లాభాలు:
- ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ మద్దతుతో సమానత్వ తరగతులు, సరిహద్దు విలువ విశ్లేషణ మరియు నిర్ణయ పట్టికలు వంటి సాంకేతికతలతో ఒక ఆవశ్యకత మరియు అంగీకార ప్రమాణాలను సమగ్ర పరీక్ష కేసులుగా మార్చగల సామర్థ్యం
- పాజిటివ్, నెగటివ్ మరియు ఎడ్జ్ కేస్ దృష్టాంతాలను విడిగా ఉత్పత్తి చేయగల సామర్థ్యం మరియు ఉత్పత్తి సమాచారంతో కృత్రిమ మేధస్సు ద్వారా తప్పిన ఎడ్జ్ కేసులను పూర్తి చేయడం
- పరీక్ష కేసులను అంగీకార ప్రమాణాలకు లింక్ చేయడం ద్వారా ట్రేస్బిలిటీని స్థాపించడం మరియు కవరేజ్ ఖాళీలు మరియు అనవసరమైన ఉబ్బును తొలగించే సామర్థ్యం
టెస్టర్ యొక్క పని తరచుగా ఈ ఖాళీ స్లేట్తో మొదలవుతుంది: అతనికి ఒక ఆవశ్యకత ఉంది ("వినియోగదారు తన పాస్వర్డ్ను రీసెట్ చేయగలగాలి") మరియు అతను ఈ ఒక్క వాక్యాన్ని డజన్ల కొద్దీ కాంక్రీట్ చెక్లుగా మార్చాలి, అది సాఫ్ట్వేర్ వాస్తవానికి సరిగ్గా పనిచేస్తుందని రుజువు చేస్తుంది. ఈ పరివర్తనను పరీక్ష రూపకల్పన అంటారు. పరీక్షా దృశ్యం మధ్య వ్యత్యాసాన్ని తెలుసుకోవడం — “చెల్లని పాస్వర్డ్ తిరస్కరించబడాలి” వంటి వాటిని పరీక్షించడం గురించి వివరించే ఒక ఉన్నత-స్థాయి లక్ష్యం — మరియు టెస్ట్ కేస్ — నిర్దిష్ట దశలు, ఇన్పుట్ మరియు ఆశించిన ఫలితంతో దృష్టాంతాన్ని వివరించే ఎక్జిక్యూటబుల్ యూనిట్. ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ (AI) సరిగ్గా ఈ ఖాళీ పేజీని వేగవంతం చేస్తుంది: ఒక అవసరాన్ని సెకన్లలో డజన్ల కొద్దీ డ్రాఫ్ట్ దృశ్యాలుగా మారుస్తుంది. కానీ గుర్తుంచుకోండి - AI మీరు ఆలోచించగల పరిస్థితులను ప్రతిబింబిస్తుంది; మీరు మీ ఉత్పత్తి పరిజ్ఞానంతో ఏయే సందర్భాలు నిజంగా ముఖ్యమైనవో ఎంచుకోండి.
ఈ యూనిట్లో, AI సపోర్ట్తో అవసరాన్ని సమగ్రమైన కానీ అయోమయ రహిత టెస్ట్ సూట్గా ఎలా మార్చాలో మీరు దశలవారీగా నేర్చుకుంటారు.
దశల వారీగా: అవసరం నుండి పరీక్ష సెట్ వరకు
దశ 1 - అవసరాన్ని స్పష్టం చేయండి. AIకి ముడి అవసరాన్ని ఇచ్చే ముందు అంగీకార ప్రమాణాలను (ఒక ఉద్యోగం "పూర్తయింది"గా పరిగణించబడే షరతులు) సేకరించండి. "పాస్వర్డ్ తప్పనిసరిగా రీసెట్ చేయదగినదిగా ఉండాలి" సరిపోదు; "రీసెట్ లింక్ 30 నిమిషాల వరకు చెల్లుబాటు అవుతుంది", "అదే పాస్వర్డ్ను మళ్లీ ఉపయోగించలేరు" వంటి నియమాలు నిజమైన పరీక్షకు మూలం.
దశ 2 - పరీక్ష పద్ధతులను అమలు చేయండి. AI గురించి కేవలం "స్క్రిప్ట్ వ్రాయండి" అని చెప్పకండి; పేరు ద్వారా క్లాసిక్ టెస్ట్ డిజైన్ టెక్నిక్ల కోసం అడగండి:
- సమానత్వ తరగతులు (ఈక్వివలెన్స్ పార్టిషనింగ్): ఇన్పుట్లను ఒకే విధమైన ప్రవర్తనను ఉత్పత్తి చేసే సమూహాలుగా విభజించడం. ఉదాహరణకు, వయస్సు ఫీల్డ్ కోసం, "చెల్లుబాటు అయ్యే పరిధి", "చాలా చిన్నది" మరియు "చాలా పెద్దది" తరగతులు; ప్రతి తరగతి నుండి ఒక ఉదాహరణను పరీక్షించడం సరిపోతుంది.
- సరిహద్దు విలువ విశ్లేషణ: సరిహద్దుల వద్ద లోపాలు ఎక్కువగా సంభవిస్తాయనే వాస్తవం ఆధారంగా థ్రెషోల్డ్ విలువలను పరీక్షించడం. ఇది 18 వయోపరిమితి కోసం 17, 18, 19 విడివిడిగా పరీక్షించడం లాంటిది.
- నిర్ణయ పట్టిక: బహుళ షరతుల కలయికలు మరియు ప్రతి కలయిక యొక్క ఆశించిన ఫలితం.
- రాష్ట్ర పరివర్తన: రాష్ట్రం నుండి రాష్ట్రానికి సిస్టమ్ పరివర్తనలను పరీక్షిస్తోంది (ఉదాహరణకు, ఆర్డర్: సృష్టించబడింది → చెల్లింపు → రవాణా చేయబడింది) మరియు చెల్లని పరివర్తనాలు.
దశ 3 - సానుకూల, ప్రతికూల మరియు అంచు స్థితులను వేరు చేయండి. సానుకూల పరీక్ష (సరైన ఇన్పుట్తో ఆశించిన ఫలితం), ప్రతికూల పరీక్ష (చెల్లని ఇన్పుట్తో సరైన ఎర్రర్) మరియు ఎడ్జ్ కేస్ — సరిహద్దు లేదా అసాధారణమైన కేసుల కోసం అడగండి. AI సాధారణంగా సానుకూలతను నొక్కి చెబుతుంది; మీరు వాటిని స్పష్టంగా అభ్యర్థించకపోతే ప్రతికూల మరియు అంచు కేసులు అసంపూర్ణంగా ఉంటాయి.
దశ 4 - ప్రాధాన్యత మరియు కత్తిరించండి. AI 60 దృశ్యాలను రూపొందించగలదు; అవన్నీ సమాన విలువలు కావు. అధిక ప్రమాదం (డబ్బు, భద్రత, డేటా నష్టం) ఉన్నవారికి ప్రాధాన్యత ఇవ్వండి మరియు నకిలీలను కలపండి.
చిట్కా: "ఈ అవసరం నుండి 5 ఊహించలేని ఎడ్జ్ కేసులను రూపొందించండి" అని AIకి ప్రత్యేక అభ్యర్థనను పంపండి. AI యొక్క అత్యంత విలువైన సహకారం ఏమిటంటే, మీరు పట్టించుకోని అసాధారణ పరిస్థితులను ఇది తరచుగా మీకు గుర్తు చేస్తుంది.
బలహీనమైన ప్రాంప్ట్ / బలమైన ప్రాంప్ట్
బలహీనం: "పాస్వర్డ్ రీసెట్ కోసం పరీక్ష కేసులను వ్రాయండి."
బలమైనది: "క్రింది అంగీకార ప్రమాణాలతో 'పాస్వర్డ్ రీసెట్' ఫీచర్ కోసం పరీక్ష కేసులను రూపొందించండి: లింక్ 30 నిమిషాలు చెల్లుబాటు అవుతుంది, ఒకే ఉపయోగం, చివరి 3 పాస్వర్డ్లు మళ్లీ ఉపయోగించబడవు, 5 తప్పు ప్రయత్నాల తర్వాత ఖాతా 15 నిమిషాలకు లాక్ చేయబడింది. సమానమైన తరగతులు మరియు సరిహద్దు విలువ విశ్లేషణను వర్తింపజేయండి. అనుకూల, ప్రతికూల మరియు అంచనా స్టెప్ల కోసం, ప్రతి పరీక్ష హెడ్డింగ్లు, ప్రిక్వి ID దశలు, ప్రతి ప్రత్యేక కేసుల కోసం. ఫలితంగా, సంబంధిత అంగీకార ప్రమాణాలు హైలైట్ భద్రత/లాకింగ్ దృశ్యాలు తీసుకుంటాయి."
శక్తివంతమైన ప్రాంప్ట్; ఇది నియమాలు, పద్ధతులు, అవుట్పుట్ ఫార్మాట్ మరియు ప్రాధాన్యతా క్రమాన్ని అందిస్తుంది. అందువలన, AI ఎక్జిక్యూటబుల్ మరియు ట్రేస్ చేయగల పరీక్ష కేసులను ఉత్పత్తి చేస్తుంది, అలంకారమైన వాటిని కాదు.
టెస్ట్ కేస్ అవుట్పుట్ ఫార్మాట్
మీ బృందం యొక్క పరీక్ష నిర్వహణ సాధనం (ఉదా. TestRail, Zephyr, Xray)కి నేరుగా దిగుమతి చేయగల నిర్మాణాత్మక ఆకృతి కోసం అడగండి. కింది పట్టిక మంచి పరీక్ష కేసు యొక్క భాగాలను చూపుతుంది:
ప్రాంతం
వివరణ
ఉదాహరణ
ID
ప్రత్యేక ID
TC-PWD-014
శీర్షిక
సంక్షిప్త ప్రయోజనం
గడువు ముగిసిన లింక్ తిరస్కరించబడుతుంది
ముందస్తు అవసరం
పరీక్షకు ముందు పరిస్థితి అవసరం
రీసెట్ లింక్ 31 నిమిషాల క్రితం రూపొందించబడింది
అడుగులు
వరుస చర్యలు
1. లింక్పై క్లిక్ చేయండి 2. కొత్త పాస్వర్డ్ను నమోదు చేయండి
పరీక్ష డేటా
కాంక్రీట్ విలువలు ఉపయోగించబడ్డాయి
పాత లింక్, కొత్త పాస్వర్డ్ "Abc!2345"
ఆశించిన ఫలితం
ప్రవర్తన ధృవీకరించబడాలి
"లింక్ గడువు ముగిసింది" లోపం, పాస్వర్డ్ మారదు
అంగీకార ప్రమాణాలు
గుర్తించదగిన లింక్
AK-3: లింక్ 30 నిమిషాలు చెల్లుబాటు అవుతుంది
ప్రాధాన్యత
ప్రమాద స్థాయి
అధిక
నాలుగు కాపీ చేయగల టెంప్లేట్లు
1) సాంకేతిక ఆధారిత దృశ్య ఉత్పత్తి:
మీ పాత్ర: సీనియర్ టెస్ట్ డిజైనర్. ఫీచర్ కోసం పరీక్ష కేసులను రూపొందించండి: [ఫీచర్ మరియు అంగీకార ప్రమాణాలు]. దరఖాస్తు: సమానత్వ తరగతులు, బ్రేక్పాయింట్ విశ్లేషణ, నిర్ణయ పట్టిక. 3 సమూహాలలో అవుట్పుట్ అందించండి: సానుకూల / ప్రతికూల / ఎడ్జ్ కేసు. ప్రతి సందర్భంలో: ID, ముందస్తు షరతులు, దశలు, పరీక్ష డేటా, ఆశించిన ఫలితం, అనుబంధిత అంగీకార ప్రమాణాలు (HighL/అంగీకార ప్రమాణాలు).
2) ఎడ్జ్ కేస్ హంటర్:
కింది ఫీచర్ కోసం సాధారణంగా పట్టించుకోని 10 ఎడ్జ్ కేసులను జాబితా చేయండి: [ఫీచర్]. ప్రతి ఒక్కరికి ఇది ఎందుకు ప్రమాదకరమో ఒక వాక్యంలో వ్రాయండి. ఖాళీ/శూన్యత, ఇన్పుట్ చాలా పొడవుగా ఉంది, సమ్మతి, సమయం ముగిసింది, ఫార్మాట్ లోపాలు, యూనికోడ్/ఎమోజి, ప్రతికూల/సున్నా, నెట్వర్క్ అంతరాయం వంటి అక్షాల గురించి ఆలోచించండి.
3) నిర్ణయ పట్టిక ఉత్పత్తి:
కింది వ్యాపార నియమం కోసం నిర్ణయ పట్టికను సృష్టించండి: [నియమాలు]. నిలువు వరుసలు: షరతుల కలయికలు; అడ్డు వరుసలు: ప్రతి షరతు మరియు ఆశించిన చర్య. సాధించలేని లేదా వైరుధ్య కలయికలను ఫ్లాగ్ చేయండి. ఆపై ప్రతి కలయికకు ఒక పరీక్ష కేసును ప్రతిపాదించండి.
4) గుర్తించదగిన నియంత్రణ:
కింది అంగీకార ప్రమాణాల జాబితా మరియు క్రింది పరీక్ష సందర్భాలు:[ప్రమాణాలు] / [కేసులు]. NO పరీక్ష కేసులు (కవరేజ్ గ్యాప్) ద్వారా ఏ అంగీకార ప్రమాణాలు నెరవేరతాయో మరియు ఏ ప్రమాణాలు (అనవసరమైన కేసు) ద్వారా అందుకోబడని సందర్భాలను పట్టిక రూపంలో చూపండి.
మూడు చిన్న కేసులు
కేసు 1 — అంచు స్థితుల విలువ. ఫిన్టెక్ బృందానికి చెందిన నిపుణుడు డబ్బు బదిలీ ఫీచర్ కోసం 18 స్క్రిప్ట్లను రాశారు. అతను AIకి "ఎడ్జ్ కేస్ హంటర్" టెంప్లేట్ని వర్తింపజేశాడు; AI "ఒకే సమయంలో రెండు పరికరాల నుండి ఒకే బ్యాలెన్స్ని బదిలీ చేయడం" (కరెన్సీ) పరిస్థితిని గుర్తు చేసింది. ఈ దృష్టాంతాన్ని పరీక్షించినప్పుడు, లైవ్కి వెళ్లే ముందు డబుల్ స్పెంట్ దుర్బలత్వం కనుగొనబడింది మరియు మూసివేయబడింది. ఒకే అంచు పరిస్థితి సంభావ్య ఆరు-అంకెల నష్టాన్ని నిరోధించింది.
కేస్ 2 - ఉబ్బెత్తును కత్తిరించడం. మెంబర్షిప్ ఫారమ్ కోసం AI ఒక స్క్రిప్ట్ను రూపొందించింది మరియు 74 కేసులు వచ్చాయి. ట్రేసబిలిటీ టెంప్లేట్ను అమలు చేయడం ద్వారా 74 కేసులు కేవలం 9 అంగీకార ప్రమాణాలను మాత్రమే కలిగి ఉన్నాయని కనుగొన్నారు, చాలా మంది ఒకే సమానత్వ తరగతిని మళ్లీ పరీక్షించారు. సెట్ 74 నుండి 23 ముఖ్యమైన కేసులకు తగ్గించబడింది; రన్ టైమ్ 68% తగ్గింది, కవరేజ్ తగ్గలేదు.
కేసు 3 - తప్పు ఊహ. తేదీ ఫీల్డ్ కోసం “ఫిబ్రవరి 31వ తేదీ” వంటి చెల్లని తేదీలను పరీక్షించాలని AI సూచించింది, అయితే టీమ్ ఉపయోగిస్తున్న క్యాలెండర్ కాంపోనెంట్ దీన్ని ఇప్పటికే బ్లాక్ చేసిందని తెలియదు. నిపుణుడు AI ద్వారా ఉత్పత్తి చేయబడిన 6 తేదీ దృశ్యాలలో 4ని ఉత్పత్తి సందర్భంలో అనవసరంగా తొలగించారు. AI సృష్టించిన అవకాశాలను; ఉత్పత్తి సమాచారం ఎంపిక చేసింది.
సాధారణ తప్పులు
- అంగీకార ప్రమాణాలు ఇవ్వకుండా స్క్రిప్ట్ను అభ్యర్థించడం. ఏది నిజమో తెలియకుండానే, AI ఉపరితల దృశ్యాలను ఉత్పత్తి చేస్తుంది, అది తరచుగా నిజమైన ప్రమాదాన్ని కోల్పోతుంది.
- పాజిటివ్ పరీక్షల కోసం మాత్రమే స్థిరపడుతున్నాను. ప్రతికూల మరియు ఎడ్జ్ కేసులను స్పష్టంగా కోరుకోవడం లేదు. ఇక్కడే తప్పులు తరచుగా ఉంటాయి.
- ఉత్పత్తి చేసిన దానిని యథాతథంగా స్వీకరించడం. AIకి ఉత్పత్తి సందర్భం తెలియదని మర్చిపోవడం మరియు సెట్లో అనవసరమైన లేదా అసాధ్యమైన దృశ్యాలను వదిలివేయడం.
- ట్రేస్బిలిటీని దాటవేయడం. కేసులను అంగీకార ప్రమాణాలకు లింక్ చేయడం లేదు; ఫలితంగా, ఏ ప్రమాణం పరీక్షించబడలేదని (కవరేజ్ గ్యాప్) కనిపించదు.
- పరిమాణం తప్పు. "60 స్క్రిప్ట్లు విడుదలయ్యాయి" కాబట్టి సంతోషంగా ఉన్నా. విలువ సంఖ్యలో కాదు, ప్రమాదాన్ని కవర్ చేసే పరిధిలో ఉంటుంది.
సారాంశంలో
టెస్ట్ డిజైన్ అనేది సాఫ్ట్వేర్ యొక్క ఖచ్చితత్వాన్ని రుజువు చేసే ఒక-వాక్య అవసరాన్ని కాంక్రీట్, ఎక్జిక్యూటబుల్ కేసుల్లోకి అనువదించడం. AI ఈ పరివర్తనను బాగా వేగవంతం చేస్తుంది: మీరు అంగీకార ప్రమాణాలు, క్లాసికల్ టెస్టింగ్ టెక్నిక్లు (సమానమైన తరగతులు, బ్రేక్పాయింట్, డెసిషన్ టేబుల్, స్టేట్ ట్రాన్సిషన్) మరియు స్పష్టమైన అవుట్పుట్ ఆకృతిని అందించినప్పుడు ఇది సమగ్రమైన బ్లూప్రింట్లను ఉత్పత్తి చేస్తుంది. కానీ AI సానుకూలత వైపు మొగ్గు చూపుతుంది, ఉత్పత్తి సందర్భం తెలియదు మరియు అనవసరమైన ఉబ్బును ఉత్పత్తి చేస్తుంది. ప్రతికూల మరియు ఎడ్జ్ కేసులను స్పష్టంగా అభ్యర్థించడం, ట్రేస్బిలిటీని ఏర్పాటు చేయడం, ప్రమాదానికి ప్రాధాన్యత ఇవ్వడం మరియు కత్తిరించడం మీ పని.
అప్లికేషన్ టాస్క్
మీ స్వంత ప్రాజెక్ట్ నుండి ఒక లక్షణాన్ని ఎంచుకోండి మరియు అంగీకార ప్రమాణాలను వ్రాయండి. "టెక్నిక్-బేస్డ్ సినారియో జనరేషన్" టెంప్లేట్తో AI పరీక్ష కేసులను రూపొందించండి. ఆపై "ఎడ్జ్ కేస్ హంటర్" మరియు "ట్రేసబిలిటీ చెక్" టెంప్లేట్లను వర్తింపజేయండి. ఫలితంగా: (1) AI దాటవేసే కనీసం 3 ఎడ్జ్ కేసులను జోడించండి, (2) ఏ అంగీకార ప్రమాణాలకు కనెక్ట్ చేయని ప్రూన్ కేసులను జోడించండి, (3) ఏవైనా అంగీకార ప్రమాణాలు పరీక్షించబడని పక్షంలో కొత్త కేసులను వ్రాయండి. చివరి సెట్ను స్ప్రెడ్షీట్లో పోయాలి.
చెక్లిస్ట్
- [ ] స్క్రిప్ట్ను అభ్యర్థించడానికి ముందు, నేను అంగీకార ప్రమాణాలను స్పష్టం చేసాను.
- [ ] నేను పేరు ద్వారా సమానత్వ తరగతులు మరియు సరిహద్దు విలువ విశ్లేషణ కోసం YZని అడిగాను.
- [ ] నేను సానుకూల, ప్రతికూల మరియు అంచు స్థితులను విడిగా రూపొందించాను.
- [ ] నేను ప్రతి పరీక్ష కేసును అంగీకార ప్రమాణానికి (ట్రేసిబిలిటీ) లింక్ చేసాను.
- [ ] నేను పట్టికతో స్కోప్ గ్యాప్ మరియు అనవసరమైన కేసులను తనిఖీ చేసాను.
- [ ] నేను ప్రమాదానికి ప్రాధాన్యత ఇచ్చాను మరియు వాపు సెట్ను కత్తిరించాను.