Nyereség:
- Képes a szórt megfigyeléseket jelentéslé alakítani, amely világos címet, determinisztikus reprodukálási lépéseket, várt/tényleges eredményeket és bizonyítékokat tartalmaz a mesterséges intelligencia támogatásával
- Képes bevezetni a mesterséges intelligenciára vonatkozó szabályt, miszerint „csak az általam megadott információkat használd fel, ne pótolj” és garantálja a reprodukálhatóságot saját irányítása mellett.
- Képes különbséget tenni a súlyosság (technikai hatás) és a prioritás (üzleti sürgősség) között, és a végső címkét megadni az üzleti kontextussal
A tesztelő által talált hiba csak akkor értékes, ha kijavítják; A javítás nagymértékben függ a hibajelentés minőségétől – egy olyan rekordtól, amely úgy dokumentálja a hibát, hogy a fejlesztő megértse, reprodukálja és kijavítsa azt. A rosszul megírt hibajelentés („nem működik a bejelentkezés”) órákra leállítja a fejlesztőt, oda-vissza levelezéshez vezet, és gyakran bezárul, mert „nem reprodukálható”. A jó jelentés világos lépéseket, várt és tényleges eredményeket, kontextus-információkat és bizonyítékokat tartalmaz. A mesterséges intelligencia (AI) nagyon jó abban, hogy szétszórt megfigyeléseit professzionális, strukturált jelentéssé alakítsa. De a központi figyelmeztetés itt is érvényes: a mesterséges intelligencia nem tud olyan lépéseket tenni, amelyeket nem lát; „ésszerűnek tűnő”, de pontatlan találgatásokkal tudja pótolni a hiányzó információkat. Az Ön feladata, hogy megbizonyosodjon arról, hogy a jelentés minden sora azon alapul, amit ténylegesen megfigyelt.
Egy jó hibajelentés anatómiája
A hatékony jelentés a következő összetevőket tartalmazza:
- Cím: Rövid, konkrét, kereshető. Nem "Hiba van"; "Nem lehet rákattintani a "Pénztár" gombra, ha több mint 10 termék van a kosárban (Chrome)".
- A reprodukálás lépései: Számozott, a semmiből követhető, determinisztikus. A fejlesztőnek látnia kell a hibát az alábbi lépések végrehajtása után.
- Várható eredmény: Aminek történnie kellett volna az elfogadási kritériumok szerint.
- Tényleges eredmény: Mi történt (hibaüzenet, képernyő, viselkedés).
- Környezet: Böngésző/eszköz, verzió, környezet (teszt/élő), felhasználói szerepkör, adatok.
- Bizonyíték: Képernyőkép, videó, napló, hibanyom (veremnyom).
- Súlyosság és prioritás: Az alábbiakban részletezzük.
Tipp: Jelentés elküldése előtt kérdezze meg: "Ha valaki másnak megadom ezeket a lépéseket, láthatja a hibát az én segítségem nélkül?" kérdez. Ha a válasz "nem", akkor a jelentés hiányos. A mesterséges intelligencia gyönyörűvé teheti a jelentést, de csak Ön tudja garantálni a reprodukálhatóságot.
Erőszak és prioritás: két zavaros fogalom
A súlyosság a hiba technikai következménye: összeomlik a rendszer, elvesznek az adatok, vagy elírás? A prioritás az, hogy milyen sürgősen kell megjavítani; üzleti hatásról szól. A kettő nem mindig megy ugyanabba az irányba: a cégnév hibás elírása a honlapon csekély súlyosságú, de kiemelt fontosságú (hírnév). Ritka éles esetekben az összeomlás súlyos, de alacsony prioritású lehet. A mesterséges intelligencia segít megtenni ezt a különbséget a megfigyelés során; de a végső címkét Ön adja, aki ismeri az üzleti környezetet.
erőszak
példa
prioritás
példa
Kritikus (blokkoló)
A fizetés nem teljesíthető
Sürgős (P1)
Jövedelemkiesés élőben
Magas (szak)
A jelentés helytelen összeget ad meg
Magas (P2)
Kötelező a közelgő megjelenéshez
Közepes (kisebb)
Ritka éles eset hiba
Közepes (P3)
Egy tervezett sprintben
Alacsony (triviális)
A gombigazítás ki van kapcsolva
Alacsony (P4)
Amikor van rá lehetőség
Gyenge felszólítás / Erős felszólítás
Gyenge: "Hiba bejelentése: a fizetés nem működik."
Erős: "Fordítsa le az alábbi észrevételeimet szabványos hibajelentési formátumba: cím, reprodukálási lépések (számozva), várható eredmény, tényleges eredmény, környezet, súlyosság és prioritási javaslat (indokolt). Csak az általam megadott információkat használja; pótolja a hiányzó mezőket, jelölje be: "HIÁNYZOTT INFORMÁCIÓ: ...". Észrevételek: Chrome 120, tesztkörnyezet, 12 tétel, ha kinyomom, semmi"C" nem funkcióhiba a konzolban, 11 termékkel nincs probléma."
Erőteljes felszólítás; előírja a formátumot, az „illeszkedés” szabályát és a hiányzó információk megjelölését. Így a jelentés pontos és őszinte lesz.
Ismétlődő hibaészlelés
Nagy csapatokban újra és újra ugyanazt a hibát jelentik. A mesterséges intelligencia összehasonlíthatja az új jelentést a meglévő nyitott hibákkal, és megjelölheti a lehetséges ismétlődéseket – ez tisztán tartja a hibakövető rendszert (Jira, Azure DevOps, GitHub problémák). De vigyázat: két, a felszínen hasonlónak tűnő hibának eltérő okai lehetnek; Hasonlítsa össze mindkét jelentés ismételt előállítási lépéseit és környezetét, mielőtt bezárná az AI „duplikált” javaslatát. A véletlenül bezárt „duplikációból” valójában hiányzik egy külön hiba.
A hiba nyomozásától a kiváltó okig: Az AI képessége a naplók olvasására
A hibajelentés legtechnikaibb része gyakran a hibanyomozás (verem nyomkövetés – annak lebontása, hogy melyik kódsor, melyik híváslánc váltott ki hibát). A hosszú és összetett rönkök még a fejlesztőt is fáraszthatják. Az AI beolvassa a több száz sorból álló naplót, és másodpercek alatt összefoglalja a legkritikusabb sorokat, a lehetséges kiváltó ok hipotézisét és a kódpontot, ahol a hiba kiváltott. Ez egyrészt lerövidíti a jelentést, másrészt közvetlen kiindulópontot ad a fejlesztőnek.
Ne feledje azonban két korlátot. Először is, az MI által megadott kiváltó ok egy hipotézis, nem pedig bizonyíték; A fejlesztő ne próbálja meg kijavítani ezt ellenőrzés nélkül. Másodszor, a naplók gyakran tartalmaznak személyes adatokat (e-mail, felhasználói azonosító, munkamenet-token); Maszkolja ezeket a területeket, mielőtt a rönköt a járműre helyezi. A jó gyakorlat az, ha az AI először azt mondja, hogy „sorolja fel azokat a mezőket, amelyeket maszkolni kell ebben a naplóban”, majd elemzi a megtisztított naplót.
Tipp: Ahelyett, hogy a teljes naplót beillesztené a jelentésbe, adja meg a legkritikusabb 3-5 sort, amelyet az AI összefoglal, és egy hivatkozást a teljes naplóra. Így a jelentés olvasható marad, és a részletekre szoruló fejlesztő hozzáférhet a teljes naplóhoz.
Négy másolható sablon
1) A megfigyeléstől a jelentésig:
Az Ön szerepe: vezető minőségbiztosítás. Fordítsa le a következő nyers megfigyeléseket szabványos hibajelentésbe: Cím / Reprodukciós lépések (számozott) / Várható / Aktuális / Környezet / Bizonyítéki megjegyzés / Súlyosság + Prioritás (indokolt). SZABÁLY: csak az általam megadott információkat használja fel; jelölje meg a hiányzó mezőt "HIÁNYZÓ INFORMÁCIÓ:..."ként. Észrevételek: [nyers megjegyzések]
2) Reprodukálhatóság ellenőrzése:
Olvassa el ezt a hibajelentést egy olyan fejlesztő szemszögéből, aki soha nem látta a hibát. Kövesse a lépéseket, és jelölje meg azokat a helyeket, ahol nem okoz hibát: kétértelmű lépés, hiányzó előfeltétel, hiányzó tesztadatok, kihagyott állapot. Mondja el, milyen információkat kell hozzáadnom az egyes hiányosságokhoz. Jelentés: [jelentés beillesztése]
3) Súlyosság/elsőbbségi tanácsadó:
Leírom a következő hibát: [hiba + üzleti környezet]. Külön adjon javaslatokat és indoklást a súlyosságra (technikai hatás) és a prioritásra (üzleti sürgősség) vonatkozóan. Magyarázza meg, miért különbözhet a kettő. A végső döntést én hozom meg.
4) Napló/hiba nyomkövetési összefoglaló:
Vizsgálja meg az alábbi hibakövetést/naplót. Adjon összefoglalót (1) a kiváltó ok hipotéziséről, (2) a valószínű kódpontról, ahol a hiba előfordult, (3) a 3 legkritikusabb sort, amelyet hozzá kell adni a jelentéshez. Maszk, ha vannak személyes adatok. Napló: [napló beillesztése]
három mini tok
1. eset – Felszabadulás a „nem tudtam termelni” alól. Az egyik csapatnál a hibák 30%-át bezárták, mivel „nem reprodukálható”. A „reproducibilitási ellenőrzés” sablon hozzáadásra került a jelentési folyamathoz; Minden jelentés elküldése előtt az AI megjelölte a hiányzó lépéseket és előfeltételeket. Három hónappal később a „nem tudtak termelni” arány 30%-ról 8%-ra csökkent. A különbség az volt, hogy a lépések kezdettől fogva pontosak voltak.
2. eset – A hamis lépések veszélye. Egy tesztelő az MI-vel jelentést írt a hiányos megfigyelésekről; Az AI hozzáadott egy lépést, amely soha nem történt meg, például "a felhasználó bekapcsolja az értesítéseket a beállítások oldalon". Amikor a fejlesztő követte ezt a lépést, nem találta a hibát, és időt veszített. A csapat betartotta a „csak az általam megadott információkat használd fel, ne találd ki” szabályt; A kitalált lépések megszűnnek.
3. eset – Súlyosság/prioritás szerinti megkülönböztetés. Elírási hiba volt a főoldalon a cég szlogenjében. A tesztelő ezt "alacsony"-nak adja ki; Az AI-tanácsadó emlékeztetett arra, hogy a technikai erőszak alacsony, de az üzleti prioritás magas (az a hírnév elem, amelyet minden látogató megkap). A hibát még aznap javították a "magas prioritású" címkével.
Gyakori hibák
- Homályos cím. Kereshetetlen, megkülönböztetéstől mentes címsorok, például „Nem működik”.
- Hiányzó/kihagyott lépések. Nem írod le azt, ami a te összefüggésedben nyilvánvaló; a fejlesztő elmulasztása a gyártásban.
- Hagyja, hogy az AI kitalálja. a hiányzó információkat "ésszerű becsléssel" kell kitölteni; rossz lépések.
- Nem a várt eredményt írják. Kimondani, hogy "rossz", de nem határozza meg, hogy mi a helyes.
- Az erőszak és a prioritás összekeverése. A kettőt egy címkének tévesztve; Az üzleti hatás téves megítélése.
- Érzékeny adatok bizonyítékokban. Valódi személyes adatok megosztása képernyőképekben/naplókban, azok elfedése nélkül.
Összefoglalva
A hibajelentés értéke az, hogy a fejlesztő az Ön segítsége nélkül reprodukálhatja és kijavíthatja a hibát. A mesterséges intelligencia nagyon jó abban, hogy a szórt megfigyeléseket professzionális, strukturált jelentéssé alakítsa; Rendszerezi a címet, a lépéseket, a várt/tényleges eredményt, a környezetet és a bizonyítékokat, valamint tanácsot ad a súlyosság és a prioritás megkülönböztetésével kapcsolatban. De a mesterséges intelligencia pótolni tudja a hiányzó információkat; Tartsa be a "csak az általam megadott információkat használja, jelölje meg a hiányzót" szabályt, és garantálja a reprodukálhatóságot. A személyes adatokat eltakarja bizonyítékként.
Pályázati feladat
Vegye ki a nemrégiben talált hibát, és a „megfigyelés a jelentésig” mintával (az „illesztés” szabállyal) alakítsa át a nyers megfigyeléseket jelentésté. Ezután végezze el a „reproducibilitási ellenőrzést”, és töltse ki a megjelölt hiányosságokat. Adja át a jelentést egy kollégájának, és nézze meg, hogy ő tudja-e előállítani a hibát az Ön segítsége nélkül. Végül határozza meg a címkéket az "erőszak/elsőbbségi tanácsadó" segítségével, és saját belátása szerint véglegesítse. Vegye figyelembe az összes információt, amelyet a mesterséges intelligencia megpróbál pótolni a folyamat során.
ellenőrző lista
- [ ] A címem konkrét és kereshető.
- [ ] A reprodukálási lépések a semmiből indulnak, determinisztikusak és teljesek.
- [ ] A várt és a tényleges eredményeket külön írtam.
- [ ] A beállításra és a bizonyítékokra vonatkozó információk teljesek; Elfedtem a személyes adatokat.
- [ ] A "make it up, mark the hiány" szabályt rákényszerítettem az AI-ra, és magam pótoltam a hiányosságokat.
- [ ] A súlyosságot és a prioritást külön értékeltem és meghoztam a végső döntést.