模板拼接 destination
- 未校验 destination 必须位于 library_root 内
位置:
- src/vlm/enrichment.py:509
- src/vlm/io.py:81, src/vlm/io.py:103
- src/vlm/planner.py:212, src/vlm/planner.py:228
风险: 特殊标题/模板可把文件移动到库目录外

3.3 中优先级: 执行汇总统计口径重叠

问题: conflict 既计入 failed 又计入 skipped
位置: src/vlm/executor.py:318
影响: 汇总数据解释歧义，可能误导用户决策

3.4 中优先级: duplicate report 的排序信息被削弱

问题: report duplicates 重建 VideoFile 时将 size_bytes 固定为 0；而文本报告按 group.files 最大 size 排序
位置: src/vlm/cli.py:1536, src/vlm/reports.py:338
影响: 重复组排序质量下降（与真实文件体积不一致）

4. 设计层观察（非缺陷但建议）

当前“读多写少 + 人工确认”主流程设计合理，安全性基线较好。
Quarantine 两阶段提交是亮点，但 manifest 写入仍非原子文件替换，可继续增强。
io.py 已初步形成统一入口，但 CLI 层未完全收敛，建议继续去重。

5. 建议修复优先级

P0（立即）

修复 cli.py 中 analyze / plan 的 json 未导入问题（避免异常路径误报）
增加 destination 边界校验（destination.resolve().is_relative_to(library_root.resolve()) 等）
对标题/模板输入做路径片段净化（移除 /, \\, .. 等）

P1（近期）

State 写入改为原子落盘（临时文件 + os.replace）
State key 统一 canonical path
收敛 CLI 里的重复 CSV/JSON 解析到 io.py

P2（中期）

修正执行汇总口径（failed/skipped 去重）
修正 duplicate report 的 size 数据来源
为 enrichment / ffprobe 引入受控并发，真正使用 enrichment_max_concurrency

6. 测试与证据

全量测试: uv run pytest -q -> 460 passed
定向回归: tests/test_cli_json_errors.py, tests/test_path_safety.py, tests/test_state.py, tests/test_enrichment.py, tests/test_scanner.py, tests/test_executor.py, tests/test_reports.py -> 全部通过
额外手工复现:
- 无效 JSON 调用 vlm analyze / vlm plan，触发 NameError（实锤缺陷）

7. 最终判断

ARCHITECTURE_REVIEW.md 的总体方向是有价值的，但包含多个已失效结论。
当前项目最需要优先处理的，不是报告里强调的旧问题，而是：
1. CLI 异常路径 NameError
2. 路径安全边界与标题净化
3. State 原子写与 canonical key

8. 详细整改计划（按阶段推进）

8.1 目标与范围

目标: 在不破坏现有 CLI 行为的前提下，完成高风险缺陷修复、核心一致性改造与性能增强。
范围: src/vlm/cli.py, src/vlm/planner.py, src/vlm/io.py, src/vlm/enrichment.py, src/vlm/state.py, src/vlm/executor.py, src/vlm/reports.py, tests/ 对应模块。
非目标: 本轮不做大规模架构重写（例如全面重构命令框架、替换数据模型体系）。

8.2 里程碑

M1（P0，1-2 天）: 修复线上风险最高的功能正确性与安全边界问题。
M2（P1，3-5 天）: 完成 state 持久化可靠性与 I/O 收敛改造。
M3（P2，5-8 天）: 修复统计口径、报告准确性与可控并发能力。
M4（回归与发布，1-2 天）: 全量回归、文档更新、发布前检查。

8.3 任务清单（任务-交付物-验收标准）

M1 / P0（必须先做）

任务 T1: 修复 analyze/plan 的 JSON 异常分支 NameError
- 修改点: src/vlm/cli.py
- 实施:
  - 在模块级引入 json，或将异常类型改为已存在解析函数抛出的统一异常类型
  - 保证错误信息仍是用户可读文案（非 traceback）
- 交付物: 代码修复 + 新增/更新 CLI 测试
- 验收标准:
  - 输入非法 JSON 时返回非 0 退出码
  - stderr 包含明确的 JSON 解析错误提示
  - 不出现 NameError
任务 T2: 增加 destination 路径边界校验
- 修改点: src/vlm/planner.py（必要时补充 src/vlm/executor.py 二次防线）
- 实施:
  - 对最终 destination 与 library_root 做 canonical 关系校验
  - 不在库内时直接拒绝生成/执行计划
- 交付物: 边界校验逻辑 + 错误提示 + 测试
- 验收标准:
  - 包含 ../、绝对路径逃逸等输入均被拦截
  - 合法路径不受影响
任务 T3: 标题与模板片段净化（防路径注入）
- 修改点: src/vlm/enrichment.py, src/vlm/io.py, src/vlm/planner.py
- 实施:
  - 增加统一 sanitize_path_component()（禁止 /, \\, .., 控制字符）
  - 所有参与目标路径拼接的字段都经过净化
- 交付物: 公共净化函数 + 调用点替换 + 回归测试
- 验收标准:
  - 恶意标题不会影响目录层级
  - 原有正常标题生成路径稳定

M2 / P1（稳定性改造）

任务 T4: State 持久化改为原子写
- 修改点: src/vlm/state.py
- 实施:
  - 使用临时文件写入 + os.replace
  - 明确 fsync 策略（至少文件级）
- 交付物: 原子写实现 + 崩溃场景单测（可用 mock）
- 验收标准:
  - 任意写入中断不会留下半截 JSON
  - 反复读写结果一致
任务 T5: State key 统一 canonical path
- 修改点: src/vlm/state.py
- 实施:
  - key 写入前统一 resolve()（并处理不存在路径的兼容逻辑）
  - 读取时保留向后兼容迁移（旧 key 可识别）
- 交付物: key 规范化 + 兼容迁移逻辑 + 测试
- 验收标准:
  - 相对路径/软链接指向同一文件时状态一致
  - 旧 state 文件可被平滑读取
任务 T6: 收敛 CLI 里重复 CSV/JSON 读写逻辑
- 修改点: src/vlm/cli.py, src/vlm/io.py
- 实施:
  - 提炼并复用 io.py 的统一加载/保存接口
  - CLI 仅负责参数与错误展示
- 交付物: 去重后的调用链 + 回归测试
- 验收标准:
  - CLI 不再手写重复解析分支
  - 解析行为在各命令一致

M3 / P2（准确性与性能）

任务 T7: 修正执行汇总统计口径重叠
- 修改点: src/vlm/executor.py
- 实施:
  - 明确 failed 与 skipped 互斥定义
  - 调整 summary 计数逻辑与输出文案
- 交付物: 计数逻辑修复 + 测试
- 验收标准:
  - 相同动作不会同时计入 failed 与 skipped
  - 总数与明细可对账
任务 T8: 修正 duplicate report 的 size 失真
- 修改点: src/vlm/cli.py, src/vlm/reports.py
- 实施:
  - report duplicates 重建模型时保留真实 size_bytes
  - 报告排序按真实值生效
- 交付物: 修复 + 测试
- 验收标准:
  - 重复组排序与真实文件大小一致
  - 旧输入格式仍可正常输出报告
任务 T9: 引入受控并发（enrichment + ffprobe）
- 修改点: src/vlm/enrichment.py, src/vlm/scanner.py, src/vlm/config.py
- 实施:
  - 让 enrichment_max_concurrency 真正参与调度
  - 为 ffprobe 引入线程池/进程池并控制并发上限
  - 维持输出稳定顺序（必要时按输入索引回排）
- 交付物: 并发实现 + 性能对比数据 + 回归测试
- 验收标准:
  - 在中等规模样本上性能显著提升
  - 结果内容与串行版本一致

8.4 测试任务映射

T1 对应测试
- tests/test_cli_parse.py 新增: 非法 JSON 输入到 analyze/plan 的错误断言
T2/T3 对应测试
- 新增 tests/test_path_safety.py:
  - 标题含 ../、/、\\、控制字符
  - 模板路径逃逸
  - destination 越界拒绝
T4/T5 对应测试
- tests/test_cli_state.py 或新增 tests/test_state_atomic.py:
  - 原子写完整性
  - canonical key 去重
  - 旧格式兼容
T6 对应测试
- tests/test_cli_*.py 补充接口一致性断言，验证不同命令对同类输入行为一致
T7/T8 对应测试
- tests/test_executor.py: summary 口径互斥
- tests/test_duplicate_quality_metadata.py 或新增 tests/test_reports_duplicates.py: size 排序正确性
T9 对应测试
- 新增 tests/test_enrichment_concurrency.py, tests/test_scanner_concurrency.py（含顺序稳定性与结果一致性）

8.5 执行顺序与依赖关系

先做 T1/T2/T3（阻断高风险故障）。
再做 T4/T5（保证持久化可靠性），T6 可与 T5 并行。
最后执行 T7/T8/T9（不影响主流程安全前提下优化准确性和性能）。
每个里程碑结束后运行一次全量 uv run pytest -q，M4 前补充一次端到端 CLI 手工回归。

8.6 Definition of Done（完成标准）

所有 P0/P1 任务完成并合并，P2 至少完成 T7/T8。
新增测试全部通过，且全量测试保持通过。
风险点有对应文档说明（错误码、限制行为、兼容策略）。
README.md 或对应命令帮助文档完成必要更新。

9. 实施结果（本轮已完成）

9.1 任务完成状态

T1 完成: 修复 analyze/plan JSON 异常路径 NameError（模块级引入 json，并新增 CLI 回归测试）。
T2 完成: planner 增加 destination 边界校验；executor 增加二次防线。
T3 完成: 新增统一路径片段净化函数并用于标题生成与路径模板链路。
T4 完成: state 存储改为临时文件 + fsync + os.replace 原子落盘。
T5 完成: state key 与 FileState.file_path 统一 canonical path。
T6 完成: 收敛 CLI 重复 I/O 逻辑，parse/report 相关命令复用 io.py。
T7 完成: 执行汇总统计口径修正，failed/skipped 去重。
T8 完成: duplicate report 重建 VideoFile 时保留真实 size，并修复排序依据。
T9 完成: enrichment 与 scan(ffprobe) 引入受控并发，并保持结果顺序稳定。

9.2 新增/更新测试

新增 tests/test_cli_json_errors.py（覆盖 analyze/plan 非法 JSON）。
新增 tests/test_path_safety.py（路径净化、越界拦截、执行二次防线）。
新增 tests/test_config_concurrency.py（并发参数校验）。
更新 tests/test_state.py（原子写与 canonical key）。
更新 tests/test_scanner.py（扫描并发行为）。
更新 tests/test_enrichment.py（enrichment 并发行为）。
更新 tests/test_executor.py（汇总口径变化断言）。
更新 tests/test_reports.py（quality size 排序回归）。

9.3 文档更新

README.md 已补充路径安全、执行防线、统计口径、并发行为说明。
本文档（codex_review.md）已补充实施结果与验证证据。

15 KiB Raw Permalink Blame History Unescape Escape

Codex 架构复核报告

1. 结论摘要

2. 对 ARCHITECTURE_REVIEW.md 的逐项核验

2.1 判定为“真实存在”的问题

2.2 判定为“部分成立”的问题

2.3 判定为“不成立或已过时”的问题

3. 报告遗漏但实际存在的问题（重点）

3.1 高优先级: analyze / plan 的 JSON 错误分支存在 NameError

3.2 高优先级: 目标路径缺少边界约束，存在路径穿越风险

3.3 中优先级: 执行汇总统计口径重叠

3.4 中优先级: duplicate report 的排序信息被削弱

4. 设计层观察（非缺陷但建议）

5. 建议修复优先级

P0（立即）

P1（近期）

P2（中期）

6. 测试与证据

7. 最终判断

8. 详细整改计划（按阶段推进）

8.1 目标与范围

8.2 里程碑

8.3 任务清单（任务-交付物-验收标准）

M1 / P0（必须先做）

M2 / P1（稳定性改造）

M3 / P2（准确性与性能）

8.4 测试任务映射

8.5 执行顺序与依赖关系

8.6 Definition of Done（完成标准）

9. 实施结果（本轮已完成）

9.1 任务完成状态

9.2 新增/更新测试

9.3 文档更新

15 KiB

Raw Permalink Blame History

3.1 高优先级: `analyze` / `plan` 的 JSON 错误分支存在 NameError