ইউনিট
1. সফ্টওয়্যার টেস্টিং এবং QA-এ কৃত্রিম বুদ্ধিমত্তার ভূমিকা: ভূমিকা, সীমানা, নকল ঝুঁকি এবং বৈধতা 2. পরীক্ষার দৃশ্য এবং টেস্ট কেস জেনারেশন: প্রয়োজনীয়তা থেকে ব্যাপক নিয়ন্ত্রণ পর্যন্ত 3. অনুসন্ধানমূলক পরীক্ষা এবং পরীক্ষা আইডিয়া জেনারেশন: এআই সহ ক্রিয়েটিভ বাগ হান্টিং 4. UI টেস্ট অটোমেশন: AI দিয়ে সেলেনিয়াম, নাট্যকার এবং সাইপ্রেস কোড তৈরি করা 5. এপিআই টেস্ট অটোমেশন: এআই-এর সাথে চুক্তি, স্কিমা এবং এন্ড-টু-এন্ড ভ্যালিডেশন 6. ইউনিট টেস্ট জেনারেশন এবং টেস্টিবিলিটি: এআই সহ শক্তিশালী টেস্টিং 7. ত্রুটি রিপোর্ট লেখা এবং অগ্রাধিকার: পরিষ্কার, এআই সহ পুনরুত্পাদনযোগ্য রেকর্ড 8. পরীক্ষার কভারেজ বিশ্লেষণ এবং ঝুঁকি-ভিত্তিক পরীক্ষা: AI এর সাথে সঠিক লক্ষ্য করা 9. রিগ্রেশন টেস্টিং, টেস্ট রক্ষণাবেক্ষণ, এবং ভঙ্গুর পরীক্ষাগুলির বিরুদ্ধে লড়াই করা 10. মিথ্যা-বিশ্বাসের ঝুঁকি, পরীক্ষার গুণমান এবং মিউটেশন পরীক্ষা: টেস্টিং পরীক্ষা 11. এন্ড-টু-এন্ড ওয়ার্কফ্লো, সিআই/সিডি ইন্টিগ্রেশন, এথিক্স এবং সিকিউরিটি: দায়িত্বশীলভাবে এআই ব্যবহার করা
ইউনিট 7 / 11

ত্রুটি রিপোর্ট লেখা এবং অগ্রাধিকার: পরিষ্কার, এআই সহ পুনরুত্পাদনযোগ্য রেকর্ড

লাভ:

  • কৃত্রিম বুদ্ধিমত্তার সহায়তায় বিক্ষিপ্ত পর্যবেক্ষণকে একটি স্পষ্ট শিরোনাম, নির্ধারক প্রজনন পদক্ষেপ, প্রত্যাশিত/প্রকৃত ফলাফল এবং প্রমাণ সম্বলিত প্রতিবেদনে রূপান্তরিত করার ক্ষমতা
  • কৃত্রিম বুদ্ধিমত্তার জন্য 'শুধুমাত্র আমার দেওয়া তথ্য ব্যবহার করুন, এটি তৈরি করবেন না' নিয়ম আরোপ করতে সক্ষম হওয়া এবং নিজের নিয়ন্ত্রণে প্রজননযোগ্যতার গ্যারান্টি
  • তীব্রতা (প্রযুক্তিগত প্রভাব) এবং অগ্রাধিকার (ব্যবসায়িক জরুরিতা) এর মধ্যে পার্থক্য করতে সক্ষম হওয়া এবং ব্যবসার প্রেক্ষাপটের সাথে চূড়ান্ত লেবেল দিতে

একজন পরীক্ষক যে বাগ খুঁজে পান তা কেবলমাত্র মূল্যবান যদি এটি সংশোধন করা হয়; এটি ঠিক করা মূলত বাগ রিপোর্টের মানের উপর নির্ভর করে—একটি রেকর্ড যা একটি ত্রুটিকে এমনভাবে নথিভুক্ত করে যাতে বিকাশকারী বুঝতে, পুনরুত্পাদন করতে এবং ঠিক করতে পারে। একটি খারাপভাবে লিখিত বাগ রিপোর্ট ("লগইন কাজ করছে না") ডেভেলপারকে ঘণ্টার পর ঘণ্টা আটকে রাখবে, সামনে-পরে চিঠিপত্রের দিকে নিয়ে যাবে এবং প্রায়ই "পুনরুত্পাদন করতে পারবে না" বলে বন্ধ হয়ে যাবে। একটি ভাল প্রতিবেদনে স্পষ্ট পদক্ষেপ, প্রত্যাশিত এবং বাস্তব ফলাফল, প্রসঙ্গ তথ্য এবং প্রমাণ অন্তর্ভুক্ত থাকে। কৃত্রিম বুদ্ধিমত্তা (AI) আপনার বিক্ষিপ্ত পর্যবেক্ষণগুলিকে পেশাদার, কাঠামোগত প্রতিবেদনে পরিণত করতে খুব ভাল। কিন্তু কেন্দ্রীয় সতর্কতা এখানেও প্রযোজ্য: AI এমন পদক্ষেপগুলি তৈরি করতে পারে না যা আপনি দেখতে পাচ্ছেন না; অনুপস্থিত তথ্য "যৌক্তিক-সুদর্শন" কিন্তু ভুল অনুমান দিয়ে পূরণ করতে পারে। আপনার কাজ হল রিপোর্টের প্রতিটি লাইন আপনি আসলে যা পর্যবেক্ষণ করেছেন তার উপর ভিত্তি করে তা নিশ্চিত করা।

একটি ভাল বাগ রিপোর্টের অ্যানাটমি

একটি কার্যকর প্রতিবেদনে এই উপাদানগুলি অন্তর্ভুক্ত রয়েছে:

  • শিরোনাম: সংক্ষিপ্ত, নির্দিষ্ট, অনুসন্ধানযোগ্য। "একটি ত্রুটি আছে" নয়; "কার্টে (Chrome) 10 টির বেশি আইটেম সহ 'চেকআউট' বোতামে ক্লিক করতে অক্ষম"।
  • পুনরুত্পাদনের পদক্ষেপ: সংখ্যাযুক্ত, স্ক্র্যাচ থেকে সনাক্তযোগ্য, নির্ধারক। বিকাশকারী এই পদক্ষেপগুলি অনুসরণ করার পরে ত্রুটিটি দেখতে সক্ষম হওয়া উচিত।
  • প্রত্যাশিত ফলাফল: গ্রহণযোগ্যতার মানদণ্ড অনুযায়ী যা হওয়া উচিত ছিল।
  • প্রকৃত ফলাফল: কি ঘটেছে (ত্রুটির বার্তা, পর্দা, আচরণ)।
  • পরিবেশ: ব্রাউজার/ডিভাইস, সংস্করণ, পরিবেশ (পরীক্ষা/লাইভ), ব্যবহারকারীর ভূমিকা, ডেটা।
  • প্রমাণ: স্ক্রিনশট, ভিডিও, লগ, ত্রুটি ট্রেস (স্ট্যাক ট্রেস)।
  • তীব্রতা এবং অগ্রাধিকার: নীচে বিস্তারিত।
টিপ: একটি প্রতিবেদন পাঠানোর আগে, জিজ্ঞাসা করুন "যদি আমি এই পদক্ষেপগুলি অন্য কাউকে দেই, তারা কি আমার সাহায্য ছাড়াই ত্রুটি দেখতে পাবে?" জিজ্ঞাসা উত্তর "না" হলে রিপোর্টটি অসম্পূর্ণ। AI রিপোর্টটিকে সুন্দর করে তুলতে পারে, কিন্তু শুধুমাত্র আপনিই প্রজননযোগ্যতার নিশ্চয়তা দিতে পারেন।

সহিংসতা এবং অগ্রাধিকার: দুটি বিভ্রান্ত ধারণা

তীব্রতা হল ত্রুটির প্রযুক্তিগত প্রভাব: সিস্টেম ক্র্যাশ হয়, ডেটা হারিয়ে যায়, নাকি এটি একটি টাইপো? অগ্রাধিকার হল এটি কতটা জরুরীভাবে ঠিক করা দরকার; ব্যবসায়িক প্রভাব সম্পর্কে। দুটি সবসময় একই দিকে যায় না: হোমপেজে কোম্পানির নামের ভুল বানান কম তীব্রতা কিন্তু উচ্চ অগ্রাধিকার (খ্যাতি)। একটি বিরল প্রান্ত ক্ষেত্রে, একটি পতন উচ্চ তীব্রতা কিন্তু কম অগ্রাধিকার হতে পারে। আপনি যখন পর্যবেক্ষণ দেন তখন AI আপনাকে এই পার্থক্য করতে সাহায্য করে; তবে চূড়ান্ত লেবেলটি আপনার দ্বারা দেওয়া হয়েছে যারা ব্যবসার প্রসঙ্গ জানেন।

সহিংসতা

উদাহরণ

অগ্রাধিকার

উদাহরণ

সমালোচনামূলক (অবরোধকারী)

পেমেন্ট সম্পূর্ণ করা যাবে না

জরুরী (P1)

লাইভে আয়ের ক্ষতি

উচ্চ (মেজর)

রিপোর্ট ভুল মোট দেয়

উচ্চ (P2)

আসন্ন মুক্তির জন্য একটি আবশ্যক

মাঝারি (অপ্রধান)

বিরল প্রান্ত ক্ষেত্রে ত্রুটি

মাঝারি (P3)

পরিকল্পিত স্প্রিন্টে

নিম্ন (তুচ্ছ)

বোতাম প্রান্তিককরণ বন্ধ আছে

নিম্ন (P4)

যখন সুযোগ থাকে

দুর্বল প্রম্পট / শক্তিশালী প্রম্পট

দুর্বল: "এই ত্রুটিটি রিপোর্ট করুন: অর্থপ্রদান কাজ করছে না।"
শক্তিশালী: "নীচের আমার পর্যবেক্ষণগুলিকে স্ট্যান্ডার্ড বাগ রিপোর্ট ফর্ম্যাটে অনুবাদ করুন: শিরোনাম, পুনরুত্পাদন পদক্ষেপ (সংখ্যাযুক্ত), প্রত্যাশিত ফলাফল, প্রকৃত ফলাফল, পরিবেশ, তীব্রতা এবং অগ্রাধিকার সুপারিশ (ন্যায়সঙ্গত)। শুধুমাত্র আমি যে তথ্য প্রদান করি তা ব্যবহার করুন; কোনো অনুপস্থিত ক্ষেত্র তৈরি করুন, 'তথ্য অনুপস্থিত: ...' চিহ্নিত করুন। পর্যবেক্ষণ, ক্রোম 2 টি পরিবেশে কিছুই ঘটবে না, I2t1 পরিবেশে, I2t1 পরিবেশন কনসোলে 'চেকআউট' চাপুন, 'অনির্ধারিত একটি ফাংশন নয়' ত্রুটি, 11টি পণ্যের সাথে কোনও সমস্যা নেই।"

শক্তিশালী প্রম্পট; বিন্যাস, "ফিটিং" নিয়ম, এবং অনুপস্থিত তথ্য চিহ্নিতকরণ আরোপ করে। এইভাবে, প্রতিবেদনটি সঠিক এবং সৎ উভয়ই হবে।

ডুপ্লিকেট ত্রুটি সনাক্তকরণ

বড় দলগুলিতে, একই ত্রুটি বারবার রিপোর্ট করা হয়। AI আপনার নতুন রিপোর্টকে বিদ্যমান ওপেন বাগ এবং ফ্ল্যাগ সম্ভাব্য ডুপ্লিকেটের সাথে তুলনা করতে পারে — এটি আপনার বাগ ট্র্যাকিং সিস্টেম (Jira, Azure DevOps, GitHub সমস্যা) পরিষ্কার রাখে। কিন্তু সাবধান: দুটি ত্রুটি যা পৃষ্ঠে একই রকম দেখা যায় তার মূল কারণ ভিন্ন হতে পারে; AI এর "ডুপ্লিকেট" পরামর্শ বন্ধ করার আগে উভয় প্রতিবেদনের পুনরাবৃত্তি উত্পাদন পদক্ষেপ এবং পরিবেশের তুলনা করুন। একটি ঘটনাক্রমে বন্ধ "ডুপ্লিকেট" আসলে একটি পৃথক ত্রুটি অনুপস্থিত.

বাগ ট্রেস থেকে মূল কারণ পর্যন্ত: লগ পড়ার জন্য AI এর শক্তি

একটি বাগ রিপোর্টের সবচেয়ে প্রযুক্তিগত অংশ প্রায়শই বাগ ট্রেস (স্ট্যাক ট্রেস — কোডের কোন লাইনের একটি ব্রেকডাউন, কোন কল চেইনটি একটি বাগ ট্রিগার করেছে)। দীর্ঘ এবং জটিল লগ এমনকি বিকাশকারীকে ক্লান্ত করতে পারে। AI শত শত লাইনের লগ পড়ে এবং সেকেন্ডের মধ্যে সবচেয়ে গুরুত্বপূর্ণ লাইন, সম্ভাব্য মূল কারণ অনুমান এবং কোড পয়েন্ট যেখানে ত্রুটিটি ট্রিগার হয়েছিল তার সংক্ষিপ্তসার করে। এটি উভয়ই প্রতিবেদনটিকে ছোট করে এবং বিকাশকারীকে একটি সরাসরি সূচনা পয়েন্ট দেয়।

যদিও দুটি সীমা মনে রাখবেন। প্রথমত, AI দ্বারা প্রদত্ত মূল কারণ একটি অনুমান, প্রমাণ নয়; বিকাশকারীর এটি যাচাই না করে এটি ঠিক করার চেষ্টা করা উচিত নয়। দ্বিতীয়ত, লগগুলিতে প্রায়ই ব্যক্তিগত ডেটা থাকে (ইমেল, ব্যবহারকারী আইডি, সেশন টোকেন); গাড়িতে লগ রাখার আগে এই জায়গাগুলিকে মাস্ক করুন। একটি ভাল অভ্যাস হল প্রথমে AI বলতে "এই লগে যে ক্ষেত্রগুলিকে মাস্ক করা দরকার সেগুলি তালিকাভুক্ত করুন" এবং তারপরে পরিষ্কার করা লগটি বিশ্লেষণ করুন।

টিপ: রিপোর্টে সম্পূর্ণ লগ পেস্ট করার পরিবর্তে, সবচেয়ে গুরুত্বপূর্ণ 3-5 লাইন অন্তর্ভুক্ত করুন যা AI সংক্ষিপ্ত করে এবং সম্পূর্ণ লগের একটি লিঙ্ক। এইভাবে প্রতিবেদনটি পঠনযোগ্য থাকে এবং যে বিকাশকারীর বিশদ বিবরণ প্রয়োজন সে সম্পূর্ণ লগ অ্যাক্সেস করতে পারে।

চারটি অনুলিপিযোগ্য টেমপ্লেট

1) পর্যবেক্ষণ থেকে রিপোর্ট:

আপনার ভূমিকা: সিনিয়র QA. নিম্নলিখিত কাঁচা পর্যবেক্ষণগুলিকে একটি আদর্শ বাগ রিপোর্টে অনুবাদ করুন: শিরোনাম / পুনরুত্পাদন পদক্ষেপ (সংখ্যাযুক্ত) / প্রত্যাশিত / প্রকৃত / পরিবেশ / প্রমাণ নোট / তীব্রতা + অগ্রাধিকার (ন্যায়সঙ্গত)। নিয়ম: শুধুমাত্র আমার দেওয়া তথ্য ব্যবহার করুন; অনুপস্থিত ক্ষেত্রটিকে "মিসিং ইনফরমেশন:..." হিসাবে চিহ্নিত করুন পর্যবেক্ষণ: [কাঁচা নোট]

2) প্রজনন ক্ষমতা নিয়ন্ত্রণ:

এই বাগ রিপোর্টটি এমন একজন বিকাশকারীর দৃষ্টিকোণ থেকে পড়ুন যিনি বাগটি দেখেননি৷ পদক্ষেপগুলি অনুসরণ করুন এবং সেই জায়গাগুলি চিহ্নিত করুন যেখানে এটি বাগ তৈরি করবে না: অস্পষ্ট পদক্ষেপ, অনুপস্থিত পূর্বশর্ত, অনুপস্থিত পরীক্ষার ডেটা, এড়িয়ে যাওয়া অবস্থা। প্রতিটি ফাঁকের জন্য আমার কী তথ্য যোগ করা উচিত তা আমাকে বলুন। রিপোর্ট: [প্রতিবেদন পেস্ট করুন]

3) তীব্রতা/অগ্রাধিকার উপদেষ্টা:

আমি নিম্নলিখিত ত্রুটি বর্ণনা করি: [ত্রুটি + ব্যবসার প্রসঙ্গ]। তীব্রতা (প্রযুক্তিগত প্রভাব) এবং অগ্রাধিকার (ব্যবসায়িক জরুরী) জন্য আলাদাভাবে পরামর্শ এবং ন্যায্যতা দিন। কেন দুটি ভিন্ন হতে পারে তা ব্যাখ্যা করুন। আমি চূড়ান্ত সিদ্ধান্ত নেব।

4) লগ/ত্রুটির ট্রেস সারাংশ:

নীচের ত্রুটি ট্রেস/লগ পরীক্ষা করুন. আমাকে একটি সারাংশ দিন (1) মূল কারণ অনুমান, (2) সম্ভাব্য কোড পয়েন্ট যেখানে ত্রুটি ঘটেছে, (3) প্রতিবেদনে যোগ করার জন্য 3টি সবচেয়ে সমালোচনামূলক লাইন। ব্যক্তিগত তথ্য থাকলে মাস্ক করুন। লগ: [লগ পেস্ট করুন]

তিনটি মিনি কেস

কেস 1 - "আমি উত্পাদন করতে পারিনি" থেকে মুক্তি। একটি দলে, 30% বাগগুলি "পুনরুত্পাদন করতে পারে না" হিসাবে বন্ধ ছিল৷ রিপোর্ট প্রক্রিয়ায় "প্রজননযোগ্যতা পরীক্ষা" টেমপ্লেট যোগ করা হয়েছে; প্রতিটি প্রতিবেদন পাঠানোর আগে, AI অনুপস্থিত পদক্ষেপ এবং পূর্বশর্তগুলিকে ফ্ল্যাগ করে। তিন মাস পরে, "উৎপাদন করতে পারেনি" হার 30% থেকে 8% এ নেমে এসেছে। পার্থক্য হল যে পদক্ষেপগুলি শুরু থেকেই সঠিক ছিল।

কেস 2 - জাল পদক্ষেপের বিপদ। একজন পরীক্ষক এআইকে অসম্পূর্ণ পর্যবেক্ষণ সহ একটি প্রতিবেদন লিখতে বাধ্য করেছিলেন; AI এমন একটি পদক্ষেপ যুক্ত করেছে যা কখনও ঘটেনি, যেমন "ব্যবহারকারী সেটিংস পৃষ্ঠা থেকে বিজ্ঞপ্তিগুলি চালু করে"। যখন বিকাশকারী সেই পদক্ষেপটি অনুসরণ করেন, তখন তিনি ত্রুটি খুঁজে পাননি এবং সময় হারিয়েছিলেন। দলটি "শুধুমাত্র আমার দেওয়া তথ্য ব্যবহার করুন, এটি তৈরি করবেন না" নিয়ম প্রয়োগ করেছে; তৈরি করা ধাপগুলি বাদ দেওয়া হয়।

কেস 3 - তীব্রতা/অগ্রাধিকার পার্থক্য। হোম পেজে কোম্পানির স্লোগানে একটি টাইপো ছিল। পরীক্ষক এটিকে "নিম্ন" হিসাবে পাস করবে; এআই পরামর্শদাতা মনে করিয়ে দিয়েছেন যে প্রযুক্তিগত সহিংসতা কম কিন্তু ব্যবসায়িক অগ্রাধিকার বেশি (প্রতিটি দর্শক যে খ্যাতি পায়)। বাগটি "উচ্চ অগ্রাধিকার" ট্যাগ দিয়ে একই দিনে ঠিক করা হয়েছিল।

সাধারণ ভুল

  • অস্পষ্ট শিরোনাম। "কাজ করছে না" এর মতো অপ্রকাশ্য, অ-বৈষম্যহীন শিরোনাম।
  • অনুপস্থিত/এড়িয়ে যাওয়া পদক্ষেপ। আপনার প্রসঙ্গে যা স্পষ্ট তা লিখছেন না; উত্পাদন করতে বিকাশকারীর ব্যর্থতা।
  • AI কে এটি তৈরি করতে দেওয়া। অনুপস্থিত তথ্য একটি "যুক্তিসঙ্গত অনুমান" দিয়ে পূরণ করা; ভুল পদক্ষেপ।
  • প্রত্যাশিত ফলাফল লিখছেন না। "ভুল" বলা কিন্তু সঠিক কি তা নির্দিষ্ট করে না।
  • বিভ্রান্তিকর সহিংসতা এবং অগ্রাধিকার. দুটিকে এক লেবেল বলে ভুল করা; ব্যবসায়িক প্রভাবের ভুল বিচার করা।
  • প্রমাণ সংবেদনশীল তথ্য. স্ক্রিনশট/লগে মাস্ক না করে প্রকৃত ব্যক্তিগত ডেটা শেয়ার করা।

সংক্ষেপে

বাগ রিপোর্টের মান হল যে বিকাশকারী আপনার সাহায্য ছাড়াই বাগটি পুনরুত্পাদন করতে এবং ঠিক করতে পারে৷ বিক্ষিপ্ত পর্যবেক্ষণগুলিকে পেশাদার, কাঠামোগত প্রতিবেদনে পরিণত করতে AI খুব ভাল; এটি শিরোনাম, পদক্ষেপ, প্রত্যাশিত/প্রকৃত ফলাফল, পরিবেশ এবং প্রমাণ সংগঠিত করে এবং তীব্রতা এবং অগ্রাধিকারের মধ্যে পার্থক্য সম্পর্কে পরামর্শ প্রদান করে। কিন্তু AI অনুপস্থিত তথ্যের জন্য তৈরি করতে পারে; "শুধুমাত্র আমার দেওয়া তথ্য ব্যবহার করুন, অনুপস্থিত চিহ্নিত করুন" নিয়মটি প্রয়োগ করুন এবং নিজেই প্রজননযোগ্যতার গ্যারান্টি দিন। প্রমাণ হিসাবে ব্যক্তিগত তথ্য মাস্ক.

আবেদন টাস্ক

আপনি সম্প্রতি খুঁজে পেয়েছেন এমন একটি বাগ নিন এবং "অবজারভেশন টু রিপোর্ট" প্যাটার্ন ("ফিটিং" নিয়ম সহ) ব্যবহার করে আপনার কাঁচা পর্যবেক্ষণগুলিকে একটি প্রতিবেদনে পরিণত করুন। তারপরে "পুনরুৎপাদনযোগ্যতা পরীক্ষা" করুন এবং চিহ্নিত ফাঁকগুলি পূরণ করুন। একজন সহকর্মীকে প্রতিবেদনটি দিন এবং দেখুন তিনি আপনার সাহায্য ছাড়াই ত্রুটিটি তৈরি করতে পারেন কিনা। অবশেষে, "হিংসা/অগ্রাধিকার পরামর্শদাতা" এর সাথে লেবেলগুলি নির্ধারণ করুন এবং আপনার নিজের বিবেচনার ভিত্তিতে এটি চূড়ান্ত করুন৷ এআই প্রক্রিয়ায় তৈরি করার চেষ্টা করে এমন কোনো তথ্য নোট করুন।

চেকলিস্ট

  • [ ] আমার শিরোনাম নির্দিষ্ট এবং অনুসন্ধানযোগ্য।
  • [ ] প্রজনন পদক্ষেপগুলি স্ক্র্যাচ থেকে, নির্ধারক এবং সম্পূর্ণ।
  • আমি প্রত্যাশিত এবং বাস্তব ফলাফল আলাদাভাবে লিখেছি।
  • সেটিং এবং প্রমাণ তথ্য সম্পূর্ণ; আমি ব্যক্তিগত তথ্য মাস্ক.
  • [ ] আমি AI-তে "মেক ইট আপ, মার্ক দ্য মিসিং" নিয়মটি আরোপ করেছি এবং নিজেই শূন্যস্থান পূরণ করেছি।
  • [] আমি পৃথকভাবে তীব্রতা এবং অগ্রাধিকার মূল্যায়ন করেছি এবং চূড়ান্ত সিদ্ধান্ত নিয়েছি।