Graham Dumpleton发布wrapture：基于wrapt的Python测试与追踪库，全代码由AI助手编写
该库可替代unittest.mock，支持OpenTelemetry及纯配置方式为现有项目添加追踪；这是Dumpleton首个完全由AI助手按指示完成的大型项目。
AI解读：wrapture是Graham Dumpleton发布的新Python库，它把wrapt的monkeypatching思路同时用到测试和追踪上，既能替代unittest.mock做替换，也能在不改动代码的情况下记录被观察对象的调用。它最直接的用处是让开发者快速给第三方库或遗留系统挂上观测——比如用一段TOML配置就能让Calculator对象被追踪输出到JSONL文件，还自带OpenTelemetry支持。对写测试的人来说，它提供了一种更简洁的stub方式。更特殊的是这个项目的生产过程：Dumpleton声称每行代码和文档都由AI助手在他的明确指导下完成，他不是盲发prompt的vibe coding，而是先有精确设计再用AI实现。这说明在有资深工程师把关的前提下，AI可以负担较大的完整项目开发，但这不等于AI能独立设计系统，实际效果仍依赖人的判断，项目才几周大，成熟度还有待观察。
Graham Dumpleton（wrapt、mod_wsgi和New Relic Python代理作者）发布新项目wrapture，将wrapt的monkeypatching思想扩展到同时用于测试和追踪。据其介绍，该库可包装任意函数或方法，实现访问追踪或覆盖返回值，兼作unittest.mock的替代品，并向现有项目添加追踪。
配置式追踪与项目状态
wrapture支持OpenTelemetry，并提供完全基于配置的机制为现有Python项目添加追踪，例如使用TOML配置（capture = "summary"、[[observe]] target = "domain:Calculator"、[[sink]] type = "jsonlines" path = "trace.jsonl"）。
该项目仍非常年轻，仅诞生数周，但已具备良好开端。
AI驱动开发过程
Dumpleton表示，这是其首次尝试完全由Agent驱动的大型项目：wrapture的每行代码和文档均由AI助手在其指导下编写。他强调，这不是vibe coding——不是一次性提示生成代码堆而缺乏判断能力；他从一开始就精心设计了工程，对Python特定领域长期熟悉，AI是生产工具而非设计来源。
测试使用示例
在一篇后续发布的文章中，Dumpleton展示了wrapture所支持的测试模式。例如，可通过wrapture.binding(Gateway, "charge").on_call.returns()实现stub化，简化测试代码。
另一个示例演示了调用原始方法并修改返回值的功能：通过transforms_result(lambda r: {**r, "id": "ch_TEST"})修改stub结果。