Aliran Kerja Hujung-ke-Hujung, Integrasi CI/CD, Etika dan Keselamatan: Menggunakan AI Secara Bertanggungjawab — Kecerdasan Buatan dalam Pengujian Perisian dan QA

Keuntungan:

Keupayaan untuk mereka bentuk peranan kecerdasan buatan dan titik kelulusan manusia dalam aliran QA hujung ke hujung dari idea ke keluaran dalam konteks CI/CD
Dalam CI/CD, tidak membenarkan AI untuk 'lulus' ujian secara automatik, tetapi menggunakan had untuk melindungi data dan kunci sulit
Keupayaan untuk melaksanakan ujian keselamatan dalam kuasa dan untuk tujuan pertahanan, dan menerima pakai prinsip pendedahan yang bertanggungjawab dan ketelusan etika.

Dalam sepuluh unit sebelumnya, kami menggunakan AI dalam tugas individu: penjanaan senario, kod automasi, pelaporan pepijat, analisis liputan, ujian mutasi. Unit akhir ini menggabungkan kesemuanya menjadi satu aliran kerja yang bertanggungjawab. QA moden bukan kerja yang berakhir di meja seseorang; Ia adalah proses yang hidup dalam CI/CD (Integrasi Berterusan / Penghantaran Berterusan — saluran paip di mana kod sentiasa digabungkan, diuji secara automatik dan disediakan untuk penerbitan dengan kerap dan selamat). AI boleh menyentuh setiap peringkat proses ini. Tetapi apabila kuasa AI berkembang, begitu juga kepentingan menggunakannya secara bertanggungjawab: privasi, kuasa dalam ujian keselamatan, etika, dan yang paling penting, memastikan keputusan yang berkualiti bergantung kepada manusia. Dalam unit ini, anda akan mempelajari aliran dan sempadan hujung ke hujung.

Aliran QA dikuasakan AI hujung ke hujung

Peranan AI dalam perjalanan ciri dari idea ke keluaran:

1. Analisis keperluan. AI membenderakan kekaburan dalam keperluan dan tiada kriteria penerimaan ("peraturan ini tidak menyatakan bilangan aksara kata laluan adalah minimum").

2. Reka bentuk ujian. Senario dan draf kes (unit 2), kes tepi (unit 3) adalah antara kriteria penerimaan.

3. Automasi. Unit (6), API (5) dan UI (4) draf kod ujian; setiap satu disahkan oleh mutasi (10).

4. Penyepaduan CI/CD. Ujian dijalankan secara automatik dengan setiap gabungan kod. AI mendraf konfigurasi saluran paip (YAML), meringkaskan log ujian yang gagal, mencadangkan kemungkinan punca.

5. Keputusan pelepasan. Keputusan analisis risiko (8) dan regresi (9) dikumpul — tetapi pakar memutuskan sama ada ia boleh berjaya.

6. Pemantauan dan maklum balas pengeluaran. Ralat secara langsung menjadi ujian masa depan; AI mencadangkan kes regresi daripada kecacatan pembuatan.

Petua: Sediakan AI sebagai lapisan dalam CI/CD yang "mempercepatkan draf yang disemak manusia" dan bukannya "menulis ujian dan membuat keputusan." Tiada ujian yang dijana secara automatik harus memasuki saluran paip tanpa manusia menyemak dan meluluskannya.

AI dalam CI/CD: di mana ya, di mana tidak

pentas

AI sesuai

manusia adalah penting

Draf kod ujian

Semakan + mutasi

Draf saluran paip YAML

Pengesahan + pemeriksaan kunci rahsia

Ringkasan log gagal

Pengesahan punca punca

Diagnosis ujian rapuh

Keputusan penyelesaian tetap

"Boleh ada versi?"

tidak

Pertimbangan dan tanggungjawab pakar

Secara automatik "lulus" ujian

tidak pernah

—

Awas: Jangan sekali-kali memberi mandat kepada AI seperti "membetulkannya untuk lulus ujian yang gagal" dalam CI/CD. Ini mengalahkan tujuan ujian dan secara automatik menutup ralat. AI boleh menerangkan ralat, mencadangkan pembetulan; tetapi "melukis hijau ujian" mestilah keputusan yang sedar dan beralasan seseorang.

Privasi, data dan keselamatan: sempadan tidak berubah

Privasi. Dalam persekitaran ujian, data pelanggan sebenar, salinan pangkalan data pengeluaran, kunci API dan maklumat sistem dalaman adalah sensitif. Jangan berikan ini kepada alatan AI awam. Data peribadi tertakluk kepada KVKK dan peraturan yang serupa; Log topeng dan tangkapan skrin. Gunakan data ujian sintetik (fiksyen) di mana mungkin.

Ujian keselamatan — defensif dan dibenarkan. Ujian keselamatan yang dipelajari dalam modul ini (ujian kebenaran/IDOR, had muat naik fail, pengesahan input) hanya untuk menguji produk anda sendiri dalam kebenaran bertulis dan skop yang ditentukan. Menggunakan AI untuk mengakses sistem orang lain tanpa kebenaran, mempersenjatai kelemahan sebenar atau melakukan ujian di luar skop adalah tidak beretika dan menyalahi undang-undang. Apabila anda menjumpai kelemahan keselamatan, patuhi prinsip pendedahan yang bertanggungjawab — merahsiakan kerentanan itu dan laporkan kepada pihak yang berkenaan supaya ia boleh diperbaiki.

Etika dan ketelusan. Jangan tunjukkan ujian yang dihasilkan oleh AI sebagai hasil kerja anda sendiri; Menyatakan bahawa anda menggunakan AI dalam pasukan adalah ketelusan. Anda bertanggungjawab atas ketidaktepatan output yang dihasilkan AI — "AI menulisnya" bukan alasan.

Gesaan lemah / Gesaan kuat

Lemah: "Sediakan saluran paip ujian untuk CI."

Kuat: "Draf aliran kerja CI YAML untuk Tindakan GitHub: jalankan ujian unit + API pada setiap PR, jana laporan liputan, jalankan ujian mutasi (Stryker) setiap minggu. Jangan benamkan rahsia dalam kod; gunakan rujukan rahsia sahaja. Sekat gabungan jika ujian berwarna merah. Ini adalah DRAFT; Saya akan menyemak dan mengedit langkah pengurusan kunci rahsia dan 'pengesahan' langkah atau JANGAN automatik."

Gesaan yang kuat; Ia mengenakan had ke atas kerahsiaan, semakan manusia dan "tiada ujian automatik".

Empat templat yang boleh disalin

1) Pelan ujian hujung ke hujung:

Peranan anda: ketua QA kanan. Draf pelan ujian hujung ke hujung daripada idea kepada keluaran untuk ciri berikut: [ciri + kriteria penerimaan]. Fasa: analisis keperluan (ketidakpastian), reka bentuk ujian, lapisan automasi (unit/API/UI), penyepaduan CI/CD, kriteria keputusan keluaran, penjejakan pengeluaran. Nyatakan peranan titik kelulusan AI dan MANUSIA pada setiap peringkat secara berasingan.

2) Garis besar saluran paip CI/CD:

Draf CI YAML untuk [GitHub Actions/GitLab CI/Azure Pipelines]:- Unit + ujian API + skop dalam PR- Cegah penggabungan dalam ujian merah- Nilai rahsia hanya dengan rahsia; membenamkan dalam kodIni ialah draf; Saya akan menyemak langkah pengurusan dan kelulusan utama. Menambah langkah ujian autocorrect/lulus.

3) Analisis log ujian gagal:

Dalam cetakan CI itu, ujian berwarna merah. Periksa log; kumpulkan kegagalan, bezakan punca yang mungkin dan yang mana mungkin kegagalan sebenar dan yang mungkin merupakan ujian/isu alam sekitar yang rapuh. Jika terdapat data peribadi, tutupkannya. Keputusan dan pembetulan akan menjadi milik saya. Log: [tampal]

4) Pra-semakan keselamatan/privasi:

Sebelum data/log ujian ini dihantar ke alat AI, semak: adakah ia mengandungi data peribadi, kunci API, alamat sistem dalaman, data pengeluaran? Senaraikan kawasan mana, jika ada, perlu ditutup/dialihkan. Memproses sebagaimana adanya. Kandungan: [tampal]

tiga kes mini

Kes 1 — Kelajuan aliran hujung ke hujung. Satu pasukan menangani ciri "pembaharuan langganan" baharu dengan aliran hujung ke hujung yang dikuasakan AI: ketidakpastian keperluan dibenderakan di hadapan, ujian tiga lapisan dirangka dan disahkan mutasi, terikat pada CI. Ciri ini mengurangkan kitaran ujian, yang mengambil masa 5 hari dalam proses tradisional, kepada 2 hari; tetapi kelulusan manusia dikekalkan pada setiap peringkat, dan ketidakpastian keperluan (apa yang berlaku jika penyegaran gagal) telah ditutup sebelum hidup.

Kes 2 — Kembali dari kebocoran kunci. Seorang pembangun mempunyai AI menjana CI YAML, dan AI membenamkan kunci API yang kelihatan nyata ke dalam YAML sebagai contoh. Langkah "prasemak keselamatan/privasi" menangkap ini; kunci ditukar kepada rujukan rahsia. Tanpa langkah audit, kunci akan bocor ke dalam kawalan versi (sejarah git).

Kes 3 — Had kuasa. Seorang ahli pasukan ingin menggunakan ujian IDOR yang dipelajarinya pada sistem langsung rakan kongsi perniagaan kerana "Saya ingin tahu". Pemimpin QA berhenti: adalah menyalahi undang-undang untuk melakukan ujian keselamatan pada sistem lain tanpa kebenaran bertulis dan skop yang ditentukan. Pengujian hanya dilakukan dalam persekitaran ujian produk mereka sendiri, dengan kuasa; Pihak bertanggungjawab terbuka telah dimaklumkan kepada pasukan berkenaan.

Kesilapan biasa

Membuat AI membuat keputusan keluaran. Menanyakan soalan "Bolehkah ia dikeluarkan?" kepada AI dan meletakkan jawapan sebagai ganti tandatangan.
"Lulus" ujian automatik. Dalam CI, mempunyai AI mengecat ujian hijau; menutup kesilapan.
Memberi data/kunci sulit kepada kenderaan. Berkongsi data pengeluaran, data peribadi atau kunci API tanpa pengawasan.
Ujian keselamatan yang tidak dibenarkan. Ujian penyerang pada sistem lain tanpa skop dan kebenaran.
Memperkenalkan ujian ke dalam saluran paip tanpa semakan. Jalankan lakaran AI secara automatik tanpa kebenaran manusia.
Meletakkan kesalahan pada AI. Mempertahankan output yang salah dengan mengatakan "AI menulisnya".

Secara ringkasnya

QA hujung-ke-hujung ialah proses yang merangkumi keperluan kepada penjejakan pengeluaran dan hidup dalam CI/CD; Pada setiap peringkat, AI menghasilkan draf, meringkaskan log dan mencadangkan punca utama. Tetapi sempadannya tidak berubah: manusia membuat keputusan ujian dan melepaskan kelulusan; AI tidak pernah diberi kuasa untuk "lulus" ujian secara automatik; data dan kunci sulit tidak masuk ke dalam kenderaan; Ujian keselamatan dilakukan hanya pada produk anda sendiri, dalam kebenaran bertulis dan skop yang ditetapkan, untuk tujuan pertahanan, dan penemuan dilaporkan dengan pendedahan yang bertanggungjawab. Bersikap telus apabila anda menggunakan AI; Anda bertanggungjawab untuk ketepatan output. AI mempercepatkan; Anda menjamin kualiti dan etika.

Tugasan permohonan

Draf rancangan daripada idea untuk dikeluarkan dengan templat "pelan ujian hujung ke hujung" untuk ciri daripada projek anda sendiri; Tandai peranan AI dan titik kelulusan manusia secara berasingan pada setiap peringkat. Kemudian jana YAML dengan "garis paip CI/CD" dan gunakan "prasemak keselamatan/privasi" pada YAML ini untuk menyemak data kunci/rahsia terbenam. Akhir sekali, senaraikan semua mata "keputusan manusia" dalam rancangan anda dan nyatakan dalam satu ayat mengapa keputusan ini tidak boleh diwakilkan kepada AI.

senarai semak

[ ] Saya mengaitkan keputusan pelepasan dan ujian kepada kelulusan manusia; Saya tidak menyerahkannya kepada AI.
[ ] Dalam CI/CD saya tidak memberikan kebenaran AI untuk "lulus/membetulkan" ujian secara automatik.
[ ] Saya menyemak dan menyembunyikan data sulit, data peribadi dan kunci sebelum menghantarnya ke kenderaan.
[ ] Saya hanya mempertimbangkan ujian keselamatan pada produk saya sendiri, dalam kebenaran bertulis dan skop.
[ ] Saya menangani kelemahan yang ditemui dengan prinsip pendedahan yang bertanggungjawab.
[ ] Saya secara telus menyatakan bahawa saya menggunakan AI dan bertanggungjawab ke atas ketepatan output.

Peperiksaan Modul

1. Bagaimanakah 'pass palsu' ditakrifkan paling tepat dalam konteks QA?

A) Walaupun ujian bertukar hijau, ia sebenarnya tidak mengesahkan sebarang tingkah laku; ✔ Tidak bertukar merah walaupun kod rosak
B) Ujian berjalan sangat perlahan dan tamat masa.
C) Ujian mengesan ralat sebenar dan bertukar menjadi merah
D) Ujian berjalan hanya dalam persekitaran pengeluaran

Penjelasan: Pas pseudo ialah apabila ujian mengatakan 'lulus' tetapi sebenarnya tidak mengesahkan apa-apa yang bermakna; Ujian ini berwarna hijau, tetapi walaupun perisian itu rosak, ia tidak akan menangkapnya. Ini adalah risiko nombor satu AI dalam QA kerana AI cenderung menghasilkan ujian yang kelihatan kemas tetapi kosong.

2. Apakah kedudukan kecerdasan buatan yang paling tepat dalam proses ujian dan QA?

A) Kepintaran buatan boleh memutuskan sama ada versi boleh dikeluarkan tanpa kelulusan manusia
B) Kecerdasan buatan ialah pembantu yang menjana draf dan idea; Keputusan dan tanggungjawab 'sediakah untuk diterbitkan' adalah milik pakar ✔
C) Kecerdasan buatan hanya menulis teks dan tidak boleh menangani kod ujian sama sekali
D) Kecerdasan buatan sentiasa menulis ujian yang betul daripada manusia, jadi semakan tidak diperlukan

Penerangan: Kecerdasan buatan ialah pembantu ujian, penjana draf dan pengganda idea; menghasilkan senario ujian, kod automasi dan draf laporan. Walau bagaimanapun, tanggungjawab dan kelulusan akhir keputusan kualiti seperti 'adakah perisian ini sedia untuk diterbitkan' atau 'telah lulus ujian ini' adalah milik pakar yang kompeten.

3. Berdasarkan fakta bahawa ralat kebanyakannya berlaku pada nilai ambang, teknik reka bentuk ujian manakah untuk menguji 17, 18 dan 19 secara berasingan untuk had umur 18?

A) Ujian peralihan negeri
B) Jadual keputusan
C) Analisis nilai sempadan ✔
D) Ujian penerokaan

Penjelasan: Analisis nilai sempadan adalah berdasarkan pemerhatian bahawa ralat paling kerap berlaku pada sempadan dan menguji nilai ambang (tepat di bawah, tepat di atas dan tepat di atas had) secara berasingan. Ia adalah teknik yang berkuasa yang melengkapkan kelas kesetaraan.

4. Pendekatan manakah yang harus diutamakan dalam pemilihan elemen untuk mengurangkan kerapuhan dalam kod automasi ujian UI yang dihasilkan dengan kecerdasan buatan?

A) Menggunakan laluan XPath terpanjang yang mungkin
B) Memilih elemen mengikut kedudukan pikselnya pada skrin
C) Menggunakan pemilih berdasarkan nama kelas CSS
D) Menggunakan atribut stabil (data-testid) ditambah untuk ujian ✔

Penjelasan: Laluan XPath panjang dan nama kelas CSS sangat bergantung pada struktur dan reka bentuk halaman; Ia rosak pada perubahan antara muka yang sedikit. Atribut stabil yang ditambahkan khusus untuk ujian (cth. data-testid) tidak terjejas oleh perubahan reka bentuk dan menjadikan ujian itu mantap.

5. Mengapakah ujian API tidak mencukupi untuk hanya menyemak kod status HTTP (cth. 200)?

A) Kerana data badan dengan kod status yang betul mungkin rosak dan semakan status sahaja tidak akan menangkap ini (pseudo-trust) ✔
B) Kerana kod status tidak boleh dipercayai sama sekali dalam ujian API
C) Kerana pemeriksaan kod status melambatkan ujian dengan banyak
D) Kerana kod status tidak pernah dikembalikan dalam ujian API

Penjelasan: Semasa pelayan mengembalikan kod status yang betul, ia mungkin mengembalikan data yang rosak dalam badan (jenis yang salah, medan yang hilang, nilai yang tidak dikira dengan betul). Ujian yang hanya melihat keadaan tidak dapat melihat ini dan memberikan keyakinan palsu. Jadi pengesahan skema/kontrak dan peraturan perniagaan juga perlu ditambah.

6. Mengapakah penting untuk memberitahu AI untuk 'mengira nilai jangkaan secara manual mengikut peraturan penerimaan, jangan merujuk output semasa fungsi' semasa mencetak ujian unit?

A) Kerana pengiraan manual menjalankan ujian dengan lebih cepat
B) Kerana jika tidak, ujian menerima tingkah laku semasa (mungkin buggy) kod sebagai 'betul' dan mengesahkan pepijat ✔
C) Kerana kecerdasan buatan tidak boleh mengira nombor perpuluhan sama sekali
D) Kerana peraturan penerimaan tidak pernah digunakan dalam ujian

Penjelasan: Jika AI memperoleh nilai yang diharapkan daripada output fungsi yang sedang diuji, ia akan menjadikan ujian 'lulus' walaupun fungsinya rosak; Iaitu, apa sahaja kod yang dihasilkan, ujian dikira sebagai benar. Mengira nilai jangkaan secara bebas daripada peraturan penerimaan memastikan bahawa ujian adalah penjaga pintu kepada peraturan, bukan cermin kod.

7. Antara berikut, yang manakah ciri yang paling membezakan laporan pepijat yang baik?

A) Untuk menjadi seberapa lama dan teknikal yang mungkin
B) Ditulis oleh kecerdasan buatan
C) Mengandungi langkah pembiakan deterministik yang boleh diikuti oleh pembangun secara bebas dan menghasilkan ralat ✔
D) Ia hanya tangkapan skrin

Penjelasan: Nilai sebenar laporan pepijat ialah pembangun boleh menghasilkan semula pepijat tanpa bantuan anda. Langkah pembiakan yang pasti dan boleh dikesan dari awal memastikan ini; Jika langkah ini tiada, laporan selalunya ditutup sebagai 'tidak dapat menghasilkan'.

8. Manakah ungkapan yang paling tepat untuk hubungan antara keterukan dan keutamaan dalam kesilapan salah mengeja nama syarikat di halaman utama?

A) Intensiti dan keutamaan hendaklah sentiasa mempunyai nilai yang sama
B) Kedua-dua keterukan dan keutamaan kesilapan ini pastinya rendah
C) Keterukan dan keutamaan adalah konsep yang sama, satu label sudah memadai
D) Keamatan teknikal mungkin rendah tetapi keutamaan perniagaan (reputasi) mungkin tinggi; Kedua-duanya dinilai secara berbeza ✔

Penjelasan: Keterukan ialah kesan teknikal ralat (secara teknikalnya rendah), keutamaan ialah seberapa segera ia perlu diperbaiki (tinggi kerana ia adalah elemen reputasi yang dilihat oleh setiap pelawat). Kedua-duanya tidak selalu menuju ke arah yang sama; Contoh ini ialah situasi keterukan rendah-keutamaan tinggi.

9. Manakah tafsiran paling tepat bagi suite ujian dengan liputan talian 90%?

A) Ia menunjukkan bahawa garisan dilaksanakan tetapi tidak membuktikan bahawa ia berkelakuan dengan betul; ✔ perlindungan yang tinggi boleh memberi keyakinan palsu
B) Secara konklusif membuktikan bahawa 90% perisian adalah bebas pepijat
C) Ia adalah ukuran muktamad kualiti ujian yang sangat baik.
D) Menunjukkan bahawa tidak perlu menulis sebarang ujian tambahan lagi

Penjelasan: Liputan baris menunjukkan bahawa hanya baris telah dilaksanakan; Ia tidak membuktikan bahawa ia menghasilkan keputusan yang betul. Walaupun dengan ujian tanpa tegas, liputan 90% boleh dicapai. Skop ialah peta 'tidak pernah melihat di mana', bukan jaminan 'semuanya telah diuji'; perlindungan sebenar diukur dengan ujian mutasi.

10. Dalam ujian berasaskan risiko, bagaimanakah risiko sesuatu ciri dikira untuk mengarahkan usaha ujian terhad?

A) Hanya dengan bilangan baris kod
B) Dengan mendarabkan kebarangkalian kegagalan dan kesan yang akan berlaku apabila ia rosak ✔
C) Hanya mengikut susunan ciri dibangunkan
D) Mengutamakan hanya ciri yang paling mudah untuk menulis ujian

Penjelasan: Dalam ujian berasaskan risiko, risiko dinilai sebagai kebarangkalian = kebarangkalian (kemungkinan pecah) × impak (kerosakan jika pecah). Domain kebarangkalian tinggi dan berimpak tinggi (pembayaran, pengesahan) layak mendapat ujian yang paling sengit, manakala domain rendah×rendah menerima ujian ringan.

11. Apakah risiko utama untuk menambah percubaan semula pada ujian yang kadangkala lulus dan kadangkala gagal (rapuh/pecah) walaupun kodnya tidak berubah?

A) Memendekkan masa berjalan ujian
B) Mengurangkan peratusan perlindungan
C) Menutup ralat konkurensi sebenar atau punca punca dan menyekat gejala ✔
D) Menukar nama ujian

Penjelasan: Cuba semula ialah alat diagnostik, bukan rawatan. Keragu-raguan selalunya datang daripada keadaan perlumbaan sebenar atau ketagihan; Membuat ujian 'lulus' dengan mencuba semula menutup kesilapan sebenar ini dan boleh menyebabkan masalah serius dalam siaran langsung. Punca utama mesti dicari terlebih dahulu.

12. Bagaimanakah ujian mutasi, kaedah paling jujur untuk mengukur sama ada suite ujian benar-benar melindungi, berfungsi?

A) Dengan mengukur kelajuan larian ujian
B) Dengan mengira berapa banyak baris kod yang ditulis
C) Dengan menjalankan ujian dalam susunan yang berbeza
D) Dengan sengaja mencipta pecahan kecil dalam kod dan mengukur sama ada ujian menangkapnya ✔

Penerangan: Ujian mutasi menghasilkan herotan kecil yang disengajakan (mutasi) dalam kod sumber; Suite ujian yang baik harus menangkap herotan ini dan bertukar menjadi merah. Mutasi yang tidak ditangkap (terselamat) menunjukkan bahawa ujian tidak mengekalkan tingkah laku itu. Skor mutasi ialah ukuran kualiti yang lebih jujur daripada peratusan liputan.

13. Apakah had utama yang perlu diikuti semasa menjalankan ujian keselamatan (cth. ujian kebenaran/IDOR)?

A) Ia hanya boleh dilakukan pada produknya sendiri, dalam kebenaran bertulis dan skop yang ditetapkan, untuk tujuan pertahanan ✔
B) Ia boleh digunakan secara bebas untuk mana-mana sistem kepentingan
C) Ia boleh dicuba pada sistem langsung rakan kongsi perniagaan tanpa kebenaran
D) Sebarang kelemahan yang ditemui hendaklah disiarkan secara terbuka dengan segera.

Penerangan: Ujian keselamatan yang dipelajari dalam modul ini hanya untuk menguji produk anda sendiri untuk tujuan pertahanan, dalam kebenaran bertulis dan skop yang ditetapkan. Mengakses sistem orang lain tanpa kebenaran atau melakukan ujian di luar skop adalah tidak beretika dan menyalahi undang-undang; Sebarang kelemahan yang ditemui dilaporkan melalui pendedahan yang bertanggungjawab.

14. Apakah kuasa yang tidak boleh diberikan kepada AI dalam saluran paip CI/CD?

A) Merumuskan log ujian yang gagal
B) Kuasa untuk secara automatik 'lulus' ujian (merah) yang gagal atau mengecatnya dengan warna hijau ✔
C) Mencadangkan draf kod ujian
D) Penggubalan fail YAML saluran paip

Penerangan: AI boleh menghasilkan garis besar kod ujian, saluran paip YAML, dan ringkasan log dalam CI/CD; walau bagaimanapun, keupayaan untuk 'lulus/membetulkan' ujian yang gagal secara automatik tidak boleh diberikan. Ini mengalahkan tujuan ujian dan secara automatik menutup ralat. Mengecat hijau ujian haruslah keputusan yang sedar dan beralasan seseorang.