Ինչպես է AI-ն արագացնում bug report-երի ու test փաստաթղթավորման գրելը, և որտեղ դեռ կարևոր է մարդու վերանայումը։
Bug report-երն ու թեստավորման փաստաթղթավորումը անհրաժեշտ, բայց միապաղաղ գրելու աշխատանք են, և AI գործիքները լավ են հարմարվում դրանք արագացնելու համար՝ կոպիտ նշումը վերածելով ճիշտ կառուցվածքով bug report-ի, կամ test case-երի հավաքածուն՝ ընթեռնելի test plan-ի։ Ճիշտ օգտագործման դեպքում սա ազատում է tester-ի ժամանակը այն մասի համար, որն իրապես դատողություն է պահանջում՝ ինքնին bug-ը գտնելու համար։
Այս հոդվածում կանդրադառնանք․
AI գործիքները հուսալիորեն կարճ, կոպիտ նկարագրությունը («login կոճակը մոբայլում չի աշխատում, փորձեցի երկու անգամ») վերածում են ճիշտ ֆորմատավորված bug report-ի՝ հստակ վերնագրով, կառուցվածքային reproduce steps-ով և բաժանված սպասվող/փաստացի արդյունքի բաժիններով։ Դրանք նաև օգնում են լրացնել այն մասերը, որոնք tester-ները ժամանակի ճնշման տակ հաճախ բաց են թողնում՝ environment-ի մանրամասներ, severity-ի ենթադրություններ նկարագրության հիման վրա, և առաջին անգամ developer-ի արագ կարդալու ամփոփում։ Որոշ գործիքներ նաև կարող են report կազմել ուղիղ screen recording-ից կամ screenshot-ից՝ խնայելով հիշողությունից reproduce steps գրելու քայլը։
AI-ասիստավորված bug report-ի որակը դեռ ամբողջովին կախված է նրանից, թե tester-ը ինչ է մուտքագրում։ Գործիքին տվեք հնարավորինս շատ հում մանրամասն՝ ճշգրիտ կատարված քայլերը, ինչ էր սպասվում, ինչ իրապես տեղի ունեցավ, environment-ը և error message-ները բառացիորեն, և խնդրեք դա կառուցվածքավորել հստակ report-ի մեջ, փոխարենը՝ խնդրել գործիքին ինքն իրեն մտածել բացակայող մանրամասները։ Օգտակար սովորություն է խնդրել AI գործիքին նշել ամեն ինչ, որ ստիպված է եղել գուշակել կամ ենթադրել, որ tester-ը կարողանա հետ գնալ ու լրացնել իրական տեղեկությունը մինչև report-ը ուղարկելը։
Առանձին bug report-երից բացի, AI գործիքներն օգտակար են test plan-երի, test summary report-երի և release note-երի սևագիր կազմելու համար՝ ելնելով ավարտված test case-երից և դրանց արդյունքներից — աշխատանք, որը արժեքավոր է, բայց ժամանակատար՝ զրոյից գրելիս։ Գործիքին test case-երի ցանկ, pass/fail արդյունքներ և հայտնի խնդիրներ տալը սովորաբար տալիս է ամփոփ report-ի աշխատող սևագիր, որը tester-ն այնուհետև խմբագրում է ճշգրտության և տոնի համար, ոչ թե ամբողջ փաստաթուղթը ձեռքով գրում։
Երեք բան միշտ պետք է անցնի մարդու վերանայում, նախքան հրապարակելը՝ severity և priority գնահատականները (դրանք պահանջում են բիզնես համատեքստ, որը AI գործիքը հուսալիորեն չունի), փաստացիական root cause-ի ցանկացած պնդում (AI գործիքները կարող են վստահորեն առաջարկել պատճառ, որը վերջում սխալ է դուրս գալիս), և ամեն ինչ, որ գնում է հաճախորդին կամ շահագրգիռ կողմին անմիջական թիմից դուրս։ Ներքին, ցածր ռիսկով փաստաթղթավորումը կարող է բավարարվել ավելի թեթև վերանայումով, քան bug report-ը, որը կառաջնորդի developer-ի առաջնահերթության որոշումը։
Հալյուցինացիաների թեստավորում
AI-ով test case-ների գեներացում