യൂണിറ്റുകൾ
1. സോഫ്‌റ്റ്‌വെയർ ടെസ്റ്റിംഗിലും ക്യുഎയിലും ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസിൻ്റെ ആമുഖം: റോളുകൾ, അതിരുകൾ, വ്യാജ അപകടസാധ്യത, മൂല്യനിർണ്ണയം 2. ടെസ്റ്റ് സാഹചര്യവും ടെസ്റ്റ് കേസ് ജനറേഷനും: ആവശ്യകത മുതൽ സമഗ്രമായ നിയന്ത്രണം വരെ 3. പര്യവേക്ഷണ പരിശോധനയും ടെസ്റ്റ് ഐഡിയ ജനറേഷനും: AI ഉപയോഗിച്ച് ക്രിയേറ്റീവ് ബഗ് ഹണ്ടിംഗ് 4. UI ടെസ്റ്റ് ഓട്ടോമേഷൻ: AI ഉപയോഗിച്ച് സെലിനിയം, പ്ലേറൈറ്റ്, സൈപ്രസ് കോഡ് എന്നിവ സൃഷ്ടിക്കുന്നു 5. API ടെസ്റ്റ് ഓട്ടോമേഷൻ: AI-യുമായുള്ള കരാർ, സ്കീമ, എൻഡ്-ടു-എൻഡ് മൂല്യനിർണ്ണയം 6. യൂണിറ്റ് ടെസ്റ്റ് ജനറേഷനും ടെസ്റ്റബിലിറ്റിയും: AI ഉപയോഗിച്ചുള്ള ശക്തമായ പരിശോധന 7. പിശക് റിപ്പോർട്ട് റൈറ്റിംഗും മുൻഗണനയും: AI ഉപയോഗിച്ച് വ്യക്തവും പുനർനിർമ്മിക്കാവുന്നതുമായ റെക്കോർഡുകൾ 8. ടെസ്റ്റ് കവറേജ് അനാലിസിസും റിസ്ക്-ബേസ്ഡ് ടെസ്റ്റിംഗും: AI ഉപയോഗിച്ച് ശരിയായ ലക്ഷ്യം 9. റിഗ്രഷൻ ടെസ്റ്റിംഗ്, ടെസ്റ്റ് മെയിൻ്റനൻസ്, ഫ്രാഗിൾ ടെസ്റ്റുകളെ ചെറുക്കുക 10. ഫാൾസ്-ട്രസ്റ്റ് റിസ്ക്, ടെസ്റ്റ് ക്വാളിറ്റി, മ്യൂട്ടേഷൻ ടെസ്റ്റിംഗ്: ടെസ്റ്റിംഗ് ടെസ്റ്റുകൾ 11. എൻഡ്-ടു-എൻഡ് വർക്ക്ഫ്ലോ, സിഐ/സിഡി ഇൻ്റഗ്രേഷൻ, എത്തിക്‌സ് ആൻഡ് സെക്യൂരിറ്റി: എഐയെ ഉത്തരവാദിത്തത്തോടെ ഉപയോഗിക്കുന്നു
യൂണിറ്റ് 3 / 11

പര്യവേക്ഷണ പരിശോധനയും ടെസ്റ്റ് ഐഡിയ ജനറേഷനും: AI ഉപയോഗിച്ച് ക്രിയേറ്റീവ് ബഗ് ഹണ്ടിംഗ്

നേട്ടങ്ങൾ:

  • പര്യവേക്ഷണ പരിശോധനയുടെ മനുഷ്യൻ്റെ ജിജ്ഞാസ അടിസ്ഥാനമാക്കിയുള്ള സ്വഭാവം മനസിലാക്കാനും ടെസ്റ്റ് ചാർട്ടറുകളും അവബോധജന്യമായ സൂചനകളും സൃഷ്ടിക്കുന്നതിന് പങ്കാളിയായി ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് ഉപയോഗിക്കാനുമുള്ള കഴിവ്
  • ഇൻപുട്ട്, ടൈമിംഗ്, ഫോർമാറ്റ്, ആധികാരികത, തടസ്സം എന്നിവ പോലെയുള്ള കണ്ടെത്തൽ അക്ഷങ്ങൾ വൈവിധ്യവത്കരിക്കാനും വീണ്ടും ഉൽപ്പാദന ഘട്ടത്തിൽ ഓരോ അപാകത രേഖപ്പെടുത്താനുമുള്ള കഴിവ്
  • കണ്ടെത്തൽ സെഷൻ തന്നെ മനുഷ്യർ തന്നെ നടത്തുമ്പോൾ തയ്യാറെടുപ്പിലും പൊതിയുന്നതിലും മാത്രം AI ഉപയോഗിക്കുന്നതിനുള്ള പരിധി പ്രയോഗിക്കാനുള്ള കഴിവ്

എഴുതിയ ഓരോ ടെസ്റ്റ് കേസും ഇതിനകം ചിന്തിച്ചിട്ടുള്ള എന്തെങ്കിലും പരിശോധിക്കുന്നു. എന്നാൽ ഏറ്റവും അപകടകരമായ തെറ്റുകൾ പലപ്പോഴും ആരും മുമ്പ് ചിന്തിച്ചിട്ടില്ലാത്ത സ്ഥലങ്ങളിൽ മറയ്ക്കുന്നു. എക്‌സ്‌പ്ലോറേറ്ററി ടെസ്‌റ്റിംഗ് - മുൻകൂട്ടി എഴുതിയ സ്‌ക്രിപ്‌റ്റിനെ ആശ്രയിക്കാതെ, പര്യവേക്ഷണം ചെയ്തുകൊണ്ട് ടെസ്റ്റർ ഒരേസമയം ഉൽപ്പന്നം പഠിക്കുകയും രൂപകൽപ്പന ചെയ്യുകയും പ്രവർത്തിപ്പിക്കുകയും ചെയ്യുന്ന ഒരു പരീക്ഷണ സമീപനം - കൃത്യമായി ഈ വിടവ് ലക്ഷ്യമിടുന്നു. പര്യവേക്ഷണ പരിശോധനയിൽ, വിദഗ്ദ്ധൻ ഉൽപ്പന്നവുമായി സ്വതന്ത്രമായി കളിക്കുന്നു, "ഞാൻ ഇത് ചെയ്താൽ എന്തുചെയ്യും" എന്ന് ചോദിക്കുകയും സിസ്റ്റത്തിൻ്റെ അപ്രതീക്ഷിത സ്വഭാവം പിടിക്കുകയും ചെയ്യുന്നു. മനുഷ്യൻ്റെ അവബോധത്തെയും ജിജ്ഞാസയെയും ഏറ്റവും കൂടുതൽ ആശ്രയിക്കുന്ന തരത്തിലുള്ള പരിശോധനയാണിത് - അതുകൊണ്ടാണ് ഇവിടെ ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസിൻ്റെ (AI) പങ്ക് "പകരം" ചെയ്യുകയല്ല, മറിച്ച് ജിജ്ഞാസ വർദ്ധിപ്പിക്കുക, അന്ധമായ പാടുകൾ ഉണർത്തുക, ആശയങ്ങൾ സൃഷ്ടിക്കുക എന്നിവയാണ്.

ഈ യൂണിറ്റിൽ, ഒരു പര്യവേക്ഷണ പരീക്ഷണ പങ്കാളിയായി AI എങ്ങനെ ഉപയോഗിക്കാമെന്ന് നിങ്ങൾ പഠിക്കും: ടെസ്റ്റ് ചാർട്ടറുകൾ അച്ചടിക്കുക, ഹ്യൂറിസ്റ്റിക്സ് ഉണർത്തുക, പോസ്റ്റ്-സെഷൻ കുറിപ്പുകൾ സംഗ്രഹിക്കുന്നത് വരെ.

എന്തുകൊണ്ടാണ് പര്യവേക്ഷണ പരിശോധന ഇപ്പോഴും മനുഷ്യ സൃഷ്ടിയായിരിക്കുന്നത്?

സ്ക്രിപ്റ്റഡ് ടെസ്റ്റിംഗ് - മുൻകൂട്ടി എഴുതിയതും ആവർത്തിച്ചുള്ള പദങ്ങളുള്ളതുമായ ഒരു ടെസ്റ്റ് - അറിയപ്പെടുന്നത് സ്ഥിരീകരിക്കുന്നു; അജ്ഞാതമായവയ്ക്കായി പര്യവേക്ഷണ പരിശോധന തിരയുന്നു. പര്യവേക്ഷണ പരിശോധനയിലെ മൂല്യം വരുന്നത് ടെസ്റ്റർ ഉൽപ്പന്നം കാണുകയും "ഇവിടെ വിചിത്രമായ എന്തോ ഒന്ന് ഉണ്ട്" എന്ന് മനസ്സിലാക്കുകയും ചെയ്യുന്ന നിമിഷത്തിൽ നിന്നാണ്. AI-ന് നിങ്ങൾ കാണുന്ന രീതിയിൽ ഉൽപ്പന്നം കാണാൻ കഴിയില്ല, യഥാർത്ഥ ഉപയോക്താവിനെ വിഷമിപ്പിക്കുന്നത് എന്താണെന്ന് അതിന് മനസ്സിലാക്കാൻ കഴിയില്ല, "ഈ ബട്ടൺ തെറ്റായ സ്ഥലത്താണ്" എന്ന് പറഞ്ഞ് അതിനെ ശല്യപ്പെടുത്താൻ കഴിയില്ല. എന്നാൽ AI മൂന്ന് തരത്തിൽ വളരെ ശക്തമായ ഒരു സഹായമാണ്: (1) ടെസ്റ്റ് ആശയങ്ങളുടെ ചിട്ടയായ ലിസ്റ്റുകൾ നിർമ്മിക്കുക, (2) നിങ്ങൾ മറന്നു പോയ ടെസ്റ്റ് അക്ഷങ്ങളെ ഓർമ്മിപ്പിക്കുക, (3) നിങ്ങളുടെ ചിതറിക്കിടക്കുന്ന കണ്ടെത്തൽ കുറിപ്പുകൾ ഒരു സംഘടിത റിപ്പോർട്ടാക്കി മാറ്റുക.

നുറുങ്ങ്: കണ്ടെത്തൽ സെഷൻ ആരംഭിക്കുന്നതിന് മുമ്പ് AI-യോട് “ടെസ്റ്റ് ഐഡിയ വാം-അപ്പ്” ആവശ്യപ്പെടുക; സെഷൻ സമയത്ത് സ്‌ക്രീൻ AI-യിലേക്ക് വിടരുത്. സെഷനു മുമ്പും ശേഷവും AI സഹായകരമാണ്; സെഷൻ തന്നെ നയിക്കുന്നത് നിങ്ങളുടെ ജിജ്ഞാസയാണ്.

ഹ്യൂറിസ്റ്റിക്സും AI

പര്യവേക്ഷണ പരീക്ഷകർ ഹ്യൂറിസ്റ്റിക്സ് ഉപയോഗിക്കുന്നു, അവ ബഗ് വേട്ടയിൽ ദിശാബോധം നൽകുന്ന ഹ്രസ്വ ഓർമ്മപ്പെടുത്തലുകളാണ്. ഇവയെ നിങ്ങളുടെ സന്ദർഭവുമായി പൊരുത്തപ്പെടുത്തിക്കൊണ്ട് AI-ക്ക് നിങ്ങളെ ഓർമ്മിപ്പിക്കാൻ കഴിയും. കുറച്ച് ക്ലാസിക്കുകൾ:

  • CRUD: ഓരോ ഡാറ്റയ്ക്കും വേണ്ടി സൃഷ്‌ടിക്കുക, വായിക്കുക, അപ്‌ഡേറ്റ് ചെയ്യുക, ഇല്ലാതാക്കുക എന്നിവ പരീക്ഷിക്കുക; ആരെയെങ്കിലും തടസ്സപ്പെടുത്തുക.
  • ഗോൾഡിലോക്ക്സ് (കുറച്ച്/പൂർണ്ണമായ/ധാരാളം): ഒരു ഫീൽഡിൽ (0 പ്രതീകങ്ങൾ, 1 പ്രതീകം, 10,000 പ്രതീകങ്ങൾ) വളരെ കുറച്ച്, പൂർണ്ണവും ധാരാളം ഡാറ്റയും നൽകുക.
  • CRUD + ഷെഡ്യൂളിംഗ്: ഒരേ റെക്കോർഡ് ഒരേസമയം രണ്ട് ടാബുകളിൽ എഡിറ്റ് ചെയ്യുക, തുടർന്ന് രണ്ടും സംരക്ഷിക്കുക.
  • തടസ്സം: പേജ് മിഡ് ആക്ഷൻ പുതുക്കുക, നെറ്റ്‌വർക്ക് വിച്ഛേദിക്കുക, ബാക്ക്‌സ്‌പെയ്‌സ് അമർത്തുക.
  • വിപരീത ക്രമം: ഘട്ടങ്ങൾ വിപരീത ക്രമത്തിൽ ചെയ്യുക (ആദ്യം പണമടയ്ക്കുക, തുടർന്ന് കാർട്ടിലേക്ക് ചേർക്കുക).

"ആ സ്‌ക്രീനിനായി ഈ അവബോധജന്യമായ സൂചനകൾ പ്രയോഗിച്ച് കോൺക്രീറ്റ് ട്രയലുകൾ നിർദ്ദേശിക്കാൻ" നിങ്ങൾ AI-യോട് പറയുമ്പോൾ, നിങ്ങൾക്ക് ഒരു ഫീൽഡ്-റെഡി ചെക്ക്‌ലിസ്റ്റ് ലഭിക്കും.

ഒരു ടെസ്റ്റ് വ്യവസ്ഥ എഴുതുന്നു (ചാർട്ടർ)

പര്യവേക്ഷണ പരിശോധന അലഞ്ഞുതിരിയലല്ല; ഇത് ടെസ്റ്റ് ചാർട്ടറിൽ ശ്രദ്ധ കേന്ദ്രീകരിച്ചിരിക്കുന്നു (ഒരു പര്യവേക്ഷണ സെഷൻ എന്തെല്ലാം പര്യവേക്ഷണം ചെയ്യുമെന്നും ഏത് ആവശ്യത്തിനാണെന്നും നിർവചിക്കുന്ന ഒരു ഹ്രസ്വ നിർദ്ദേശം). ഒരു നല്ല ചാർട്ടർ ഈ പാറ്റേൺ പിന്തുടരുന്നു: "[ടൂളുകൾ/ഡാറ്റ] ഉപയോഗിച്ച് [ടാർഗെറ്റ് ഡൊമെയ്ൻ] പര്യവേക്ഷണം ചെയ്യുക, [എന്ത് വിവരങ്ങൾ/റിസ്ക്] കണ്ടെത്തുക." AI ഈ നിബന്ധനകൾ വേഗത്തിൽ തയ്യാറാക്കുന്നു.

പര്യവേക്ഷണ പരിശോധനയ്‌ക്കൊപ്പം സ്‌ക്രിപ്‌റ്റഡ് ടെസ്റ്റിംഗ് ബാലൻസ് ചെയ്യുന്നു

ഒരു ശബ്‌ദ പരിശോധന തന്ത്രം സ്‌ക്രിപ്‌റ്റഡ് (ഓട്ടോമേറ്റഡ്, റിപ്പീറ്റബിൾ) ടെസ്റ്റിംഗിൻ്റെയും പര്യവേക്ഷണ പരിശോധനയുടെയും സംയോജനമാണ് ഉപയോഗിക്കുന്നത്. അറിയപ്പെടുന്ന സ്വഭാവരീതികൾ തകർന്നിട്ടില്ലെന്ന് സ്ക്രിപ്റ്റ് ചെയ്ത ടെസ്റ്റുകൾ വിലകുറഞ്ഞ രീതിയിൽ സ്ഥിരീകരിക്കുന്നു, പതിപ്പിന് ശേഷമുള്ള പതിപ്പ്; മറുവശത്ത്, പര്യവേക്ഷണ പരിശോധന ഈ സ്ക്രിപ്റ്റുകൾ ഒരിക്കലും പരിഗണിക്കാത്ത പുതിയ അപകടസാധ്യതകൾക്കായി തിരയുന്നു. ഇരുവരും മത്സരാർത്ഥികളല്ല, പൂരകങ്ങളാണ്. ഒരു പൊതു തെറ്റ് "നമുക്ക് എല്ലാം ഓട്ടോമേറ്റ് ചെയ്യാം, അതിനാൽ കണ്ടെത്തലിൻ്റെ ആവശ്യമില്ല"; നിങ്ങൾക്ക് ഇതിനകം അറിയാവുന്ന കാര്യങ്ങൾ മാത്രമാണ് ഓട്ടോമേഷൻ പരിശോധിക്കുന്നത്, നിങ്ങൾക്ക് അറിയാത്തത് ഒരിക്കലും കണ്ടെത്താനാവില്ല. മറ്റൊരു തെറ്റ് വിപരീതമാണ്: ഓട്ടോമേഷൻ സജ്ജീകരിക്കാതെ ഓരോ റിലീസിലും മാനുവൽ കണ്ടെത്തലിനെ ആശ്രയിക്കുന്നത് - ഇത് ഒരേ അടിസ്ഥാന ബഗുകൾ വീണ്ടും വീണ്ടും ഇഴയുന്നതിലേക്ക് നയിക്കുന്നു.

ഈ ബാലൻസ് സ്ഥാപിക്കാൻ AI സഹായിക്കുന്നു: നിങ്ങളുടെ കണ്ടെത്തൽ സെഷനിൽ നിങ്ങൾ കണ്ടെത്തുന്ന ഒരു അപാകത AI-ക്ക് നൽകിക്കൊണ്ട് സ്ഥിരമായ സ്‌ക്രിപ്റ്റഡ് റിഗ്രഷൻ ടെസ്റ്റാക്കി മാറ്റാനാകും. അതിനാൽ, കണ്ടെത്തലിൽ ഒരിക്കൽ കണ്ടെത്തിയ പിശക് ഒരിക്കലും കണ്ടെത്താതെ മടങ്ങിവരില്ല. ഡിസ്കവറി "പുതിയ അപകടസാധ്യത കണ്ടെത്തുക", ഓട്ടോമേഷൻ "കണ്ടെത്തിയത് ഉപേക്ഷിക്കരുത്" എന്നിവ ശ്രദ്ധിക്കുന്നു; ഇവ രണ്ടും തമ്മിലുള്ള പാലം AI ത്വരിതപ്പെടുത്തുന്നു.

നുറുങ്ങ്: ഓരോ കണ്ടെത്തൽ സെഷൻ്റെയും ഔട്ട്‌പുട്ടിനെ രണ്ട് ബക്കറ്റുകളായി വേർതിരിക്കുക: “ഉടൻ പരിഹരിക്കാനുള്ള ബഗുകൾ”, “ശാശ്വതമായ ഓട്ടോമേഷനായി മാറാനുള്ള സാഹചര്യങ്ങൾ.” രണ്ടാമത്തെ ബക്കറ്റ് നിങ്ങളുടെ റിഗ്രഷൻ പാക്കേജിലേക്ക് കണ്ടെത്തലിൻ്റെ ദീർഘകാല മൂല്യം വഹിക്കുന്നു.

ദുർബലമായ പ്രോംപ്റ്റ് / ശക്തമായ പ്രോംപ്റ്റ്

ദുർബലമായത്: "ഈ സ്ക്രീനിൽ ഞാൻ എന്താണ് പരീക്ഷിക്കേണ്ടത്?"
ശക്തമായത്: "ഒരു 'പ്രൊഫൈൽ ഫോട്ടോ അപ്‌ലോഡ്' സവിശേഷതയ്ക്കായി, 90-മിനിറ്റ് എക്‌സ്‌പ്ലോറേറ്ററി ടെസ്റ്റിംഗ് സെഷനെ 3 ടെസ്റ്റ് അവസ്ഥകളായി വിഭജിക്കുക. ഓരോ വ്യവസ്ഥയ്ക്കും: ടാർഗെറ്റ്, അവബോധജന്യമായ സൂചനകൾ നൽകുക (ഫയൽ വലുപ്പം/ഫോർമാറ്റ്/ഗോൾഡിലോക്ക്സ്/ട്രങ്കേഷൻ), ശ്രമിക്കാനുള്ള 5 മൂർത്തമായ പ്രവർത്തനങ്ങൾ, കൂടാതെ ഇമേജ് അപകടസാധ്യത കുറയ്‌ക്കുന്നതിനുള്ള സിഗ്നലുകൾ, അഡ്രസ് മന്ദഗതിയിലാവുക. ക്ഷുദ്രകരമായ ഫയൽ അപ്‌ലോഡുകൾ (വളരെ വലിയ ഫയൽ, തെറ്റായ വിപുലീകരണം) പ്രതിരോധാത്മകമായി."

ശക്തമായ പ്രോംപ്റ്റ്; ദൈർഘ്യം, ഘടന, സൂചനകൾ, റിസ്ക് ഫോക്കസ് എന്നിവ നൽകുന്നു. സെഷനിലുടനീളം നിങ്ങൾ കൈയ്യിൽ സൂക്ഷിക്കുന്ന ഒരു റോഡ് മാപ്പാണ് ഫലം.

പര്യവേക്ഷണ അക്ഷങ്ങളുടെ പട്ടിക

അച്ചുതണ്ട്

ചോദിക്കാനുള്ള ചോദ്യം

മാതൃകാ ഉപന്യാസം

ഇൻപുട്ട് പരിധികൾ

അങ്ങേയറ്റത്തെ മൂല്യങ്ങളിൽ ഫീൽഡ് എന്താണ് ചെയ്യുന്നത്?

10,000 പ്രതീകങ്ങളുടെ പേര്

സമയം

കൺകറൻ്റ്/ഇൻ്ററപ്റ്റഡ് പ്രോസസ്സിംഗിൽ എന്ത് സംഭവിക്കും?

ഒരേ റെക്കോർഡ് രണ്ട് ടാബുകളിൽ സംരക്ഷിക്കുക

ഫോർമാറ്റ്

അപ്രതീക്ഷിത ഫോർമാറ്റ് എങ്ങനെ കൈകാര്യം ചെയ്യാം?

ഇമോജി, വലത്തുനിന്നും ഇടത്തേക്കുള്ള വാചകം, HTML

അധികാരം

അംഗീകൃതമല്ലാത്ത ഉപയോക്തൃ പ്രവേശനം സാധ്യമാണോ?

URL സ്വമേധയാ മാറ്റുക

നില

ഒരു അസാധുവായ സംസ്ഥാന പരിവർത്തനം സാധ്യമാണോ?

റദ്ദാക്കിയ ഓർഡറിന് പണം നൽകാൻ ശ്രമിക്കുക

കിഴിവ്

നെറ്റ്‌വർക്ക്/സെഷൻ തടസ്സപ്പെടുമ്പോൾ ഡാറ്റ സ്ഥിരതയുള്ളതാണോ?

റെക്കോർഡിംഗ് സമയത്ത് നെറ്റ്‌വർക്ക് മുറിക്കുക

പകർത്താവുന്ന നാല് ടെംപ്ലേറ്റുകൾ

1) ടെസ്റ്റ് കണ്ടീഷൻ ജനറേറ്റർ:

നിങ്ങളുടെ റോൾ: സീനിയർ എക്സ്പ്ലോറേറ്ററി ടെസ്റ്റർ. ഫീച്ചറിനായി [ദൈർഘ്യം] മിനിറ്റ് പര്യവേക്ഷണ സെഷൻ 3-4 ടെസ്റ്റിംഗ് അവസ്ഥകളായി വിഭജിക്കുക:[ഫീച്ചർ]. ഓരോ വ്യവസ്ഥയും: ലക്ഷ്യം, ഉപയോഗിക്കാനുള്ള അവബോധജന്യമായ സൂചനകൾ, ശ്രമിക്കാനുള്ള 5 മൂർത്തമായ പ്രവർത്തനങ്ങൾ, കാണാനുള്ള റിസ്ക് സിഗ്നലുകൾ. വ്യവസ്ഥ പാറ്റേൺ: "[ടൂൾ/ഡാറ്റ] ഉപയോഗിച്ച് [ഡൊമെയ്ൻ] പര്യവേക്ഷണം ചെയ്യുക [റിസ്ക്/വിവരങ്ങൾ]."

2) അവബോധജന്യമായ ക്യൂ അഡാപ്റ്റർ:

ഇനിപ്പറയുന്ന സ്‌ക്രീനിനായി ഈ അവബോധജന്യമായ സൂചനകൾ മൂർത്തമായ പരീക്ഷണങ്ങളിലേക്ക് വിവർത്തനം ചെയ്യുക: CRUD, ഗോൾഡിലോക്ക് (കുറവ്/പൂർണ്ണം/കൂടുതൽ), തടസ്സപ്പെടുത്തുക, വിപരീത ക്രമം, ബൈപാസ് അംഗീകാരം. സ്ക്രീൻ: [സ്ക്രീൻ/ഫ്ലോ വിവരണം]. ഓരോ സൂചനയ്ക്കും 2 സ്‌ക്രീൻ-നിർദ്ദിഷ്ട പരീക്ഷണങ്ങൾ എഴുതുക.

3) ബ്ലൈൻഡ് സ്പോട്ട് റിമൈൻഡർ:

ഞാൻ ഇനിപ്പറയുന്ന ഫീച്ചർ പരീക്ഷിക്കുകയാണ്: [ഫീച്ചർ]. പരിചയസമ്പന്നരായ പരീക്ഷകർക്ക് ഇത്തരത്തിലുള്ള ഫീച്ചർ ഏറ്റവും കൂടുതൽ നഷ്ടമാകുന്ന 10 കേസുകൾ ലിസ്റ്റ് ചെയ്യുക. പ്രവേശനക്ഷമത, പ്രാദേശികവൽക്കരണം (ഭാഷ/തീയതി/കറൻസി), കൺകറൻസി, സുരക്ഷ, പ്രകടന അക്ഷങ്ങൾ എന്നിവ ഉൾപ്പെടുത്തുക.

4) സെഷൻ നോട്ട് സംഗ്രഹം:

എൻ്റെ കണ്ടെത്തൽ സെഷനിൽ നിന്നുള്ള അസംസ്‌കൃത കുറിപ്പുകൾ ചുവടെയുണ്ട്. ഈ ഘടനയിൽ അവയെ ക്രമീകരിക്കുക: - കണ്ടെത്തിയ അപാകതകൾ (കണക്കാക്കിയ തീവ്രതയോടെ) - അറിയപ്പെടുന്ന പുനർനിർമ്മാണ ഘട്ടമുള്ളവ - കൂടുതൽ അന്വേഷണം ആവശ്യമുള്ളവ - അടുത്ത സെഷനുള്ള നിർദ്ദേശം അസംസ്കൃത കുറിപ്പുകൾ: [കുറിപ്പുകൾ ഒട്ടിക്കുക]

മൂന്ന് മിനി കേസുകൾ

കേസ് 1 - ബ്ലൈൻഡ് സ്പോട്ട് റിമൈൻഡർ പ്രവർത്തനത്തിലാണ്. ഒരു വിദഗ്‌ദ്ധൻ ഒരു ബഹുഭാഷാ ആപ്ലിക്കേഷനിൽ തിരയൽ സവിശേഷത പരീക്ഷിക്കുകയായിരുന്നു. "പ്രാദേശികവൽക്കരണ അച്ചുതണ്ട് മറക്കരുത്" എന്ന AI യുടെ ഓർമ്മപ്പെടുത്തലിന് ശേഷം, ടർക്കിഷ്-നിർദ്ദിഷ്ട "i/I" അക്ഷരം പരിവർത്തനം ചെയ്യാൻ അദ്ദേഹം ശ്രമിച്ചു. "ഇസ്താംബുൾ" എന്നതിനായി തിരഞ്ഞാൽ ഫലങ്ങളൊന്നും ലഭിച്ചില്ല; ഒരു ചെറിയക്ഷര പരിവർത്തന പിശക് കണ്ടെത്തി. AI അച്ചുതണ്ട് ഓർമ്മിപ്പിച്ചു, വിദഗ്ദൻ അത് പരീക്ഷിച്ചു കണ്ടെത്തി.

കേസ് 2 - ചാർട്ടറിൻ്റെ ഫോക്കസ്. ഒരു പുതിയ ടെസ്റ്റർ പേയ്‌മെൻ്റ് സ്‌ക്രീനിലൂടെ 2 മണിക്കൂർ "സർഫിംഗ്" ചെയ്‌തു, പക്ഷേ അത് ഘടനാരഹിതമായതിനാൽ 2 ചെറിയ കുറിപ്പുകൾ മാത്രമാണ് ഉണ്ടാക്കിയത്. AI യുമായി 3 ടെസ്റ്റ് അവസ്ഥകളായി വിഭജിച്ച് ഒരു സെഷൻ ആസൂത്രണം ചെയ്ത ശേഷം, അതേ കാലയളവിൽ അത് 11 അപാകതകൾ രേഖപ്പെടുത്തി; അവയിൽ രണ്ടെണ്ണം ഗുരുതരമായിരുന്നു. ഘടനയ്ക്ക് നന്ദി, അതേ സമയം 5 മടങ്ങ് കൂടുതൽ കാര്യക്ഷമമായിരുന്നു.

കേസ് 3 - പ്രതിരോധ ഫയൽ അപ്‌ലോഡ് പരിശോധന. ഒരു പ്രൊഫൈൽ ഫോട്ടോ അപ്‌ലോഡ് ചെയ്യുന്നതിൽ YZ നിർദ്ദേശിച്ച "തെറ്റായ വിപുലീകരണം/വളരെ വലിയ ഫയൽ" ഒരു ടീം സ്വന്തം ഉൽപ്പന്നങ്ങളിൽ പരീക്ഷിച്ചു. 50 MB ഫയൽ 40 സെക്കൻഡ് നേരത്തേക്ക് സെർവറിനെ ക്രാഷ് ചെയ്‌ത് സൈസ് ലിമിറ്റും ടൈംഔട്ടും ചേർത്തതായി കണ്ടെത്തി. പ്രതിരോധ ആവശ്യങ്ങൾക്കായി സ്വന്തം ഉൽപ്പന്നങ്ങളിൽ മാത്രമാണ് പരിശോധന നടത്തിയത്.

സാധാരണ തെറ്റുകൾ

  • സെഷൻ ഉപയോഗിച്ച് AI മാറ്റിസ്ഥാപിക്കുന്നു. കണ്ടെത്തലിൻ്റെ മൂല്യം നിങ്ങളുടെ നിരീക്ഷണത്തിലും അവബോധത്തിലുമാണ്; തയ്യാറെടുപ്പിനും വീണ്ടെടുക്കലിനും AI സഹായിക്കുന്നു.
  • റിസർവേഷൻ ഇല്ലാതെ ബ്രൗസ് ചെയ്യുക. ശ്രദ്ധയില്ലാതെ മണിക്കൂറുകൾ ചെലവഴിക്കുകയും കുറച്ച് കണ്ടെത്തുകയും ചെയ്യുന്നു. ടെസ്റ്റ് അവസ്ഥ ഫോക്കസ് നൽകുന്നു.
  • നോട്ടുകൾ ശേഖരിക്കുന്നില്ല. കണ്ടുപിടിത്തത്തിൽ കണ്ടെത്തിയ അപാകത വീണ്ടും ഉൽപ്പാദന ഘട്ടത്തിൽ സംരക്ഷിച്ചില്ലെങ്കിൽ, ആ കണ്ടെത്തൽ നഷ്ടപ്പെടും.
  • ഒരു അച്ചുതണ്ടിൽ കുടുങ്ങിയിരിക്കുന്നു. എല്ലായ്‌പ്പോഴും ഇൻപുട്ടിൻ്റെ പരിധികൾ പരിശോധിക്കുന്നു; അധികാരം, ഷെഡ്യൂളിംഗ്, പ്രാദേശികവൽക്കരണ അക്ഷങ്ങൾ എന്നിവ മറികടക്കുന്നു.
  • അനധികൃത സുരക്ഷാ പരിശോധനകൾ നടത്തുന്നു. നിങ്ങളുടെ സ്വന്തം ഉൽപ്പന്നത്തിലും അനുമതിയോടെയും മാത്രം ഫയൽ/URL കൃത്രിമത്വം നടത്താൻ ശ്രമിക്കുക.

ചുരുക്കത്തിൽ

മനുഷ്യൻ്റെ ജിജ്ഞാസയെ ഏറ്റവും കൂടുതൽ ആശ്രയിക്കുന്ന, എഴുതപ്പെടാത്തവ തിരയുന്ന തരത്തിലുള്ള പരിശോധനയാണ് പര്യവേക്ഷണ പരിശോധന. AI നിങ്ങളെ ഇവിടെ മാറ്റിസ്ഥാപിക്കില്ല; ഇത് ടെസ്റ്റ് അവസ്ഥകളുടെ രൂപരേഖ നൽകുന്നു, അവബോധജന്യമായ സൂചനകൾ നിങ്ങളുടെ സന്ദർഭവുമായി പൊരുത്തപ്പെടുത്തുന്നു, അന്ധമായ പാടുകളെ ഓർമ്മിപ്പിക്കുന്നു, കൂടാതെ നിങ്ങളുടെ ക്രമരഹിതമായ സെഷൻ കുറിപ്പുകളെ ഒരു സംഘടിത റിപ്പോർട്ടാക്കി മാറ്റുന്നു. മൂല്യം വരുന്നത് നിങ്ങളുടെ നിരീക്ഷണത്തിൽ നിന്നും അവബോധത്തിൽ നിന്നുമാണ്; AI ഈ മൂല്യം ഫോക്കസ് ചെയ്യുകയും ഗുണിക്കുകയും ചെയ്യുന്നു. വ്യവസ്ഥകൾ എഴുതുക, അക്ഷങ്ങൾ വ്യത്യാസപ്പെടുത്തുക, വീണ്ടും ഉൽപ്പാദന ഘട്ടത്തിൽ കണ്ടെത്തലുകൾ രേഖപ്പെടുത്തുക, അംഗീകാരത്തിനുള്ളിൽ മാത്രം സുരക്ഷാ പരിശോധനകൾ നടത്തുക.

ആപ്ലിക്കേഷൻ ടാസ്ക്

നിങ്ങളുടെ സ്വന്തം ഉൽപ്പന്നത്തിൽ നിന്ന് ഒരു ഫീച്ചർ തിരഞ്ഞെടുക്കുക. AI ഉള്ള "ടെസ്റ്റ് കണ്ടീഷൻ ജനറേറ്റർ" ടെംപ്ലേറ്റ് ഉപയോഗിച്ച് 60 മിനിറ്റ് സെഷനെ 3 വ്യവസ്ഥകളായി വിഭജിക്കുക. സെഷൻ ചെയ്യുക (AI ഇല്ലാതെ, കൈകൊണ്ട് പര്യവേക്ഷണം ചെയ്യുക), റോ നോട്ടുകൾ സൂക്ഷിക്കുക. പൂർത്തിയാകുമ്പോൾ, "സെഷൻ നോട്ട് സംഗ്രഹം" ടെംപ്ലേറ്റ് ഉപയോഗിച്ച് കുറിപ്പുകൾ സംഘടിപ്പിക്കുക. ഫലം: കുറഞ്ഞത് 5 അപാകതകൾ, ഓരോന്നിൻ്റെയും പുനരുജ്ജീവന ഘട്ടം, തീവ്രത കണക്കാക്കൽ. ഏത് പരിശോധനാ അവസ്ഥയും അവബോധജന്യമായ സൂചനയുമാണ് നിങ്ങൾ കണ്ടെത്തിയ ഏറ്റവും മൂല്യവത്തായ അപാകതയിൽ കലാശിച്ചതെന്ന് ശ്രദ്ധിക്കുക.

ചെക്ക്ലിസ്റ്റ്

  • [ ] സെഷനു മുമ്പ്, ഞാൻ AI ഉപയോഗിച്ച് ടെസ്റ്റ് വ്യവസ്ഥകൾ സൃഷ്ടിക്കുകയും ഫോക്കസ് നിർണ്ണയിക്കുകയും ചെയ്തു.
  • [ ] ഞാൻ കണ്ടെത്തലിൻ്റെ 4 വ്യത്യസ്ത അക്ഷങ്ങളെങ്കിലും പരീക്ഷിച്ചു (ഇൻപുട്ട്, സമയം, ഫോർമാറ്റ്, അംഗീകാരം, തടസ്സം).
  • [ ] ഞാൻ സ്വമേധയാ സെഷൻ നടത്തി, എൻ്റെ സ്വന്തം കൗതുകത്തോടെ; ഞാൻ AI മാറ്റിസ്ഥാപിച്ചില്ല.
  • [ ] ഞാൻ ഓരോ അപാകതയും അതിൻ്റെ പുനരുൽപ്പാദന ഘട്ടവും തീവ്രത കണക്കാക്കലും രേഖപ്പെടുത്തി.
  • [ ] ഞാൻ എൻ്റെ കുറിപ്പുകൾ AI-യുമായുള്ള ഒരു സാധാരണ റിപ്പോർട്ടാക്കി മാറ്റി.
  • [ ] എൻ്റെ സ്വന്തം ഉൽപ്പന്നത്തിലും അംഗീകാരത്തോടെയും മാത്രമേ ഞാൻ സുരക്ഷ/ കൃത്രിമത്വം നടത്താൻ ശ്രമിച്ചിട്ടുള്ളൂ.