چگونه با Prioritize with AI بهترین نتیجه را بگیریم

Prioritize with AI اطلاعات موجود در محیط TestRail شما را تحلیل می‌کند؛ از جمله محتوای test caseها، سابقه اجرا، داده‌های defect، labelها و دستورالعمل‌هایی که وارد می‌کنید، تا مشخص کند کدام تست‌ها برای release فعلی شما مهم‌تر هستند.

کیفیت خروجی مستقیماً به کیفیت اطلاعات ورودی شما بستگی دارد. این راهنما توضیح می‌دهد این موضوع در عمل یعنی چه: قبل از اجرای prioritization چه چیزهایی باید آماده باشد و چه عادت‌هایی کمک می‌کند در طول زمان به نتایج دقیق و قابل‌اتکاتری برسید.

یک prompt مشخص و معنادار بنویسید #

prompt بخش Additional Instructions مهم‌ترین ورودی برای prioritization است. این prompt به AI می‌گوید release شما درباره چیست، کدام بخش‌ها بیشترین ریسک را دارند و الان باید روی چه چیزهایی تمرکز شود. هرچه prompt شما مشخص‌تر و پرجزئیات‌تر باشد، نتایج هدفمندتر و دقیق‌تر خواهند بود.

AI از prompt شما برای فهمیدن این موارد استفاده می‌کند:

• کدام بخش‌های application برای این release مهم هستند

• باید دنبال چه نشانه‌های ریسکی بگردد؛ مثل تغییرات اخیر، defectهای شناخته‌شده یا featureهای ناپایدار

• کدام نوع testها باید در اولویت بالاتر یا پایین‌تر قرار بگیرند

• آیا بعضی testها باید کاملاً از نتایج حذف شوند یا نه

نمونه‌های prompt خوب:

• «در این sprint تغییرات مهمی در flowهای checkout و payment داده‌ایم. روی testهایی تمرکز کن که محاسبه قیمت، منطق discount و integrationهای payment gateway را پوشش می‌دهند. testهای فقط mobile و negative-flow را در اولویت پایین‌تر قرار بده.»

• «این یک hotfix release برای یک regression شناخته‌شده در login است. authentication، session management و flowهای MFA را در اولویت قرار بده. هر چیزی که به login مربوط نیست می‌تواند اولویت پایین‌تری داشته باشد.»

• «رگرسیون Black Friday. روی flowهای پرترافیک تمرکز کن: search، cart، checkout و order confirmation. testهایی را ترجیح بده که در ۳۰ روز گذشته fail شده‌اند یا defect لینک‌شده داشته‌اند.»

مطمئن شوید test caseهای شما محتوای معنادار دارند #

AI محتوای متنی test caseهای شما را می‌خواند؛ از جمله عنوان‌ها، stepها، expected resultها، سناریوهای BDD و سایر فیلدهای توضیحی. سپس این اطلاعات را از نظر معنایی با prompt و labelهای شما تطبیق می‌دهد تا بفهمد هر test واقعاً چه چیزی را پوشش می‌دهد.

برای گرفتن بهترین نتیجه، مطمئن شوید test caseهای شما این موارد را دارند:

• عنوان‌های توصیفی که feature یا flow تست‌کیس را به‌روشنی مشخص می‌کنند

• stepها یا scenarioهای دقیق که actionهای انجام‌شده را توضیح می‌دهند

• expected resultهای روشن که توضیح می‌دهند رفتار موفق باید چگونه باشد

در field selector فقط فیلدهایی نمایش داده می‌شوند که برای testهای انتخاب‌شده داده دارند.

از Labelها به‌صورت consistent و معنادار استفاده کنید #

Labelها یکی از قوی‌ترین سیگنال‌هایی هستند که AI برای prioritization در اختیار دارد. آن‌ها کمک می‌کنند AI سریع‌تر تشخیص دهد کدام testها به featureها، componentها یا دسته‌های تست مشخصی تعلق دارند.

AI از labelها به دو روش استفاده می‌کند:

• به‌صورت مستقیم، وقتی در modal اولویت‌بندی labelها را انتخاب می‌کنید تا اهمیت testهای مطابق با آن‌ها بیشتر شود

• به‌صورت معنایی، وقتی labelها با اصطلاحات استفاده‌شده در prompt بخش Additional Instructions هم‌راستا هستند

سابقه اجرا را بسازید و نگه‌داری کنید #

وقتی داده‌های تاریخی فعال باشد، AI تاریخچه اجرا را تحلیل می‌کند تا الگوهایی را شناسایی کند که ممکن است نشان‌دهنده ریسک بالاتر در release باشند؛ مانند شکست‌های مکرر، ناپایداری یا defectهای لینک‌شده.

هرچه تاریخچه اجرای شما کامل‌تر باشد، سیگنال‌هایی که AI دریافت می‌کند قوی‌تر می‌شود.

برای بهبود تحلیل داده‌های تاریخی:

• testها را به‌طور منظم در چند چرخه release اجرا کنید

• نتایج اجرا را مستقیماً در TestRail ثبت کنید

• یک دوره look-back انتخاب کنید که با cadence انتشار شما هماهنگ باشد

defectها را به Test Resultهای خود لینک کنید #

testهایی که در گذشته defectهای واقعی را پیدا کرده‌اند، سیگنال‌های ارزشمندی برای اولویت‌بندی فراهم می‌کنند. AI از اطلاعات defectهای لینک‌شده استفاده می‌کند تا بخش‌هایی را شناسایی کند که ممکن است ریسک بالاتری برای release داشته باشند.

برای بهترین نتیجه:

• هر زمان ممکن است، defectها را به test resultهای ناموفق لینک کنید

• لینک‌های defect را دقیق و به‌روز نگه دارید

با گذشت زمان، لینک‌کردن منظم defectها به AI کمک می‌کند testهای پرریسک را دقیق‌تر شناسایی کند.

برای test caseهای خود Priority تعیین کنید #

Priority داخلی test case در TestRail هنگام ارزیابی اهمیت نسبی، به‌عنوان یک سیگنال تکمیلی برای AI عمل می‌کند.

برای بهترین نتیجه:

• Priorityهایی تعیین کنید که اهمیت واقعی آن‌ها برای کسب‌وکار را نشان دهند

• با تکامل application، Priorityها را بازبینی و به‌روز نگه دارید

اگر همه testها در همان سطح Priority پیش‌فرض باقی بمانند، این سیگنال برای AI کم‌معناتر می‌شود.

محدوده مناسب را برای test run خود انتخاب کنید #

AI Priority همیشه نسبت به testهایی سنجیده می‌شود که در همان run مشخص برای اولویت‌بندی قرار دارند.

برای بهبود کیفیت اولویت‌بندی:

• مجموعه‌ای معنادار و مرتبط از testها را در run قرار دهید

• از اضافه‌کردن حجم زیادی از testهای نامرتبط به run خودداری کنید

• برای سناریوهای اولویت‌بندی هدفمند، از گزینه Selected tests استفاده کنید

AI Priority با مقدار «Very High» در یک run لزوماً به این معنی نیست که همان test در یک run دیگر هم همان Priority را می‌گیرد. Priorityها نسبت به مجموعه مشخصی از testها هستند که در آن run قرار دارند.

test suite خود را سالم و به‌روز نگه دارید #

AI بر اساس داده‌هایی که دریافت می‌کند اولویت‌بندی انجام می‌دهد. test caseهای قدیمی یا بد نگهداری‌شده نویز ایجاد می‌کنند و می‌توانند کیفیت اولویت‌بندی را کاهش دهند.

روش‌های پیشنهادی شامل این موارد است:

• test caseهای منسوخ را archive یا حذف کنید

• عنوان‌ها، stepها و expected resultها را به‌روز نگه دارید

• labelها و Priorityها را به‌صورت یکدست اعمال کنید

• testهای قدیمی یا testهایی را که به‌ندرت اجرا می‌شوند، به‌طور منظم بازبینی کنید