LogWriter 可读性优化：优化日志分类与打印体系

[cangtianhuang]

🎯 主要改进

1. 日志分类体系完全重设计

将原有混乱的分类体系梳理为四个明确层级：

层级	分类	文件	含义
Paddle 问题	paddle_error	api_config_paddle_error.txt	Paddle 执行异常，非 OOM/CUDA fatal
	paddle_accuracy	api_config_paddle_accuracy.txt	精度对比失败，超出容忍阈值（原 accuracy_error）
	paddle_bitwise	api_config_paddle_bitwise.txt	bitwise 零容忍对比不一致（原 accuracy_diff）
	paddle_cuda	api_config_paddle_cuda.txt	Paddle 侧 CUDA fatal（原 cuda_error）
	paddle_crash	api_config_paddle_crash.txt	Paddle 侧 worker 异常退出（原 crash）
资源/时间问题	oom	api_config_oom.txt	显存/内存不足
	timeout	api_config_timeout.txt	执行超时
框架阻塞问题	torch_error	api_config_torch_error.txt	Torch 对照侧异常
	config_input	api_config_config_input.txt	输入生成失败（原 numpy_error）
	config_parse	api_config_config_parse.txt	配置解析失败（原 match_error）
	config_convert	api_config_config_convert.txt	Torch 转换失败（原 paddle_to_torch_failed）
通过/跳过	pass	api_config_pass.txt	测试通过
	skip	api_config_skip.txt	已知不支持或规则主动跳过

2. 打印前缀标准化

• 终态分类：[category] ... 格式，如 [pass]、[paddle_accuracy]、[paddle_cuda]
• 非终态上下文：key=value 格式，如 mode=forward、phase=backward、idx=0、comp=T1P1
• 示例：

  [paddle_accuracy] phase=forward idx=0 paddle.xxx(...)
  [paddle_bitwise] comp=T1P1 paddle.xxx(...)
  mode=forward paddle.xxx(...)
  

3. 大张量内存管理优化

• 定期日志输出：改进内存等待机制，每 60 秒打印一次可用内存状态，避免长时间静默
• 进程退出码标准化：
  • 99 → Paddle CUDA fatal
  • 98 → OOM
  • 97 → Torch 对照侧 fatal
• 运行时状态追踪：新增 show_runtime_status 选项，可选输出测试前后的显存占用

4. Checkpoint 与终态管理机制

• 新增 write_terminal_log() / has_terminal_log() / write_checkpoint() 函数
• 同一 case 已写非 pass 终态后，后续 pass 日志不再覆盖（防止误判）
• 终态一旦确定，engineV2 立即写入 checkpoint，便于中断后恢复

5. 统计信息细分

日志汇总时新增三个维度统计：

• Paddle 问题 cases：需要重点定位 Paddle bug 或稳定性问题
• 可重测 cases：资源/时间调整后可重测（OOM、timeout）
• 框架阻塞 cases：测试框架或对照侧问题（Torch error、配置问题）

📝 具体改动

核心文件修改：

• engineV2.py：内存等待、退出码、checkpoint 管理
• tester/accuracy.py、tester/accuracy_stable.py、tester/paddle_only.py：统一日志分类、错误处理逻辑
• tester/base.py：新增 report_runtime_error() 方法、集中化错误分类函数
• tester/api_config/log_writer.py：分类映射表、别名支持、终态管理
• tools/ 下的统计工具：日志前缀同步更新

向后兼容：通过 LOG_ALIASES 字典自动映射旧分类名，降低切换风险