നേട്ടങ്ങൾ:
- ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസിൻ്റെ പിന്തുണയോടെ തുല്യതാ ക്ലാസുകൾ, അതിർത്തി മൂല്യ വിശകലനം, തീരുമാന പട്ടികകൾ തുടങ്ങിയ സാങ്കേതിക വിദ്യകൾ ഉപയോഗിച്ച് ഒരു ആവശ്യകതയും സ്വീകാര്യത മാനദണ്ഡവും സമഗ്രമായ ടെസ്റ്റ് കേസുകളാക്കി മാറ്റാനുള്ള കഴിവ്
- പോസിറ്റീവ്, നെഗറ്റീവ്, എഡ്ജ് കേസ് സാഹചര്യങ്ങൾ വെവ്വേറെ നിർമ്മിക്കാനുള്ള കഴിവ് കൂടാതെ ഉൽപ്പന്ന വിവരങ്ങളോടെ ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് നഷ്ടമായ എഡ്ജ് കേസുകൾ പൂർത്തിയാക്കുക
- ടെസ്റ്റ് കേസുകളെ സ്വീകാര്യത മാനദണ്ഡങ്ങളുമായി ബന്ധിപ്പിച്ച് കണ്ടെത്താനുള്ള കഴിവ് സ്ഥാപിക്കാനും കവറേജ് വിടവുകളും അനാവശ്യമായ വീക്കവും ഇല്ലാതാക്കാനുമുള്ള കഴിവ്
പരീക്ഷകൻ്റെ ജോലി പലപ്പോഴും ഈ ശൂന്യമായ സ്ലേറ്റിൽ നിന്നാണ് ആരംഭിക്കുന്നത്: അയാൾക്ക് ഒരു ആവശ്യകതയുണ്ട് ("ഉപയോക്താവിന് അവൻ്റെ പാസ്വേഡ് പുനഃസജ്ജമാക്കാൻ കഴിയണം") കൂടാതെ സോഫ്റ്റ്വെയർ യഥാർത്ഥത്തിൽ ശരിയായി പ്രവർത്തിക്കുന്നുവെന്ന് തെളിയിക്കുന്ന ഡസൻ കണക്കിന് കോൺക്രീറ്റ് പരിശോധനകളാക്കി ഈ ഒരൊറ്റ വാചകം മാറ്റേണ്ടതുണ്ട്. ഈ പരിവർത്തനത്തെ ടെസ്റ്റ് ഡിസൈൻ എന്ന് വിളിക്കുന്നു. ഒരു ടെസ്റ്റ് സാഹചര്യം തമ്മിലുള്ള വ്യത്യാസം അറിയുക - "അസാധുവായ പാസ്വേഡ് നിരസിക്കപ്പെടണം" പോലുള്ളവ എന്തെല്ലാം പരീക്ഷിക്കണമെന്ന് വിവരിക്കുന്ന ഒരു ഉയർന്ന തലത്തിലുള്ള ലക്ഷ്യം - കൂടാതെ ഒരു ടെസ്റ്റ് കേസ് - മൂർത്തമായ ഘട്ടങ്ങൾ, ഇൻപുട്ട്, പ്രതീക്ഷിക്കുന്ന ഫലം എന്നിവയുമായി ബന്ധപ്പെട്ട രംഗം വിശദീകരിക്കുന്ന എക്സിക്യൂട്ടബിൾ യൂണിറ്റ്. ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് (AI) ഈ ശൂന്യമായ പേജ് നിമിഷത്തെ ത്വരിതപ്പെടുത്തുന്നു: ഒരു ആവശ്യകതയെ സെക്കൻഡുകൾക്കുള്ളിൽ ഡസൻ കണക്കിന് ഡ്രാഫ്റ്റ് സാഹചര്യങ്ങളാക്കി മാറ്റുന്നു. എന്നാൽ ഓർക്കുക - നിങ്ങൾക്ക് ചിന്തിക്കാൻ കഴിയുന്ന സാഹചര്യങ്ങളെ AI ആവർത്തിക്കുന്നു; ഏത് സാഹചര്യങ്ങളാണ് ശരിക്കും പ്രധാനപ്പെട്ടതെന്ന് നിങ്ങളുടെ ഉൽപ്പന്ന അറിവ് ഉപയോഗിച്ച് നിങ്ങൾ തിരഞ്ഞെടുക്കുന്നു.
ഈ യൂണിറ്റിൽ, AI പിന്തുണയോടെ ഒരു ആവശ്യകതയെ സമഗ്രവും എന്നാൽ അലങ്കോലമില്ലാത്തതുമായ ഒരു ടെസ്റ്റ് സ്യൂട്ടാക്കി മാറ്റുന്നത് എങ്ങനെയെന്ന് നിങ്ങൾ ഘട്ടം ഘട്ടമായി പഠിക്കും.
ഘട്ടം ഘട്ടമായി: ആവശ്യകത മുതൽ ടെസ്റ്റ് സെറ്റ് വരെ
ഘട്ടം 1 - ആവശ്യകത വ്യക്തമാക്കുക. AI-ക്ക് അസംസ്കൃത ആവശ്യകത നൽകുന്നതിന് മുമ്പ് സ്വീകാര്യത മാനദണ്ഡങ്ങൾ ശേഖരിക്കുക (ഒരു ജോലി "പൂർത്തിയായി" എന്ന് കണക്കാക്കുന്നതിന് പാലിക്കേണ്ട വ്യവസ്ഥകൾ). "പാസ്വേഡ് പുനഃക്രമീകരിക്കാവുന്നതായിരിക്കണം" എന്നത് പോരാ; "റീസെറ്റ് ലിങ്ക് 30 മിനിറ്റിനുള്ളിൽ സാധുതയുള്ളതാണ്", "അതേ പാസ്വേഡ് വീണ്ടും ഉപയോഗിക്കാൻ കഴിയില്ല" തുടങ്ങിയ നിയമങ്ങളാണ് യഥാർത്ഥ പരിശോധനയുടെ ഉറവിടം.
ഘട്ടം 2 - ടെസ്റ്റിംഗ് ടെക്നിക്കുകൾ നടപ്പിലാക്കുക. AI-യെ കുറിച്ച് "സ്ക്രിപ്റ്റ് എഴുതൂ" എന്ന് മാത്രം പറയരുത്; പേര് പ്രകാരം ക്ലാസിക് ടെസ്റ്റ് ഡിസൈൻ ടെക്നിക്കുകൾ ആവശ്യപ്പെടുക:
- തുല്യതാ ക്ലാസുകൾ (ഇക്വിവലൻസ് പാർട്ടീഷനിംഗ്): ഇൻപുട്ടുകളെ ഒരേ സ്വഭാവം സൃഷ്ടിക്കുമെന്ന് പ്രതീക്ഷിക്കുന്ന ഗ്രൂപ്പുകളായി വിഭജിക്കുന്നു. ഉദാഹരണത്തിന്, പ്രായ ഫീൽഡിന്, "സാധുവായ ശ്രേണി", "വളരെ ചെറുത്", "വളരെ വലുത്" എന്നിവയാണ് ക്ലാസുകൾ; ഓരോ ക്ലാസിൽ നിന്നും ഒരു ഉദാഹരണം പരീക്ഷിച്ചാൽ മതി.
- ബൗണ്ടറി മൂല്യ വിശകലനം: അതിർത്തികളിൽ ഏറ്റവും കൂടുതൽ പിശകുകൾ സംഭവിക്കുന്നു എന്ന വസ്തുതയെ അടിസ്ഥാനമാക്കി ത്രെഷോൾഡ് മൂല്യങ്ങൾ പരിശോധിക്കുന്നു. 18 പ്രായപരിധിക്കായി 17, 18, 19 വെവ്വേറെ പരീക്ഷിക്കുന്നത് പോലെയാണ് ഇത്.
- തീരുമാന പട്ടിക: ഒന്നിലധികം വ്യവസ്ഥകളുടെ സംയോജനവും ഓരോ കോമ്പിനേഷൻ്റെയും പ്രതീക്ഷിക്കുന്ന ഫലവും പട്ടികപ്പെടുത്തുന്നു.
- സംസ്ഥാന സംക്രമണം: സംസ്ഥാനത്ത് നിന്ന് സംസ്ഥാനത്തേക്കുള്ള സിസ്റ്റത്തിൻ്റെ സംക്രമണങ്ങൾ പരിശോധിക്കുന്നു (ഉദാഹരണത്തിന്, ഓർഡർ: സൃഷ്ടിച്ചത് → പണമടച്ചത് → അയച്ചത്) കൂടാതെ അസാധുവായ സംക്രമണങ്ങളും.
ഘട്ടം 3 - പോസിറ്റീവ്, നെഗറ്റീവ്, എഡ്ജ് സ്റ്റേറ്റുകൾ വേർതിരിക്കുക. ഒരു പോസിറ്റീവ് ടെസ്റ്റ് (ശരിയായ ഇൻപുട്ടിനൊപ്പം പ്രതീക്ഷിക്കുന്ന ഫലം), ഒരു നെഗറ്റീവ് ടെസ്റ്റ് (അസാധുവായ ഇൻപുട്ടിനൊപ്പം ശരിയായ പിശക്), ഒരു എഡ്ജ് കേസ് - ബോർഡർലൈൻ അല്ലെങ്കിൽ അസാധാരണമായ കേസുകൾ എന്നിവ ആവശ്യപ്പെടുക. AI പൊതുവെ പോസിറ്റീവ് ഊന്നിപ്പറയുന്നു; നിങ്ങൾ വ്യക്തമായി അഭ്യർത്ഥിച്ചില്ലെങ്കിൽ നെഗറ്റീവ്, എഡ്ജ് കേസുകൾ അപൂർണ്ണമാണ്.
ഘട്ടം 4 - മുൻഗണന നൽകുകയും വെട്ടിമാറ്റുകയും ചെയ്യുക. AI-ക്ക് 60 സാഹചര്യങ്ങൾ സൃഷ്ടിക്കാൻ കഴിയും; അവയെല്ലാം തുല്യ മൂല്യമുള്ളവയല്ല. ഉയർന്ന അപകടസാധ്യതയുള്ളവർക്ക് മുൻഗണന നൽകുക (പണം, സുരക്ഷ, ഡാറ്റ നഷ്ടം) കൂടാതെ തനിപ്പകർപ്പായവ സംയോജിപ്പിക്കുക.
നുറുങ്ങ്: "ഈ ആവശ്യകതയിൽ നിന്ന് ചിന്തിക്കാൻ കഴിയാത്ത 5 എഡ്ജ് കേസുകൾ സൃഷ്ടിക്കുക" എന്ന് പറഞ്ഞ് AI-ക്ക് ഒരു പ്രത്യേക അഭ്യർത്ഥന അയയ്ക്കുക. AI യുടെ ഏറ്റവും മൂല്യവത്തായ സംഭാവന, നിങ്ങൾ അവഗണിച്ച അസാധാരണമായ സാഹചര്യങ്ങളെക്കുറിച്ച് അത് നിങ്ങളെ ഓർമ്മിപ്പിക്കുന്നു എന്നതാണ്.
ദുർബലമായ പ്രോംപ്റ്റ് / ശക്തമായ പ്രോംപ്റ്റ്
ദുർബലമായത്: "പാസ്വേഡ് പുനഃസജ്ജീകരണത്തിനായി ടെസ്റ്റ് കേസുകൾ എഴുതുക."
ശക്തമായത്: "ഇനിപ്പറയുന്ന സ്വീകാര്യത മാനദണ്ഡങ്ങളോടെ 'പാസ്വേഡ് പുനഃസജ്ജമാക്കൽ' ഫീച്ചറിനായി ടെസ്റ്റ് കേസുകൾ സൃഷ്ടിക്കുക: ലിങ്ക് 30 മിനിറ്റിനുള്ള സാധുത, ഒറ്റത്തവണ ഉപയോഗം, അവസാന 3 പാസ്വേഡുകൾ വീണ്ടും ഉപയോഗിക്കാൻ കഴിയില്ല, 5 തെറ്റായ ശ്രമങ്ങൾക്ക് ശേഷം അക്കൗണ്ട് 15 മിനിറ്റിനുള്ളിൽ ലോക്ക് ചെയ്തിരിക്കുന്നു. തുല്യതാ ക്ലാസുകളും ബൗണ്ടറി മൂല്യ വിശകലനവും പ്രയോഗിക്കുക. പോസിറ്റീവ്, നെഗറ്റീവ്, എഡ്ജ് കേസുകൾ എന്നിവ പ്രത്യേക തലക്കെട്ടുകളിൽ നൽകുക. ഫലമായി, ബന്ധപ്പെട്ട സ്വീകാര്യത മാനദണ്ഡങ്ങൾ ഹൈലൈറ്റ് സെക്യൂരിറ്റി / ലോക്കിംഗ് സാഹചര്യങ്ങൾ എടുക്കുന്നു."
ശക്തമായ പ്രോംപ്റ്റ്; ഇത് നിയമങ്ങളും സാങ്കേതികതകളും ഔട്ട്പുട്ട് ഫോർമാറ്റും മുൻഗണനാ ക്രമവും നൽകുന്നു. അതിനാൽ, AI എക്സിക്യൂട്ടബിൾ, ട്രെയ്സ് ചെയ്യാവുന്ന ടെസ്റ്റ് കേസുകൾ നിർമ്മിക്കുന്നു, അലങ്കാരങ്ങളല്ല.
ടെസ്റ്റ് കേസ് ഔട്ട്പുട്ട് ഫോർമാറ്റ്
നിങ്ങളുടെ ടീമിൻ്റെ ടെസ്റ്റ് മാനേജ്മെൻ്റ് ടൂളിലേക്ക് നേരിട്ട് ഇറക്കുമതി ചെയ്യാൻ കഴിയുന്ന ഒരു ഘടനാപരമായ ഫോർമാറ്റിനായി ആവശ്യപ്പെടുക (ഉദാ. TestRail, Zephyr, Xray). ഒരു നല്ല ടെസ്റ്റ് കേസിൻ്റെ ഘടകങ്ങൾ ഇനിപ്പറയുന്ന പട്ടിക കാണിക്കുന്നു:
പ്രദേശം
വിവരണം
ഉദാഹരണം
ഐഡി
അദ്വിതീയ ഐഡി
TC-PWD-014
തലക്കെട്ട്
ഹ്രസ്വമായ ഉദ്ദേശം
കാലഹരണപ്പെട്ട ലിങ്ക് നിരസിക്കപ്പെടും
മുൻവ്യവസ്ഥ
പരിശോധനയ്ക്ക് മുമ്പ് വ്യവസ്ഥ ആവശ്യമാണ്
റീസെറ്റ് ലിങ്ക് 31 മിനിറ്റ് മുമ്പ് ജനറേറ്റ് ചെയ്തു
പടികൾ
തുടർച്ചയായ പ്രവർത്തനങ്ങൾ
1. ലിങ്കിൽ ക്ലിക്ക് ചെയ്യുക 2. പുതിയ പാസ്വേഡ് നൽകുക
ടെസ്റ്റ് ഡാറ്റ
ഉപയോഗിച്ച കോൺക്രീറ്റ് മൂല്യങ്ങൾ
പഴയ ലിങ്ക്, പുതിയ പാസ്വേഡ് "Abc!2345"
പ്രതീക്ഷിച്ച ഫലം
സ്ഥിരീകരിക്കേണ്ട പെരുമാറ്റം
"ലിങ്ക് കാലഹരണപ്പെട്ടു" പിശക്, പാസ്വേഡ് മാറില്ല
സ്വീകാര്യത മാനദണ്ഡം
കണ്ടെത്താനുള്ള ലിങ്ക്
AK-3: ലിങ്ക് 30 മിനിറ്റ് സാധുതയുള്ളതാണ്
മുൻഗണന
റിസ്ക് ലെവൽ
ഉയർന്നത്
പകർത്താവുന്ന നാല് ടെംപ്ലേറ്റുകൾ
1) സാങ്കേതിക അധിഷ്ഠിത സാഹചര്യ നിർമ്മാണം:
നിങ്ങളുടെ റോൾ: സീനിയർ ടെസ്റ്റ് ഡിസൈനർ. ഫീച്ചറിനായി ടെസ്റ്റ് കേസുകൾ സൃഷ്ടിക്കുക: [സവിശേഷത, സ്വീകാര്യത മാനദണ്ഡം]. പ്രയോഗിക്കുക: തുല്യതാ ക്ലാസുകൾ, ബ്രേക്ക്പോയിൻ്റ് വിശകലനം, ഡിസിഷൻ ടേബിൾ. 3 ഗ്രൂപ്പുകളായി ഔട്ട്പുട്ട് നൽകുക: പോസിറ്റീവ് / നെഗറ്റീവ് / എഡ്ജ് കേസ്. ഓരോ കേസും: ഐഡി, മുൻകരുതൽ, ഘട്ടങ്ങൾ, ടെസ്റ്റ് ഡാറ്റ, പ്രതീക്ഷിക്കുന്ന ഫലം, അനുബന്ധ സ്വീകാര്യത മാനദണ്ഡം (High/IghL).
2) എഡ്ജ് കേസ് വേട്ടക്കാരൻ:
ഇനിപ്പറയുന്ന ഫീച്ചറിനായി സാധാരണയായി ശ്രദ്ധിക്കപ്പെടാത്ത 10 എഡ്ജ് കേസുകൾ പട്ടികപ്പെടുത്തുക: [ഫീച്ചർ]. ഓരോന്നിനും ഇത് അപകടകരമാകുന്നത് എന്തുകൊണ്ടാണെന്ന് ഒരു വാക്യത്തിൽ എഴുതുക. ശൂന്യമായ/ശൂന്യമായ, ഇൻപുട്ട് വളരെ ദൈർഘ്യമേറിയതാണ്, കൺകറൻസി, കാലഹരണപ്പെടൽ, ഫോർമാറ്റ് പിശകുകൾ, യൂണികോഡ്/ഇമോജി, നെഗറ്റീവ്/പൂജ്യം, നെറ്റ്വർക്ക് ഔട്ടേജ് തുടങ്ങിയ അക്ഷങ്ങളെക്കുറിച്ച് ചിന്തിക്കുക.
3) തീരുമാന പട്ടിക നിർമ്മാണം:
ഇനിപ്പറയുന്ന ബിസിനസ്സ് റൂളിനായി തീരുമാന പട്ടിക സൃഷ്ടിക്കുക: [നിയമങ്ങൾ]. നിരകൾ: വ്യവസ്ഥ കോമ്പിനേഷനുകൾ; വരികൾ: ഓരോ വ്യവസ്ഥയും പ്രതീക്ഷിക്കുന്ന പ്രവർത്തനവും. സാധ്യമാകാത്തതോ വൈരുദ്ധ്യമുള്ളതോ ആയ കോമ്പിനേഷനുകൾ ഫ്ലാഗ് ചെയ്യുക. തുടർന്ന് ഓരോ കോമ്പിനേഷനും ഒരു ടെസ്റ്റ് കേസ് നിർദ്ദേശിക്കുക.
4) ട്രെയ്സിബിലിറ്റി നിയന്ത്രണം:
ഇനിപ്പറയുന്ന സ്വീകാര്യത മാനദണ്ഡങ്ങളുടെ പട്ടികയും ഇനിപ്പറയുന്ന ടെസ്റ്റ് കേസുകളും നൽകിയിരിക്കുന്നു:[മാനദണ്ഡം] / [കേസുകൾ]. NO ടെസ്റ്റ് കേസുകൾ (കവറേജ് വിടവ്) ഏത് സ്വീകാര്യത മാനദണ്ഡങ്ങൾ പാലിക്കുന്നുവെന്നും ഏതെങ്കിലും മാനദണ്ഡം പാലിക്കാത്ത കേസുകൾ (അനവധി കേസ്) എന്നിവയും പട്ടിക രൂപത്തിൽ കാണിക്കുക.
മൂന്ന് മിനി കേസുകൾ
കേസ് 1 - എഡ്ജ് സ്റ്റേറ്റുകളുടെ മൂല്യം. ഒരു ഫിൻടെക് ടീമിലെ ഒരു വിദഗ്ധൻ മണി ട്രാൻസ്ഫർ ഫീച്ചറിനായി 18 സ്ക്രിപ്റ്റുകൾ എഴുതിയിരുന്നു. അദ്ദേഹം "എഡ്ജ് കേസ് ഹണ്ടർ" ടെംപ്ലേറ്റ് AI-യിൽ പ്രയോഗിച്ചു; "ഒരേ സമയം രണ്ട് ഉപകരണങ്ങളിൽ നിന്ന് ഒരേ ബാലൻസ് കൈമാറ്റം ചെയ്യുക" (കൺകറൻസി) എന്ന സാഹചര്യം AI ഓർമ്മിപ്പിച്ചു. ഈ സാഹചര്യം പരീക്ഷിച്ചപ്പോൾ, തത്സമയമാകുന്നതിന് മുമ്പ് ഇരട്ട ചെലവ് അപകടസാധ്യത കണ്ടെത്തി അടച്ചു. ഒരൊറ്റ ഫ്രിഞ്ച് സാഹചര്യം ആറ് അക്കങ്ങളുടെ നഷ്ടത്തെ തടഞ്ഞു.
കേസ് 2 - ബൾജ് ട്രിമ്മിംഗ്. ഒരു ടീം അംഗത്വ ഫോമിനായി AI ഒരു സ്ക്രിപ്റ്റ് നിർമ്മിക്കുകയും 74 കേസുകൾ വരികയും ചെയ്തു. ട്രെയ്സിബിലിറ്റി ടെംപ്ലേറ്റ് പ്രവർത്തിപ്പിക്കുമ്പോൾ, 74 കേസുകൾ 9 സ്വീകാര്യത മാനദണ്ഡങ്ങൾ മാത്രമേ പാലിക്കുന്നുള്ളൂവെന്ന് കണ്ടെത്തി, പലരും ഒരേ തുല്യതാ ക്ലാസ് വീണ്ടും പരീക്ഷിച്ചു. സെറ്റ് 74 ൽ നിന്ന് 23 പ്രധാന കേസുകളായി കുറച്ചു; റൺ ടൈം 68% കുറഞ്ഞു, കവറേജ് കുറഞ്ഞില്ല.
കേസ് 3 - തെറ്റായ അനുമാനം. ഒരു തീയതി ഫീൽഡിനായി "ഫെബ്രുവരി 31" പോലെയുള്ള അസാധുവായ തീയതികൾ പരിശോധിക്കാൻ AI നിർദ്ദേശിച്ചു, എന്നാൽ ടീം ഉപയോഗിക്കുന്ന കലണ്ടർ ഘടകം ഇത് ഇതിനകം തടഞ്ഞിട്ടുണ്ടെന്ന് അറിയില്ല. ഉൽപ്പന്നത്തിൻ്റെ പശ്ചാത്തലത്തിൽ AI നിർമ്മിച്ച 6 തീയതികളിൽ 4 എണ്ണം അനാവശ്യമാണെന്ന് വിദഗ്ദ്ധർ ഒഴിവാക്കി. AI സൃഷ്ടിച്ച സാധ്യതകൾ; ഒരു ഉൽപ്പന്ന വിവര തിരഞ്ഞെടുപ്പ് നടത്തി.
സാധാരണ തെറ്റുകൾ
- സ്വീകാര്യത മാനദണ്ഡം നൽകാതെ ഒരു സ്ക്രിപ്റ്റ് അഭ്യർത്ഥിക്കുന്നു. സത്യമെന്തെന്ന് അറിയാതെ, AI ഉപരിപ്ലവമായ സാഹചര്യങ്ങൾ സൃഷ്ടിക്കുന്നു, അത് പലപ്പോഴും യഥാർത്ഥ അപകടസാധ്യത നഷ്ടപ്പെടുത്തുന്നു.
- പോസിറ്റീവ് ടെസ്റ്റുകൾക്കായി സ്ഥിരീകരിക്കുന്നു. പ്രത്യക്ഷത്തിൽ നെഗറ്റീവ്, എഡ്ജ് കേസുകൾ ആഗ്രഹിക്കുന്നില്ല. ഇവിടെയാണ് പലപ്പോഴും തെറ്റുകൾ സംഭവിക്കുന്നത്.
- ഉൽപ്പാദിപ്പിക്കുന്നത് അതേപടി സ്വീകരിക്കുക. AI-ക്ക് ഉൽപ്പന്ന സന്ദർഭം അറിയില്ലെന്ന് മറക്കുകയും അനാവശ്യമോ അസാധ്യമോ ആയ സാഹചര്യങ്ങൾ സെറ്റിൽ അവശേഷിപ്പിക്കുകയും ചെയ്യുന്നു.
- കണ്ടെത്താനുള്ള കഴിവ് മറികടക്കുന്നു. സ്വീകാര്യത മാനദണ്ഡങ്ങളുമായി കേസുകൾ ബന്ധിപ്പിക്കുന്നില്ല; തൽഫലമായി, ഏത് മാനദണ്ഡമാണ് പരീക്ഷിക്കാത്തതെന്ന് കാണുന്നില്ല (കവറേജ് ഗ്യാപ്പ്).
- അളവ് തെറ്റ്. "60 സ്ക്രിപ്റ്റുകൾ പുറത്തിറങ്ങി" എന്നതിനാൽ സന്തോഷമുണ്ട്. മൂല്യം സംഖ്യയിലല്ല, അപകടസാധ്യത ഉൾക്കൊള്ളുന്ന വ്യാപ്തിയിലാണ്.
ചുരുക്കത്തിൽ
ടെസ്റ്റ് ഡിസൈൻ എന്നത് സോഫ്റ്റ്വെയറിൻ്റെ കൃത്യത തെളിയിക്കുന്ന കോൺക്രീറ്റും എക്സിക്യൂട്ടബിൾ കേസുകളിലേക്ക് ഒരു വാക്യ ആവശ്യകതയെ വിവർത്തനം ചെയ്യുന്നതാണ്. AI ഈ പരിവർത്തനത്തെ വളരെയധികം ത്വരിതപ്പെടുത്തുന്നു: നിങ്ങൾ അതിന് സ്വീകാര്യത മാനദണ്ഡങ്ങൾ, ക്ലാസിക്കൽ ടെസ്റ്റിംഗ് ടെക്നിക്കുകൾ (തുല്യ ക്ലാസുകൾ, ബ്രേക്ക്പോയിൻ്റ്, ഡിസിഷൻ ടേബിൾ, സ്റ്റേറ്റ് ട്രാൻസിഷൻ), വ്യക്തമായ ഔട്ട്പുട്ട് ഫോർമാറ്റ് എന്നിവ നൽകുമ്പോൾ അത് സമഗ്രമായ ബ്ലൂപ്രിൻ്റുകൾ നിർമ്മിക്കുന്നു. എന്നാൽ AI പോസിറ്റീവിനോട് പക്ഷപാതം കാണിക്കുന്നു, ഉൽപ്പന്ന സന്ദർഭം അറിയുന്നില്ല, കൂടാതെ അനാവശ്യമായ വീർക്കൽ ഉണ്ടാക്കുകയും ചെയ്യും. നെഗറ്റീവ്, എഡ്ജ് കേസുകൾ വ്യക്തമായി അഭ്യർത്ഥിക്കുക, കണ്ടെത്താനുള്ള കഴിവ് സ്ഥാപിക്കുക, അപകടസാധ്യതയ്ക്ക് മുൻഗണന നൽകുക, വെട്ടിമാറ്റുക എന്നിവയാണ് നിങ്ങളുടെ ജോലി.
ആപ്ലിക്കേഷൻ ടാസ്ക്
നിങ്ങളുടെ സ്വന്തം പ്രോജക്റ്റിൽ നിന്ന് ഒരു ഫീച്ചർ തിരഞ്ഞെടുത്ത് സ്വീകാര്യത മാനദണ്ഡം എഴുതുക. “ടെക്നിക് അധിഷ്ഠിത സാഹചര്യം ജനറേഷൻ” ടെംപ്ലേറ്റ് ഉപയോഗിച്ച് AI ടെസ്റ്റ് കേസുകൾ സൃഷ്ടിക്കുക. തുടർന്ന് "എഡ്ജ് കേസ് ഹണ്ടർ", "ട്രേസ്ബിലിറ്റി ചെക്ക്" എന്നീ ടെംപ്ലേറ്റുകൾ പ്രയോഗിക്കുക. തൽഫലമായി: (1) AI ഒഴിവാക്കുന്ന കുറഞ്ഞത് 3 എഡ്ജ് കേസുകളെങ്കിലും ചേർക്കുക, (2) ഏതെങ്കിലും സ്വീകാര്യത മാനദണ്ഡങ്ങളുമായി ബന്ധിപ്പിക്കാത്ത കേസുകൾ പ്രൂൺ ചെയ്യുക, (3) ഏതെങ്കിലും സ്വീകാര്യത മാനദണ്ഡങ്ങൾ പരീക്ഷിക്കാതെ അവശേഷിക്കുന്നുണ്ടെങ്കിൽ പുതിയ കേസുകൾ എഴുതുക. അവസാന സെറ്റ് ഒരു സ്പ്രെഡ്ഷീറ്റിലേക്ക് ഒഴിക്കുക.
ചെക്ക്ലിസ്റ്റ്
- [ ] ഒരു സ്ക്രിപ്റ്റ് അഭ്യർത്ഥിക്കുന്നതിന് മുമ്പ്, സ്വീകാര്യത മാനദണ്ഡം ഞാൻ വ്യക്തമാക്കി.
- [ ] ഞാൻ YZ-നോട് തുല്യതാ ക്ലാസുകൾക്കും പേരിൻ്റെ പരിധി മൂല്യ വിശകലനത്തിനും ആവശ്യപ്പെട്ടു.
- [ ] ഞാൻ പോസിറ്റീവ്, നെഗറ്റീവ്, എഡ്ജ് സ്റ്റേറ്റുകൾ വെവ്വേറെ സൃഷ്ടിച്ചു.
- [ ] ഞാൻ ഓരോ ടെസ്റ്റ് കേസും ഒരു സ്വീകാര്യത മാനദണ്ഡവുമായി ബന്ധപ്പെടുത്തി (ട്രേസബിലിറ്റി).
- [ ] ഞാൻ പട്ടിക ഉപയോഗിച്ച് സ്കോപ്പ് ഗ്യാപ്പും അനാവശ്യ കേസുകളും പരിശോധിച്ചു.
- [