ఎర్రర్ రిపోర్ట్ రైటింగ్ మరియు ప్రాధాన్యత: AIతో క్లియర్, రిప్రొడ్యూసిబుల్ రికార్డ్స్

లాభాలు:

• చెల్లాచెదురైన పరిశీలనలను స్పష్టమైన శీర్షిక, నిర్ణయాత్మక పునరుత్పత్తి దశలు, ఊహించిన/వాస్తవ ఫలితాలు మరియు ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ మద్దతుతో కూడిన నివేదికగా మార్చగల సామర్థ్యం
• కృత్రిమ మేధస్సుకు 'నేను ఇచ్చే సమాచారాన్ని మాత్రమే ఉపయోగించు, దానిని తయారు చేయవద్దు' అనే నియమాన్ని విధించడం మరియు దాని స్వంత నియంత్రణతో పునరుత్పత్తికి హామీ ఇవ్వడం
• తీవ్రత (సాంకేతిక ప్రభావం) మరియు ప్రాధాన్యత (వ్యాపార అత్యవసరం) మధ్య తేడాను గుర్తించడం మరియు వ్యాపార సందర్భంతో తుది లేబుల్‌ను ఇవ్వడం

టెస్టర్ కనుగొనే బగ్ అది పరిష్కరించబడితే మాత్రమే విలువైనది; దాన్ని పరిష్కరించడం అనేది బగ్ రిపోర్ట్ యొక్క నాణ్యతపై ఆధారపడి ఉంటుంది-డెవలపర్ అర్థం చేసుకోగలిగే, పునరుత్పత్తి చేయగల మరియు పరిష్కరించగలిగే విధంగా లోపాన్ని డాక్యుమెంట్ చేసే రికార్డ్. పేలవంగా వ్రాసిన బగ్ నివేదిక ("లాగిన్ పని చేయడం లేదు") డెవలపర్‌ను గంటల తరబడి నిలిపివేస్తుంది, వెనుకకు మరియు వెనుకకు కరస్పాండెన్స్‌కు దారి తీస్తుంది మరియు తరచుగా "పునరుత్పత్తి చేయలేము" అని మూసివేయబడుతుంది. మంచి నివేదికలో స్పష్టమైన దశలు, ఆశించిన మరియు వాస్తవ ఫలితాలు, సందర్భ సమాచారం మరియు సాక్ష్యాలు ఉంటాయి. మీ చెల్లాచెదురైన పరిశీలనలను వృత్తిపరమైన, నిర్మాణాత్మక నివేదికగా మార్చడంలో కృత్రిమ మేధస్సు (AI) చాలా మంచిది. కానీ కేంద్ర హెచ్చరిక ఇక్కడ కూడా వర్తిస్తుంది: మీరు చూడని దశలను AI చేయదు; తప్పిపోయిన సమాచారాన్ని "సహేతుకంగా కనిపించే" కానీ సరికాని అంచనాలతో పూరించవచ్చు. నివేదికలోని ప్రతి పంక్తి మీరు వాస్తవంగా గమనించిన వాటిపై ఆధారపడి ఉందని నిర్ధారించుకోవడం మీ పని.

మంచి బగ్ నివేదిక యొక్క అనాటమీ

సమర్థవంతమైన నివేదిక ఈ భాగాలను కలిగి ఉంటుంది:

• శీర్షిక: చిన్నది, నిర్దిష్టమైనది, శోధించదగినది. "దోషం ఉంది" కాదు; "కార్ట్‌లో (Chrome) 10 కంటే ఎక్కువ ఐటెమ్‌లతో 'చెక్‌అవుట్' బటన్‌ను క్లిక్ చేయడం సాధ్యపడలేదు".
• పునరుత్పత్తికి దశలు: సంఖ్యలు, మొదటి నుండి గుర్తించదగినవి, నిర్ణయాత్మకమైనవి. డెవలపర్ ఈ దశలను అనుసరించిన తర్వాత లోపాన్ని చూడగలగాలి.
• ఆశించిన ఫలితం: అంగీకార ప్రమాణాల ప్రకారం ఏమి జరిగి ఉండాలి.
• వాస్తవ ఫలితం: ఏమి జరిగింది (లోపం సందేశం, స్క్రీన్, ప్రవర్తన).
• పర్యావరణం: బ్రౌజర్/పరికరం, సంస్కరణ, పర్యావరణం (పరీక్ష/ప్రత్యక్ష), వినియోగదారు పాత్ర, డేటా.
• సాక్ష్యం: స్క్రీన్‌షాట్, వీడియో, లాగ్, ఎర్రర్ ట్రేస్ (స్టాక్ ట్రేస్).
• తీవ్రత మరియు ప్రాధాన్యత: క్రింద వివరించబడింది.

చిట్కా: నివేదికను పంపే ముందు, "నేను ఈ దశలను వేరొకరికి ఇస్తే, నా సహాయం లేకుండా వారు లోపాన్ని చూడగలరా?" అడగండి. సమాధానం "లేదు" అయితే, నివేదిక అసంపూర్ణంగా ఉంటుంది. AI నివేదికను అందంగా మార్చగలదు, కానీ మీరు మాత్రమే పునరుత్పత్తికి హామీ ఇవ్వగలరు.

హింస మరియు ప్రాధాన్యత: రెండు గందరగోళ భావనలు

తీవ్రత అనేది లోపం యొక్క సాంకేతిక ప్రభావం: సిస్టమ్ క్రాష్ అవుతుందా, డేటా పోతుంది లేదా అక్షర దోషమా? ఇది ఎంత తక్షణమే పరిష్కరించబడాలి అనేది ప్రాధాన్యత; వ్యాపార ప్రభావం గురించి. రెండూ ఎల్లప్పుడూ ఒకే దిశలో వెళ్లవు: హోమ్‌పేజీలో కంపెనీ పేరును తప్పుగా వ్రాయడం తక్కువ తీవ్రత, కానీ అధిక ప్రాధాన్యత (ఖ్యాతి). అరుదైన అంచు సందర్భంలో, పతనం అధిక తీవ్రతతో ఉండవచ్చు కానీ తక్కువ ప్రాధాన్యత కలిగి ఉంటుంది. మీరు పరిశీలనను అందించినప్పుడు ఈ వ్యత్యాసాన్ని గుర్తించడంలో AI మీకు సహాయపడుతుంది; కానీ వ్యాపార సందర్భం తెలిసిన మీ ద్వారా చివరి లేబుల్ ఇవ్వబడుతుంది.

హింస

ఉదాహరణ

ప్రాధాన్యత

ఉదాహరణ

క్లిష్టమైన (బ్లాకర్)

చెల్లింపు పూర్తి చేయడం సాధ్యం కాదు

అత్యవసరం (P1)

ప్రత్యక్షంగా ఆదాయం కోల్పోవడం

అధిక (మేజర్)

నివేదిక మొత్తం తప్పుగా ఉంది

అధిక (P2)

రాబోయే విడుదలకు ఇది తప్పనిసరి

మీడియం (మైనర్)

అరుదైన అంచు కేసు లోపం

మధ్యస్థం (P3)

ప్రణాళికాబద్ధమైన స్ప్రింట్‌లో

తక్కువ (చిన్నవి)

బటన్ అమరిక ఆఫ్ చేయబడింది

తక్కువ (P4)

అవకాశం ఉన్నప్పుడు

బలహీనమైన ప్రాంప్ట్ / బలమైన ప్రాంప్ట్

బలహీనం: "ఈ లోపాన్ని నివేదించండి: చెల్లింపు పని చేయడం లేదు."

బలమైనది: "క్రింద ఉన్న నా పరిశీలనలను ప్రామాణిక బగ్ నివేదిక ఆకృతిలోకి అనువదించండి: శీర్షిక, పునరుత్పత్తి దశలు (నంబర్డ్), ఆశించిన ఫలితం, వాస్తవ ఫలితం, పర్యావరణం, తీవ్రత మరియు ప్రాధాన్యత సిఫార్సు (సమర్థించబడినవి). నేను అందించిన సమాచారాన్ని మాత్రమే ఉపయోగించండి; ఏవైనా తప్పిపోయిన ఫీల్డ్‌లను రూపొందించండి, 'సమాచారం తప్పిపోయినప్పుడు: ...' అని గుర్తు పెట్టండి. కార్, ఐటెమ్‌లు 1, పరీక్షలో ఏమీ జరగనప్పుడు, పరిశీలనలు కన్సోల్‌లో 'చెక్‌అవుట్', 'నిర్వచించబడలేదు ఒక ఫంక్షన్ కాదు' లోపం, 11 ఉత్పత్తులతో సమస్య లేదు."

శక్తివంతమైన ప్రాంప్ట్; ఫార్మాట్, "ఫిట్టింగ్" నియమం మరియు తప్పిపోయిన సమాచారం యొక్క మార్కింగ్ విధిస్తుంది. ఈ విధంగా, నివేదిక ఖచ్చితమైనది మరియు నిజాయితీగా ఉంటుంది.

డూప్లికేట్ ఎర్రర్ డిటెక్షన్

పెద్ద జట్లలో, అదే లోపం పదే పదే నివేదించబడింది. AI మీ కొత్త నివేదికను ఇప్పటికే ఉన్న ఓపెన్ బగ్‌లతో పోల్చవచ్చు మరియు సంభావ్య నకిలీలను ఫ్లాగ్ చేయగలదు - ఇది మీ బగ్ ట్రాకింగ్ సిస్టమ్‌ను (Jira, Azure DevOps, GitHub ఇష్యూస్) శుభ్రంగా ఉంచుతుంది. కానీ జాగ్రత్త వహించండి: ఉపరితలంపై ఒకేలా కనిపించే రెండు లోపాలు వేర్వేరు మూల కారణాలను కలిగి ఉండవచ్చు; AI యొక్క "డూప్లికేట్" సూచనను మూసివేయడానికి ముందు రెండు నివేదికల పునరావృత ఉత్పత్తి దశలు మరియు పర్యావరణాన్ని సరిపోల్చండి. అనుకోకుండా మూసివేయబడిన "డూప్లికేట్" నిజానికి ఒక ప్రత్యేక లోపం లేదు.

బగ్ ట్రేస్ నుండి మూల కారణం వరకు: లాగ్‌లను చదవడానికి AI యొక్క శక్తి

బగ్ రిపోర్ట్‌లోని అత్యంత సాంకేతిక భాగం తరచుగా బగ్ ట్రేస్ (స్టాక్ ట్రేస్ — ఏ లైన్ కోడ్ యొక్క బ్రేక్‌డౌన్, దీనితో కాల్ చైన్, బగ్‌ను ప్రేరేపించింది). పొడవైన మరియు సంక్లిష్టమైన లాగ్‌లు డెవలపర్‌ను కూడా అలసిపోతాయి. AI వందలాది పంక్తుల లాగ్‌ను చదువుతుంది మరియు అత్యంత క్లిష్టమైన పంక్తులు, సాధ్యమయ్యే మూల కారణ పరికల్పన మరియు లోపం ప్రేరేపించబడిన కోడ్ పాయింట్‌ను సెకన్లలో సంగ్రహిస్తుంది. ఇది రెండు నివేదికను తగ్గిస్తుంది మరియు డెవలపర్‌కు నేరుగా ప్రారంభ స్థానం ఇస్తుంది.

అయితే, రెండు పరిమితులను గుర్తుంచుకోండి. మొదటిది, AI ఇచ్చిన మూల కారణం ఒక పరికల్పన, సాక్ష్యం కాదు; దీన్ని ధృవీకరించకుండా డెవలపర్ దీన్ని పరిష్కరించడానికి ప్రయత్నించకూడదు. రెండవది, లాగ్‌లు తరచుగా వ్యక్తిగత డేటాను కలిగి ఉంటాయి (ఇమెయిల్, వినియోగదారు ID, సెషన్ టోకెన్); వాహనంపై లాగ్‌ను ఉంచే ముందు ఈ ప్రాంతాలను మాస్క్ చేయండి. ముందుగా AI "ఈ లాగ్‌లో మాస్క్ చేయాల్సిన ఫీల్డ్‌లను జాబితా చేయండి" అని చెప్పి, ఆపై శుభ్రం చేసిన లాగ్‌ను విశ్లేషించడం మంచి అభ్యాసం.

చిట్కా: నివేదికలో మొత్తం లాగ్‌ను అతికించడానికి బదులుగా, AI సంగ్రహించే అత్యంత క్లిష్టమైన 3-5 లైన్‌లను మరియు పూర్తి లాగ్‌కి లింక్‌ను చేర్చండి. ఈ విధంగా నివేదిక చదవగలిగేలా ఉంటుంది మరియు వివరాలు అవసరమైన డెవలపర్ పూర్తి లాగ్‌ను యాక్సెస్ చేయవచ్చు.

నాలుగు కాపీ చేయగల టెంప్లేట్‌లు

1) పరిశీలన నుండి నివేదిక వరకు:

మీ పాత్ర: సీనియర్ QA. కింది ముడి పరిశీలనలను ప్రామాణిక బగ్ నివేదికలోకి అనువదించండి: శీర్షిక / పునరుత్పత్తి దశలు (సంఖ్యలు) / ఆశించినవి / వాస్తవమైనవి / పర్యావరణం / సాక్ష్యం గమనిక / తీవ్రత + ప్రాధాన్యత (న్యాయబద్ధం). నియమం: నేను అందించే సమాచారాన్ని మాత్రమే ఉపయోగించండి; తప్పిపోయిన ఫీల్డ్‌ను "మిస్సింగ్ ఇన్ఫర్మేషన్:..."గా గుర్తించండి పరిశీలనలు: [రా నోట్స్]

2) పునరుత్పత్తి నియంత్రణ:

బగ్‌ను ఎప్పుడూ చూడని డెవలపర్ కోణం నుండి ఈ బగ్ నివేదికను చదవండి. దశలను అనుసరించండి మరియు అది బగ్‌ను ఉత్పత్తి చేయని స్థలాలను గుర్తించండి: అస్పష్టమైన దశ, తప్పిన ముందస్తు అవసరం, పరీక్ష డేటా లేదు, దాటవేయబడిన పరిస్థితి. ప్రతి గ్యాప్ కోసం నేను ఏ సమాచారాన్ని జోడించాలో నాకు చెప్పండి. నివేదిక: [నివేదికను అతికించండి]

3) తీవ్రత/ప్రాధాన్యత సలహాదారు:

నేను కింది లోపాన్ని వివరించాను: [లోపం + వ్యాపార సందర్భం]. తీవ్రత (సాంకేతిక ప్రభావం) మరియు ప్రాధాన్యత (వ్యాపార అత్యవసరం) కోసం విడిగా సూచనలు మరియు సమర్థనను ఇవ్వండి. రెండూ ఎందుకు భిన్నంగా ఉంటాయో వివరించండి. నేను తుది నిర్ణయం తీసుకుంటాను.

4) లాగ్/ఎర్రర్ ట్రేస్ సారాంశం:

దిగువ ఎర్రర్ ట్రేస్/లాగ్‌ను పరిశీలించండి. నాకు (1) మూలకారణ పరికల్పన, (2) లోపం సంభవించే అవకాశం ఉన్న కోడ్ పాయింట్, (3) నివేదికకు జోడించాల్సిన 3 అత్యంత క్లిష్టమైన పంక్తుల సారాంశాన్ని ఇవ్వండి. వ్యక్తిగత డేటా ఉంటే మాస్క్ చేయండి.లాగ్: [లాగ్ అతికించండి]

మూడు చిన్న కేసులు

కేసు 1 — “నేను ఉత్పత్తి చేయలేకపోయాను” నుండి విముక్తి ఒక బృందంలో, 30% బగ్‌లు "పునరుత్పత్తి చేయలేవు" అని మూసివేయబడ్డాయి. నివేదిక ప్రక్రియకు "పునరుత్పత్తి తనిఖీ" టెంప్లేట్ జోడించబడింది; ప్రతి నివేదికను పంపడానికి ముందు, AI తప్పిపోయిన దశలు మరియు ముందస్తు అవసరాలను ఫ్లాగ్ చేసింది. మూడు నెలల తర్వాత, "ఉత్పత్తి చేయలేకపోయింది" రేటు 30% నుండి 8%కి పడిపోయింది. తేడా ఏమిటంటే, మొదటి నుండి స్టెప్స్ ఖచ్చితంగా ఉన్నాయి.

కేసు 2 - నకిలీ దశల ప్రమాదం. ఒక టెస్టర్ AI అసంపూర్ణ పరిశీలనలతో ఒక నివేదికను వ్రాసాడు; "సెట్టింగ్‌ల పేజీ నుండి వినియోగదారు నోటిఫికేషన్‌లను ఆన్ చేస్తారు" వంటి ఎన్నడూ జరగని దశను AI జోడించింది. డెవలపర్ ఆ దశను అనుసరించినప్పుడు, అతను లోపాన్ని కనుగొనలేకపోయాడు మరియు సమయాన్ని కోల్పోయాడు. బృందం "నేను ఇచ్చే సమాచారాన్ని మాత్రమే ఉపయోగించండి, దానిని తయారు చేయవద్దు" అనే నియమాన్ని అమలు చేసింది; తయారు చేసిన దశలు తొలగించబడతాయి.

కేసు 3 — తీవ్రత/ప్రాధాన్యత వ్యత్యాసం. హోమ్ పేజీలో కంపెనీ స్లోగన్‌లో అక్షర దోషం ఉంది. టెస్టర్ దీనిని "తక్కువ"గా పాస్ చేస్తాడు; AI కన్సల్టెంట్ సాంకేతిక హింస తక్కువగా ఉందని, అయితే వ్యాపార ప్రాధాన్యత ఎక్కువగా ఉందని గుర్తు చేశారు (ప్రతి సందర్శకుడు పొందే ఖ్యాతి మూలకం). బగ్ అదే రోజు "అధిక ప్రాధాన్యత" ట్యాగ్‌తో పరిష్కరించబడింది.

సాధారణ తప్పులు

• అస్పష్టమైన శీర్షిక. "పని చేయడం లేదు" వంటి శోధించలేని, వివక్షత లేని ముఖ్యాంశాలు.
• దశలు లేవు/దాటవేయబడ్డాయి. మీ సందర్భంలో స్పష్టంగా కనిపించేది రాయడం లేదు; ఉత్పత్తి చేయడంలో డెవలపర్ వైఫల్యం.
• AI దానిని తయారు చేయనివ్వండి. తప్పిపోయిన సమాచారాన్ని "సహేతుకమైన అంచనా"తో నింపడం; తప్పు దశలు.
• ఆశించిన ఫలితాన్ని రాయడం లేదు. "తప్పు" అని చెప్పడం కానీ ఏది సరైనదో పేర్కొనడం లేదు.
• గందరగోళ హింస మరియు ప్రాధాన్యత. రెండింటినీ ఒక లేబుల్‌గా తప్పుగా భావించడం; వ్యాపార ప్రభావాన్ని తప్పుగా అంచనా వేయడం.
• సాక్ష్యంలో సున్నితమైన డేటా. స్క్రీన్‌షాట్‌లు/లాగ్‌లలో నిజమైన వ్యక్తిగత డేటాను మాస్క్ చేయకుండా షేర్ చేయడం.

సారాంశంలో

బగ్ నివేదిక యొక్క విలువ ఏమిటంటే డెవలపర్ మీ సహాయం లేకుండానే బగ్‌ను పునరుత్పత్తి చేయగలరు మరియు పరిష్కరించగలరు. చెల్లాచెదురుగా ఉన్న పరిశీలనలను వృత్తిపరమైన, నిర్మాణాత్మక నివేదికగా మార్చడంలో AI చాలా బాగుంది; ఇది శీర్షిక, దశలు, ఆశించిన/వాస్తవ ఫలితం, పర్యావరణం మరియు సాక్ష్యాలను నిర్వహిస్తుంది మరియు తీవ్రత మరియు ప్రాధాన్యత మధ్య వ్యత్యాసంపై కన్సల్టెన్సీని అందిస్తుంది. కానీ AI తప్పిపోయిన సమాచారాన్ని భర్తీ చేయగలదు; "నేను ఇచ్చే సమాచారాన్ని మాత్రమే ఉపయోగించండి, తప్పిపోయిన వాటిని గుర్తించండి" నియమాన్ని అమలు చేయండి మరియు మీరే పునరుత్పత్తికి హామీ ఇవ్వండి. సాక్ష్యంగా వ్యక్తిగత డేటాను ముసుగు చేయండి.

అప్లికేషన్ టాస్క్

మీరు ఇటీవల కనుగొన్న బగ్‌ని తీసుకోండి మరియు "పరిశీలన నుండి నివేదించడానికి" నమూనాను ("సరిపోయే" నియమంతో) ఉపయోగించి మీ ముడి పరిశీలనలను నివేదికగా మార్చండి. అప్పుడు "పునరుత్పత్తి తనిఖీ" నిర్వహించండి మరియు గుర్తించబడిన ఖాళీలను పూరించండి. నివేదికను సహోద్యోగికి అందించండి మరియు మీ సహాయం లేకుండా అతను లోపాన్ని సృష్టించగలడా అని చూడండి. చివరగా, "హింస/ప్రాధాన్యత కన్సల్టెంట్"తో లేబుల్‌లను నిర్ణయించండి మరియు మీ స్వంత అభీష్టానుసారం దాన్ని ఖరారు చేయండి. ప్రక్రియలో AI రూపొందించడానికి ప్రయత్నించే ఏదైనా సమాచారాన్ని గమనించండి.

చెక్లిస్ట్

• [ ] నా శీర్షిక నిర్దిష్టమైనది మరియు శోధించదగినది.
• [ ] పునరుత్పత్తి దశలు మొదటి నుండి, నిర్ణయాత్మక మరియు పూర్తి.
• [ ] నేను ఆశించిన మరియు వాస్తవ ఫలితాలను విడిగా వ్రాసాను.
• [ ] సెట్టింగ్ మరియు సాక్ష్యం సమాచారం పూర్తయింది; నేను వ్యక్తిగత డేటాను మాస్క్ చేసాను.
• [ ] నేను AIపై "మేక్ ఇట్ అప్, మార్క్ ది మిస్సింగ్" నియమాన్ని విధించాను మరియు ఖాళీలను నేనే పూరించాను.
• [ ] నేను తీవ్రత మరియు ప్రాధాన్యతను విడిగా విశ్లేషించి తుది నిర్ణయం తీసుకున్నాను.