چگونه با اولویت با هوش مصنوعی بهترین نتایج را بدست آوریم

اولویت‌بندی با هوش مصنوعی اطلاعات موجود در محیط TestRail شما – محتوای آزمایش‌ها، سابقه اجرا، داده‌های نقص، برچسب‌ها و دستورالعمل‌هایی که ارائه می‌دهید – را تجزیه و تحلیل می‌کند تا تصمیم بگیرید کدام آزمایش برای نسخه فعلی شما اهمیت بیشتری دارد.

کیفیت نتایجی که به دست می‌آورید مستقیماً با کیفیت اطلاعاتی که وارد می‌کنید شکل می‌گیرد. این راهنما در عمل به معنای آن است: قبل از اولویت‌بندی چه چیزهایی باید داشته باشید، و چه عادت‌هایی به شما کمک می‌کنند در طول زمان به نتایج قوی‌تری دست پیدا کنید.

یک دستور خاص و معنی دار بنویسید #

دستورات اضافی شما تنها مهم ترین ورودی برای اولویت بندی است. این به هوش مصنوعی می‌گوید که انتشار شما در چه زمینه‌ای است، چه حوزه‌هایی بیشترین خطر را دارند و در حال حاضر باید روی چه مواردی تمرکز کنید. هرچه درخواست شما خاص تر و غنی تر باشد، نتایج شما هدفمندتر و دقیق تر خواهد بود.

هوش مصنوعی از دستور شما برای درک موارد زیر استفاده می کند:

• کدام بخش از برنامه برای این نسخه مهم است

• چه سیگنال های خطری را باید جستجو کرد، مانند تغییرات اخیر، نقص های شناخته شده یا ویژگی های ناپایدار

• کدام نوع از آزمون ها باید اولویت بندی یا بی اولویت شوند

• اینکه آیا هر آزمایشی باید به طور کامل از نتایج حذف شود یا خیر

نمونه های سریع قوی:

• ما تغییرات قابل‌توجهی در پرداخت‌ها و جریان‌های پرداخت در این سرعت ایجاد کرده‌ایم. روی آزمایش‌هایی تمرکز کنید که محاسبه قیمت، منطق تخفیف و ادغام درگاه پرداخت را پوشش می‌دهند. تست‌های فقط تلفن همراه و جریان منفی را از اولویت خارج کنید.»

• “این یک نسخه رفع فوری است که یک رگرسیون ورود به سیستم شناخته شده را هدف قرار می دهد. احراز هویت، مدیریت جلسه و جریان های MFA را اولویت بندی کنید. هر چیزی که با ورود به سیستم مرتبط نیست را می توان اولویت بندی کرد.”

• رگرسیون جمعه سیاه. تمرکز بر جریان‌های پر ترافیک: جستجو، سبد خرید، تسویه‌حساب، و تأیید سفارش. آزمایش‌هایی را ترجیح دهید که در ۳۰ روز گذشته شکست خورده‌اند یا نقص‌های مرتبطی داشته‌اند.

مطمئن شوید که تست‌کیس‌ها شما دارای محتوای معنادار است #

هوش مصنوعی محتوای متنی تست‌کیس‌ها شما را می‌خواند – از جمله عناوین، مراحل، نتایج مورد انتظار، سناریوهای BDD، و سایر فیلدهای توضیحات – و از نظر معنایی آن اطلاعات را با درخواست‌ها و برچسب‌های شما مطابقت می‌دهد تا بفهمد هر آزمون واقعاً چه چیزی را پوشش می‌دهد.

برای بهترین نتایج، مطمئن شوید که تست‌کیس‌ها شما شامل موارد زیر است:

• عناوین توصیفی که به وضوح ویژگی یا جریان تست‌کیس را مشخص می کنند

• مراحل یا سناریوهای دقیق که اقدامات انجام شده را توصیف می کند

• نتایج مورد انتظار را روشن کنید که توضیح می دهد رفتار موفق چگونه به نظر می رسد

فقط فیلدهای حاوی داده‌های مربوط به آزمون‌های انتخابی در انتخابگر فیلد موجود است.

از برچسب ها به طور مداوم و معنادار استفاده کنید #

برچسب ها یکی از قوی ترین سیگنال های موجود برای اولویت بندی هوش مصنوعی هستند. آنها به هوش مصنوعی کمک می کنند تا سریعاً تشخیص دهد که کدام تست ها به ویژگی ها، مؤلفه ها یا دسته های آزمایشی خاص تعلق دارند.

هوش مصنوعی از برچسب ها به دو صورت استفاده می کند:

• به صراحت، هنگامی که برچسب ها را در حالت اولویت بندی انتخاب می کنید تا اهمیت تست های تطبیق را افزایش دهید

• از نظر معنایی، وقتی برچسب‌ها با عبارات استفاده شده در دستورات اضافی شما همسو می‌شوند

ساخت و نگهداری تاریخچه اجرا #

وقتی داده‌های تاریخی فعال است، هوش مصنوعی تاریخچه اجرا را تجزیه و تحلیل می‌کند تا الگوهایی را که ممکن است نشان‌دهنده خطر انتشار بالاتر باشد، مانند خرابی‌های مکرر، بی‌ثباتی، یا نقص‌های مرتبط، شناسایی کند.

هرچه سابقه اجرای شما غنی تر باشد، سیگنال هوش مصنوعی قوی تر می شود.

برای بهبود تحلیل تاریخی:

• آزمایش ها را به طور منظم در چند چرخه انتشار اجرا کنید

• نتایج اجرای را مستقیماً در TestRail ضبط کنید

• دوره بازگشتی را انتخاب کنید که با آهنگ انتشار شما مطابقت داشته باشد

عیوب را به نتایج تست خود پیوند دهید #

آزمایش‌هایی که از لحاظ تاریخی نقص‌های واقعی را کشف کرده‌اند، سیگنال‌های اولویت‌بندی ارزشمندی را ارائه می‌کنند. هوش مصنوعی از اطلاعات نقص مرتبط برای شناسایی مناطقی استفاده می کند که ممکن است خطر انتشار بالاتری را نشان دهند.

برای بهترین نتایج:

• در صورت امکان، عیوب را به نتایج تست ناموفق مرتبط کنید

• لینک های نقص را دقیق و جاری نگه دارید

با گذشت زمان، پیوند ثابت نقص توانایی هوش مصنوعی را برای شناسایی دقیق‌تر تست‌های پرخطر بهبود می‌بخشد.

اولویت را روی تست‌کیس‌ها خود تنظیم کنید #

اولویت تست‌کیس بومی در TestRail به عنوان یک سیگنال اضافی برای هوش مصنوعی هنگام ارزیابی اهمیت نسبی عمل می کند.

برای بهترین نتایج:

• اولویت هایی را تعیین کنید که منعکس کننده اهمیت واقعی کسب و کار باشد

• با تکامل برنامه، اولویت ها را بررسی و حفظ کنید

اگر همه تست‌ها در همان سطح اولویت پیش‌فرض باقی بمانند، این سیگنال برای هوش مصنوعی معنادار می‌شود.

محدوده مناسب را برای Run خود انتخاب کنید #

اولویت‌های هوش مصنوعی همیشه به تست‌های موجود در اجرای خاصی که اولویت‌بندی می‌شوند نسبت دارند.

برای بهبود کیفیت اولویت بندی:

• مجموعه‌ای از تست‌های معنادار و مرتبط را شامل شود

• از افزودن حجم زیادی از تست های نامرتبط به اجرا خودداری کنید

• از گزینه تست های انتخاب شده برای سناریوهای اولویت بندی هدفمند استفاده کنید

اولویت هوش مصنوعی “بسیار بالا” در یک اجرا لزوماً به این معنی نیست که همان تست در اجرای متفاوت اولویت یکسانی را دریافت می کند. اولویت ها نسبت به مجموعه خاصی از تست های موجود در اجرا هستند.

مجموعه تست خود را سالم نگه دارید #

هوش مصنوعی بر اساس داده هایی که دریافت می کند اولویت بندی می کند. کیس‌های تست قدیمی یا ضعیف، نویز ایجاد می‌کنند که می‌تواند کیفیت اولویت‌بندی را کاهش دهد.

اقدامات توصیه شده عبارتند از:

• تست‌کیس‌ها منسوخ را بایگانی یا حذف کنید

• عناوین، مراحل و نتایج مورد انتظار را به روز نگه دارید

• برچسب ها و اولویت ها را به طور مداوم اعمال کنید

• تست های قدیمی یا به ندرت اجرا شده را به طور منظم مرور کنید