اتوماسیون مبتنی بر Sembi IQ در TestRail کمک میکند زمان لازم برای نوشتن کد automation کوتاهتر شود.
بهجای اینکه از یک فایل خالی شروع کنید، یک پیشنویس اولیه و قابل اتکا دریافت میکنید که بر اساس test case دستی شما و تنظیمات انتخابشده ساخته شده است. کارهای تکراری setup و boilerplate برای شما انجام میشود و commentهای شفاف داخل کد توضیح میدهند کد چه کاری انجام میدهد و چرا.
automation تولیدشده باید توسط انسان بازبینی، تست و اصلاح شود. این قابلیت یک نقطه شروع سریعتر در اختیار شما میگذارد، نه یک راهحل نهایی؛ بنابراین کنترل نحوه کار automation در project همچنان در اختیار شماست.
هدف این است که با اطمینان سریعتر پیش بروید، بدون اینکه مالکیت یا تصمیمگیری از دست شما خارج شود.
شرایط استفاده از AI
و
راهنمای استفاده مسئولانه از AI محسوب میشود.
نمای کلی AI Hub #
AI Hub یک بخش مرکزی است که به شما کمک میکند ببینید قابلیتهای AI در instance شما در TestRail چگونه استفاده میشوند.
در صفحه AI Hub → Overview کاربرانی که permissionهای لازم را دارند، میتوانند این موارد را ببینند:
-
test caseهای تولیدشده با AI
تعداد کل test caseهایی را نشان میدهد که با استفاده از قابلیت تولید test case مبتنی بر AI ساخته شدهاند. -
test caseهای automateشده با AI
تعداد کل test caseهایی را نشان میدهد که برای آنها scriptهای automation با استفاده از AI تولید شده است.
این metricها یک نمای سریع و کلی به تیمها میدهند تا ببینند AI در instance آنها چقدر پذیرفته و استفاده شده و چگونه از workflowهای تست دستی و automated testing پشتیبانی میکند.

کنترلهای قابلیت و permissionها #
AI Test Automation مبتنی بر Sembi IQ در TestRail از طریق چند سطح تنظیمات مدیریت میشود. کاربران بسته به permissionهای خود میتوانند این قابلیت را در سطحهای زیر فعال یا غیرفعال کنند:
-
سطح instance
Instance Adminها میتوانند AI automation را برای کل TestRail instance فعال یا غیرفعال کنند. وقتی این قابلیت غیرفعال باشد، برای هیچ نقش کاربری یا projectی در دسترس نیست. -
سطح نقش کاربری
Instance Adminها میتوانند تعیین کنند کدام نقشهای کاربری اجازه دسترسی به AI automation را داشته باشند. این تنظیم مشخص میکند چه کسانی میتوانند scriptهای automation تولیدشده با AI را generate، download و attach کنند. -
سطح project
Project Adminها میتوانند AI automation را برای projectهای جداگانه فعال یا غیرفعال کنند. به این ترتیب تیمها میتوانند استفاده از AI را فقط به projectهای انتخابشده محدود کنند.
نقاط دسترسی #
میتوانید تولید automation را از چند بخش شروع کنید:
- از نمای یک test case تکی
- از جدول test case.
در این مرحله، automation فقط برای هر بار یک test case تولید میشود.


تنظیمات AI automation در سطح کاربر #

وقتی پنجره modal اتوماسیون با AI را باز میکنید، میتوانید این موارد را در Settings تنظیم کنید:
زبانهای پشتیبانیشده
- Java
- Python
frameworkهای پشتیبانیشده
- Selenium
- Playwright
پشتیبانی از زبانها و frameworkهای بیشتر بهزودی اضافه میشود.

پشتیبانی از BDD
- اگر test case از template به سبک BDD استفاده کند، TestRail این موارد را تولید میکند:
- Cucumber برای Java
- Behave برای Python
- این مورد بهصورت خودکار با زبان انتخابشده هماهنگ میشود.

Sembi IQ چگونه از context مربوط به test case استفاده میکند #
برای بهترین نتیجه:
- مطمئن شوید test stepها بهروز هستند و آنقدر واضح نوشته شدهاند که AI بتواند آنها را به actionهای automation تبدیل کند.
- در پیششرطها، stepها، نتیجههای مورد انتظار و validationها دقیق و شفاف بنویسید. چیزی که برای فرد اجراکننده test واضح است، ممکن است برای automation بیش از حد مبهم باشد.
- در stepها و نتیجههای مورد انتظار از اصطلاحات یکسان و ثابت استفاده کنید تا ابهام ایجاد نشود.
نوشتن test case با actionهای واضح و outcomeهای قابل بررسی به AI کمک میکند automation دقیقتری تولید کند و نیاز به تغییرات بعدی را کاهش میدهد.
#
ارائه context بیشتر #
میتوانید با آپلود فایلهای پشتیبان، نتیجه را بهتر کنید؛ برای مثال:
- کد automation موجود در project شما
- فهرستی از selectorها یا referenceهای page object
- نمونههای configuration مربوط به framework
- همچنین هر فایل مرتبط دیگری را اضافه کنید که بتواند context بیشتری در اختیار AI بگذارد و کیفیت خروجی آن را بهتر کند.
همچنین میتوانید مستقیماً برای Sembi IQ AI دستورالعمل بنویسید؛ برای مثال:
- استراتژیهای locator ترجیحی
- قراردادهای نامگذاری
- patternهای مخصوص project
- همچنین هر دستورالعمل دیگری را اضافه کنید که context بیشتری فراهم میکند یا مسیر روشنتری به AI میدهد.
این کار به AI کمک میکند بهجای تولید کد generic، با setup واقعی شما هماهنگ شود.

ارائه context بیشتر با فایلها #
میتوانید قبل از ایجاد automation، فایلهایی آپلود کنید تا AI زمینهی بیشتری داشته باشد. این کار اختیاری است، اما میتواند کیفیت و مرتبطبودن اسکریپت تولیدشده را بهطور چشمگیری بهتر کند.
دادن زمینهی واقعی از project به AI کمک میکند با ساختار موجود، قواعد نامگذاری و الگوهای پیادهسازی شما هماهنگ شود.
نمونههایی از فایلهای مفید برای آپلود #
۱. کد automation موجود
فایلهایی از automation project فعلی خود آپلود کنید؛ برای مثال:
- کلاسهای Page Object
- کلاسهای پایهی تست
- متدهای utility یا helper
- فایلهای نمونهی test
این فایلها به AI در Sembi IQ کمک میکنند تا:
- ساختار project شما را دنبال کند
- از قواعد نامگذاری شما دوباره استفاده کند
- با الگوهای معماری شما هماهنگ شود
۲. selectorها یا ارجاعهای element
اگر تیم شما موارد زیر را نگهداری میکند:
- یک فایل selector
- یک UI map
- یک مخزن متمرکز برای locatorها
آپلود این فایلها به AI کمک میکند بهجای ساختن شناسههای عمومی، از شناسههای درست elementها استفاده کند.
۳. نمونههای پیکربندی framework
میتوانید موارد زیر را آپلود کنید:
- فایلهای نمونه برای راهاندازی test
- بخشهایی از پیکربندی framework
- فایلهای پیکربندی test runner
این فایلها تصویر روشنتری از ساختار و نحوهی اجرای automation شما ارائه میکنند.
۴. استانداردها یا قواعد کدنویسی
اگر تیم شما از الگوهای مشخصی پیروی میکند، مانند:
- wrapperهای سفارشی برای assertion
- قواعد نامگذاری مشخص
- استراتژیهای مشخص برای wait
قرار دادن فایلهای نمونه به AI کمک میکند با این استانداردها هماهنگ شود. اگر هیچ فایلی آپلود نکنید، AI automation را فقط بر اساس محتوای test case و تنظیمات انتخابشده ایجاد میکند.
آشنایی با خروجی تولیدشده #
پاسخ AI در Sembi IQ شامل این موارد است:
- توضیحی روشن دربارهی اینکه چه چیزی تولید شده و چرا
- کامنتهای inline مفید که هدف هر بخش از کد را توضیح میدهند
- ساختاری منطقی که به stepهای تعریفشده در test case مربوط میشود
کیفیت automation تولیدشده به کیفیت ورودی شما بستگی دارد. AI برای تولید نتیجهی مفید به جزئیات test case، زمینهی اضافه و دستورهای کاربر تکیه میکند.
برای گرفتن بهترین نتیجه:
- قبل از استفاده، کد تولیدشده را بررسی کنید
- automation را در محیط خود تست کنید تا مطمئن شوید مطابق انتظار عمل میکند
- در صورت نیاز، کد را اصلاح یا کاملتر کنید تا با تنظیمات application و framework شما هماهنگ شود.
درک توضیحات AI و annotationهای کد #
تولید automation فقط به ساخت کد محدود نیست. AI همچنین توضیح میدهد چه کاری انجام داده و مشخص میکند کجاها ممکن است به توجه شما نیاز باشد.
در پاسخ chat، Sembi IQ:
- ساختار فایلهای تولیدشده را توضیح میدهد
- توضیح میدهد test stepها چگونه به متدهای automation تبدیل شدهاند
- placeholderهایی را که به ورودی کاربر نیاز دارند، مثل base URL، credentials یا شناسههای element، بهروشنی مشخص میکند
- بخشهایی را که ممکن است قبل از اجرا به تنظیم نیاز داشته باشند مشخص میکند
برای مثال، اگر credentials ورود یا مقادیر وابسته به environment ارائه نشده باشند، AI placeholder وارد میکند و آنها را در chat بهصراحت توضیح میدهد. این کار کمک میکند سریع تشخیص دهید قبل از اجرای script چه چیزهایی باید configure شوند.
در کد تولیدشده، inline commentها همین راهنمایی را تکمیل میکنند. placeholderها واضح علامتگذاری و annotation میشوند تا بهراحتی ببینید کدام مقدارها باید جایگزین شوند و کدام بخشها ممکن است به اصلاحات مخصوص project نیاز داشته باشند.
این ترکیب توضیح و annotation باعث میشود خروجی شفافتر باشد و بازبینی آن راحتتر انجام شود.

#
پیدا کردن سریع logic مربوط به test stepهای مشخص #
AI در Sembi IQ کد تولیدشده را طوری ساختاربندی میکند که با stepها و expected resultهای test case شما هماهنگ باشد.
inline commentهای داخل کد:
- نشان میدهند هر متد یا assertion به کدام بخش از test case مربوط است
- stepهای navigation، actionها و validationها را بهروشنی برچسبگذاری میکنند
- بخشهای منطقی جریان automation را از هم جدا میکنند
این کار باعث میشود بتوانید راحتتر:
- کدی را که یک step مشخص را پیادهسازی میکند پیدا کنید
- یک assertion مشخص را که به یک expected result مربوط است تنظیم کنید
- درک کنید test case چگونه به automation قابل اجرا تبدیل شده است
بهجای اینکه برای فهمیدن عملکرد یک script بزرگ همه آن را مرور کنید، میتوانید سریع بخشهای مرتبط را پیدا کنید و تغییرات دقیقتری انجام دهید.

#
راهنمایی AI در chat #
علاوه بر تولید کد automation، chat مربوط به AI در Sembi IQ راهنماییهای مفیدی را همراه script ارائه میدهد.
پاسخ chat:
- توضیح میدهد AI چه چیزی تولید کرده و آن را چگونه به test case stepها مرتبط کرده است
- تصمیمهای مهمی را که هنگام تولید گرفته شدهاند، مثل selectorها، waitها یا assertionها، مشخص میکند
- برای next stepها پیشنهادهایی ارائه میدهد، برای مثال:
- کجا ممکن است script برای application شما به تنظیم نیاز داشته باشد
- قبل از اجرای test چه چیزهایی را باید بازبینی یا configure کنید
- چگونه ساختار automation را گسترش دهید یا بهبود دهید
این کار درک، بازبینی و اصلاح automation تولیدشده را آسانتر میکند، بهخصوص وقتی آن را با یک project موجود یا تنظیمات framework فعلی خود تطبیق میدهید.
هدف chat این است که از iteration پشتیبانی کند. هنگام test کردن و اصلاح script، میتوانید همچنان از AI بخواهید بخشهایی از script را توضیح دهد، تنظیم کند یا بهبود دهد.
TestRail Academy
یاد بگیرید چطور از Automate with AI استفاده کنید
#
دوره TestRail Academy را ببینید تا یاد بگیرید چطور با AI اسکریپتهای automation تولید کنید، workflow را بشناسید و بهترین نتیجه را از این قابلیت بگیرید.
استفاده و ذخیرهسازی automation تولیدشده #
بعد از تولید automation، میتوانید:
- اسکریپت را کپیپیست یا دانلود کنید و آن را در یک project اتوماسیون موجود به کار ببرید، یا بهعنوان نقطه شروع یک project جدید استفاده کنید
- automation تولیدشده را به test case پیوست کنید تا تست دستی و تست خودکار به هم مرتبط بمانند
- automation پیوستشده را با AI بهروزرسانی کنید اگر context مربوط به test case تغییر کرد؛ مثلاً steps یا expected behavior بهروزرسانی شد
به این ترتیب، test caseهای دستی و automation مرتبط با آنها در یک محل به هم متصل میمانند.

#
بهروزرسانی اسکریپتهای automation با AI #
اسکریپتهای automation که تولید شده و به یک test case پیوست شدهاند، میتوانند همزمان با تغییر test case، با استفاده از AI بهروزرسانی شوند.
وقتی یک test case تغییر میکند، کاربران میتوانند:
- اسکریپت automation تولیدشده با AI را که پیوست شده است دوباره باز کنند
- از AI برای بهروزرسانی یا تولید دوباره اسکریپت بر اساس آخرین محتوای test case استفاده کنند
- automation را طوری اصلاح کنند که steps، اعتبارسنجیها یا تغییرات جدید در behavior را منعکس کند
این کار کمک میکند test caseهای دستی و automation مرتبط با آنها در طول زمان هماهنگ بمانند، بدون اینکه لازم باشد از ابتدا شروع کنید.
مانند تولید اولیه، کاربران باید اسکریپتهای automation بهروزرسانیشده را بررسی و تست کنند تا مطمئن شوند در محیط آنها مطابق انتظار کار میکنند.

#
فیلتر کردن test caseها بر اساس وضعیت AI #
جدول test case شامل فیلترهای جدیدی است:
- تولیدشده با AI
- خودکارسازیشده با AI
با این فیلترها میتوانید راحتتر:
- میزان پوشش automation را پیگیری کنید
- تشخیص دهید کدام test caseها از قبل اسکریپت تولیدشده با AI دارند
- برای کارهای بعدی automation برنامهریزی کنید

Traceability #
فرایند تولید همه اسکریپتهای automation کاملاً قابل ردیابی است:
- تغییرات در تاریخچه نسخههای test case نمایش داده میشوند
- رویدادها در Audit Logs ثبت میشوند
این قابلیت برای تیمهایی که در محیطهای قانونمند یا دارای الزامات انطباق کار میکنند، شفافیت، پاسخگویی و اطمینان بیشتری فراهم میکند.

این اسکریپت شامل کدی است که با استفاده از LLM تولید شده است. چون این کد را یک سیستم خودکار تولید میکند، به نکات زیر توجه کنید:
- پشتیبانی رسمی ارائه نمیشود. ما برای کدهای تولیدشده با AI پشتیبانی فنی، عیبیابی یا رفع باگ ارائه نمیکنیم.
- بررسی الزامی است. قبل از استفاده، باید همه خروجیها را بهصورت دستی بازبینی و تست کنید. سیستمهای خودکار ممکن است خطا، ضعف امنیتی یا syntax قدیمی تولید کنند.
- Context محیطی به دلیل نبود context کافی، steps تولیدشده ممکن است ناقص یا نادرست باشند. این موارد میتواند شامل نیازمندیهای مرورگر که ذکر نشدهاند، dependencyهای نصبنشده یا تنظیمات خاص محیط باشد.
- مسئولیت کاربر مسئولیت کامل performance، امنیت و نگهداری هر کد تولیدشدهای که برای پیادهسازی انتخاب میکنید، بر عهده شماست.

