بیشترین بهره را از اتوماسیون مبتنی بر هوش مصنوعی در TestRail ببرید

اتوماسیون مبتنی بر هوش مصنوعی در TestRail به شما کمک می کند تا از تست های دستی به اتوماسیون اجرایی سریعتر حرکت کنید. این یک پیش نویس اولیه ساختار یافته را بر اساس محتوای تست‌کیس و تنظیمات انتخابی شما ایجاد می کند، در حالی که توضیح می دهد که چه چیزی و چرا ایجاد شده است.

خروجی برای بازبینی، آزمایش و پالایش طراحی شده است. این کار شما را تسریع می کند، اما شما همچنان در کنترل هستید.

کیفیت آنچه دریافت می کنید مستقیماً به کیفیت آنچه ارائه می کنید بستگی دارد. این راهنما توضیح می‌دهد که چگونه می‌توانید تست‌کیس‌ها بهتر بنویسید، سریع‌تر دستور دهید، و زمینه مناسب را فراهم کنید تا اتوماسیون تولید شده با پروژه واقعی شما همسو شود.

  #

درک کنید که هوش مصنوعی در واقع از چه چیزی استفاده می کند #

هنگام تولید اتوماسیون، فقط اطلاعات مبتنی بر متن از پرونده آزمایشی به هوش مصنوعی ارسال می شود. این ممکن است شامل موارد زیر باشد:

• عنوان
• توضیحات
• پیش شرط ها
• مراحل
• نتایج مورد انتظار
• سناریوهای BDD
• سایر فیلدهای متن سفارشی

هوش مصنوعی از هر یک از این فیلدها در تست‌کیس استفاده می کند. از فراداده های ساختاریافته، پیوست ها و فیلدهای غیر متنی استفاده نمی شود.

تست‌کیس‌ها را برای اتوماسیون بنویسید، نه فقط برای انسان #

صرف نظر از الگوی تست‌کیس که استفاده می کنید، هرچه اطلاعات در عنوان، پیش شرط ها، مراحل و نتایج مورد انتظار شما دقیق تر و ساختارمندتر باشد، اتوماسیون تولید شده بهتر خواهد بود.

هوش مصنوعی هدف را به روشی که آزمایشگر انسانی انجام می دهد تفسیر نمی کند. دستورالعمل های نوشته شده را به منطق اجرایی ترجمه می کند. هرچه دستورالعمل واضح تر باشد، نتیجه قوی تر است. حتی چیزی به سادگی یک عنوان خاص تر به هوش مصنوعی کمک می کند تا هدف آزمایش را بهتر درک کند.

بیایید به یک مقایسه ساده نگاه کنیم.

👈نمونه ضعیف #

عنوان: کاربر می تواند نمایه را به روز کند

مراحل:

• وارد شوید
• به روز رسانی نمایه
• ذخیره کنید
• بررسی تغییرات

این خیلی جای تفسیر را باز می گذارد:

• کدام فیلد در حال بروز رسانی است؟
• چه داده هایی باید وارد شود؟
• ورود چگونه انجام می شود؟
• کدام انتخاب کنندگان درگیر هستند؟
• چه چیزی موفقیت را تایید می کند؟
• اتوماسیون باید منتظر چه چیزی باشد؟

  #

🢢 مثال قوی تر #

عنوان: شماره تلفن را در تنظیمات نمایه به روز کنید

توجه کنید که چگونه عنوان قبلاً هدف خاص را روشن می کند.

پیش شرط ها:

• حساب کاربری وجود دارد
• URL پایه: https://staging.example.com
• کاربر از سیستم خارج شده است

مراحل:

1. به /login بروید
2. ایمیل را با ایمیل شناسه وارد کنید
3. رمز عبور را با رمز شناسه وارد کنید
4. روی دکمه با شناسه ورود – ارسال کلیک کنید
5. صبر کنید تا URL حاوی /dashboard باشد
6. به /profile بروید
7. فیلد را با شماره تلفن ID پاک کنید
8. مقدار +۴۴ ۷۷۰۰ ۹۰۰۱۲۳ را وارد کنید
9. روی دکمه با انتخابگر CSS .save-profile کلیک کنید
10. منتظر نان تست موفقیت باشید با متن نمایه با موفقیت به روز شد

نتایج مورد انتظار:

• نان تست موفقیت قابل مشاهده است
• متن تست برابر با نمایه با موفقیت به روز شد
• شماره تلفن محل شامل +۴۴ ۷۷۰۰ ۹۰۰۱۲۳ است

این نسخه ارائه می دهد:

• یک هدف کاملاً مشخص
• ناوبری صریح
• ارجاعات عناصر بتنی
• داده های تست تعریف شده
• ادعاهای قابل تأیید

در مورد اعتبارسنجی صریح باشید #

اتوماسیون فقط زمانی کار می کند که سیستم بتواند به وضوح تشخیص دهد که آیا یک آزمون موفق شده یا ناموفق است.

برخلاف آزمایشگر انسانی، یک تست خودکار نمی تواند بر قضاوت یا تفسیر بصری تکیه کند. باید شرایط خاص و قابل اندازه گیری در برنامه را بررسی کند تا تصمیم بگیرد که آیا رفتار صحیح است یا خیر.

در اتوماسیون به این چک ها می گویند ادعاها. یک ادعا به سادگی یک قانون در کد است که درستی چیزی را تأیید می کند، مانند:

• یک پیام قابل مشاهده است
• یک دکمه فعال است
• یک URL تغییر کرده است
• یک فیلد حاوی مقدار خاصی است

اگر شرط برآورده نشود، آزمایش با شکست مواجه می شود.

جزئیات اعتبار سنجی می تواند در موارد زیر ظاهر شود:

• پیش شرط ها
• مراحل
• نتایج مورد انتظار
• یا در دستورالعمل های اضافی

آنچه اهمیت دارد این است که نتیجه مورد انتظار در جایی در اطلاعات ارسال شده به هوش مصنوعی به وضوح تعریف شده باشد.

زبان و چارچوب صحیح را انتخاب کنید #

قبل از ایجاد اتوماسیون، زبان و چارچوب را انتخاب می‌کنید، مانند جاوا یا پایتون، سلنیوم یا نمایشنامه‌نویس.

اگر تست‌کیس شما از یک الگوی سبک BDD استفاده می کند، هوش مصنوعی به طور خودکار تراز می شود:

• خیار برای جاوا
• برای پایتون رفتار کنید 

برای بهترین نتایج با BDD، یک سناریو در هر تست‌کیس نگه دارید. سناریوهای متعدد می توانند منجر به نفخ یا خروجی کمتر متمرکز شوند.

از دستور مستقیم به صورت استراتژیک استفاده کنید #

هنگام تولید اتوماسیون در TestRail، می‌توانید قبل از کلیک بر روی ایجاد، دستورالعمل‌های اضافی را در پاپ‌آپ اتوماسیون هوش مصنوعی ارائه دهید. به این می گویند تحریک.

یک اعلان صرفاً مجموعه ای ساختاریافته از دستورالعمل ها است که به هوش مصنوعی می گوید در طول تولید کد چگونه رفتار کند. این می تواند شامل ترجیحات، محدودیت ها، قوانین و راهنمایی های خاص پروژه باشد.

قبل از شروع به نوشتن اتوماسیون، به اعضای تیم جدید توضیح دهید. درخواست های قوی تر منجر به نتایج قوی تر می شود.

موثرترین دستورات شامل دو عنصر است:

1. دستورالعمل های زمینه سازی
2. دستورالعمل های تعیین مرز

هر دو ضروری هستند.

درخواست های زمینه سازی چیست؟ #

برای خوانندگان غیر فنی، اعلان های زمینه سازی دستورالعمل هایی هستند که نحوه عملکرد پروژه شما را توضیح می دهند. آنها به هوش مصنوعی کمک می کنند تا بفهمد:

• از چه چارچوبی استفاده می کنید
• نحوه ساختار اتوماسیون شما
• از چه قوانین نامگذاری پیروی می کنید
• چگونه اعتبارسنجی ها و منتظر ماندن برای نوشتن را ترجیح می دهید

آنها کیفیت را با کاهش خروجی عمومی و تراز کردن کد تولید شده با چارچوب موجود شما بهبود می بخشند. نمونه هایی از دستورالعمل های زمینه سازی:

• استراتژی مکان یاب ترجیحی
• استفاده از مدل شیء صفحه
• لفاف های ادعایی سفارشی
• قراردادهای نامگذاری
• استراتژی های صبر
• الگوهای معماری

اعلان های تعیین کننده مرز چیست؟ #

اعلان های تعیین مرز به هوش مصنوعی می گویند که چه کاری را نباید انجام دهد.

سیستم های هوش مصنوعی سعی می کنند شکاف ها را پر کنند. اگر چیزی نامشخص باشد، ممکن است ساختار، انتخابگرها، ابزارهای کمکی یا داده های آزمایشی را اختراع کنند.

مرزها از ثبات محافظت می کنند.

از:

• فراگیری معماری
• داده های اختراع شده
• الگوهای تایید نشده
• بازسازی غیر ضروری

آنها کد تولید شده را ثابت و قابل پیش بینی نگه می دارند.

چرا هر دو مهم هستند #

درخواست های زمینه سازی کیفیت را بهبود می بخشد.
اعلان های تعیین مرز از ثبات محافظت می کند.

آنها با هم کنترل را به شما می دهند.

وقتی درخواستی را ارسال می کنید که هر دو را با هم ترکیب می کند، هوش مصنوعی نه تنها در مورد اینکه در طول تولید کد از چه چیزی استفاده کند، بلکه همچنین در مورد مواردی که باید از آنها اجتناب کند راهنمایی می شود.

این به طور قابل توجهی خروجی های عمومی را کاهش می دهد و این احتمال را افزایش می دهد که کد تولید شده:

• با چارچوب خود هماهنگ شوید
• به تصمیمات معماری خود احترام بگذارید
• از الگوهای صحیح استفاده کنید
• انتظارات خود را برآورده کنید

نمونه ای از یک دستور خوب #

در اینجا مثالی آورده شده است که هم زمینه و هم مرزها را در یک دستورالعمل ساختار یافته ترکیب می کند:

Generate automation using Playwright with Python.
Follow our existing Page Object Model structure as shown in the uploaded files.
Use data-testid selectors wherever available.
Use our custom assert_text_equals() wrapper for validations.
Use explicit waits from our wait utility and do not use fixed sleeps.
Do not introduce new helper classes or base classes.
Do not invent URLs, credentials, or test data.
If required information is missing, insert a clearly marked TODO instead of guessing.
Only implement the steps defined in this test case. Do not extend behaviour beyond what is described.

هنگامی که در پنجره پاپ آپ اتوماسیون هوش مصنوعی اعلانی مانند این ارائه می دهید:

• هوش مصنوعی چارچوب و الگوهای دلخواه شما را درک می کند.
• از اختراع معماری اجتناب می کند.
• به جای ایجاد فرضیات ناامن، متغیرهایی را وارد می کند.
• اسکریپت تولید شده به مراتب بیشتر با پروژه واقعی شما هماهنگ است.

این چیزی است که تحریک خوب به نظر می رسد.

چه چیزی باعث می شود که دستورات موثرتر باشد #

اعلان هایی که نتایج بهتری ایجاد می کنند معمولا:

• خاص هستند تا عمومی
• ساختار پروژه واقعی خود را منعکس کنید
• راهنمایی و محدودیت ها را با هم ترکیب کنید
• از دستورالعمل های مبهم مانند “نوشتن کد تمیز” اجتناب کنید
• به وضوح تعریف کنید که چگونه اطلاعات از دست رفته باید مدیریت شوند

درخواست به معنای افزودن متن بیشتر نیست.
این در مورد اضافه کردن وضوح مناسب است.

هنگامی که به خوبی از آن استفاده می شود، اعلان اتوماسیون هوش مصنوعی را از یک ژنراتور عمومی به یک دستیار همسو با چارچوب تبدیل می کند.

از آپلود فایل به عنوان یک ضریب کیفیت استفاده کنید #

می‌توانید فایل‌های پشتیبان را قبل از ایجاد اتوماسیون آپلود کنید تا زمینه اضافی را فراهم کنید. فرمت های پشتیبانی شده شامل فایل های کد رایج، فایل های پیکربندی و فرمت های مستندات می باشد. آپلود فایل های پروژه واقعی به طور قابل توجهی ارتباط و تراز اتوماسیون تولید شده را بهبود می بخشد.

فایل های مفید برای آپلود: #

• کلاس های شی صفحه
• کلاس های تست پایه
• روش های سودمند
• نمونه فایل های تست
• مخازن مکان یاب متمرکز
• فایل های راه اندازی را تست کنید
• پیکربندی دونده
• تکه های چارچوب 
• لفاف های ادعایی سفارشی
• ابزارهای ورود به سیستم
• یاران صبر کنید 
• و غیره

مرور، اصلاح و تکرار #

پاسخ هوش مصنوعی شامل موارد زیر است:

• توضیحی در مورد آنچه تولید شد
• کد نگاشت نظرات درون خطی برای آزمایش مراحل
• مکان‌هایی که ورودی وجود ندارد به وضوح علامت‌گذاری شده است.

همیشه:

• فیلمنامه را مرور کنید
• آن را در محیط خود اجرا کنید
• انتخابگرها و انتظارها را اعتبارسنجی کنید
• برای قابلیت نگهداری، پالایش کنید

تولید اتوماسیون قابل ردیابی است و در تاریخچه و گزارش های حسابرسی ثبت می شود، اما اعتبار سنجی انسانی ضروری است.