اليوم ، الأتمتة والجودة والسرعة هي الأشياء الثلاثة الأكثر أهمية في إنشاء البرمجيات. تعد التحديثات السريعة دائمًا جزءًا كبيرًا من Agile و DevOps ، وبالتالي فإن اختبار الأتمتة الذي يكون أكثر ذكاءً وأسرع وتطور أكثر أهمية من أي وقت مضى. يعد استخدام علاج اللغة الطبيعية (NLP) لتشغيل الاختبارات تلقائيًا أحد أكثر المفاهيم ابتكارًا في هذا المجال. هكذا الذكاء الاصطناعي اكتسب شعبية.
تستكشف هذه المدونة تطور AQ في AQ ، وكيف تقوم NLP بإنتاج فرق AQ من خلال الأتمتة وكيف تجعل أدوات اختبار الذكاء الاصطناعى ذلك ممكنًا.
ما هو NLP ، ولماذا هو مهم في AQ؟
PNL هو مجال من الذكاء الاصطناعي (AI) الذي يحاول مساعدة الآلات على فهم وتفسير اللغة المنطوقة التي يقدمها البشر. يمكن استخدامه في نماذج AQ AQ وأتمتة الاختبار.
- تحويل المتطلبات المكتوبة أو قصص المستخدم إلى نصوص اختبار قابلة للتنفيذ.
- فهم حالات اختبار اللغة الطبيعية وقم بتخطيطها إلى رمز الأتمتة.
- استخراج سيناريوهات اختبار التوثيق أو تقارير بوج أو ملاحظات النشر.
- تنشيط التفاعلات الصوتية أو النصية مع منصات أتمتة الاختبار.
هذا يسهل مشاركة أعضاء الفريق الفني وليس التقنيين في عملية الاختبار. كما أنه يقلل من اعتماد لغات البرنامج النصي أو إطارات أتمتة محددة.
كيف يفهم NLP سيناريوهات الاختبار؟
يجب أن يفهم NLP أولاً بنية ونية رجل كتبه البشر قبل أن يتمكنوا من أتمتة إنشاء حالات الاختبار بشكل فعال. يمكن أن يكون خطًا لمستند المتطلبات أو قصة مستخدم أو سيناريو اختبار بسيط معبر عنه باللغة الإنجليزية البسيطة.
تؤدي نماذج NLP هذا باستخدام عدد من الاستراتيجيات اللغوية الأساسية التي تسمح لها بتفكيك النص وفهمه.
هذه هي الطريقة التي تعمل بها:
- الرمز المميز
يفصل نص الدخول إلى كلمات أو جمل سرية (الرموز). “ينقر المستخدم على زر الاتصال” ، على سبيل المثال ، يتم تعديله في (The) (انقر) (LE) (الزر) (اتصال) (مستخدم). - وضع علامة على الكلمة (POS)
تتم دراسة الوظيفة النحوية لكل رمز – سواء كان الاسم أو الفعل أو الصفة -. هذا يساعد الذكاء الاصطناعي في فهم الجهات الفاعلة (“المستخدم”) ، والكائنات (“الزر”) والإجراءات (“النقرات”). - الاعتراف بالكيان المسماة (NER)
يحدد النموذج عناصر أو مدخلات محددة داخل الجملة ، مثل أسماء الحقول (“البريد الإلكتروني”) أو أسماء الصفحات (“الصفحة الرئيسية”) أو معلومات التعريف (“اسم المستخدم”). هذه هي المسمى للعلاج اللاحق. - تحليل الاعتماد
يدرس NLP كيف ترتبط الكلمات ببعضها البعض – على سبيل المثال ، إدراك أن “زر الاتصال” هو أن “المستخدم” ينقر. هذا يتيح تعيين دقيق لتفاعلات المستخدم لاختبار الخطوات. - الاعتراف بالنية
يقيم النموذج الهدف العام للجمل ، مثل التحقق من صحة الاتصال أو تقديم نموذج أو التحقق من تدفق التنقل. يعد هذا الفهم العالي المستويات أمرًا بالغ الأهمية لاختيار إجراءات أتمتة جيدة.
من خلال تطبيق هذه التقنيات ، يمكن لمحركات NLP تفسير كل من بنية ونية سيناريوهات اختبار اللغة الواضحة. يمكنهم بعد ذلك الاستنتاج:
- أعمال (على سبيل المثال ، انقر ، الدخول ، التقديم)
- إدخالات وعناصر (على سبيل المثال ، حقل المراسلة ، حقل كلمة المرور)
- تصديق (على سبيل المثال ، “يجب إعادة توجيه إلى لوحة القيادة”)
- النتائج المتوقعة (على سبيل المثال ، رسائل النجاح ، التغييرات في واجهة المستخدم)
هذا الفهم المهيمن هو ما يسمح لـ AI استنادًا إلى NLP بإنشاء برامج اختبار كاملة وقابلة للتنفيذ من تعليمات مكتوبة بسيطة – تقليل الفجوة بين اللغة البشرية ومنطق الاختبار الآلي.
من اللغة الطبيعية إلى البرامج النصية للاختبار القابلة للتنفيذ
تعد ترجمة البرامج النصية للاختبار الإنجليزية البسيطة في اختبارات اللغة الإنجليزية استنادًا إلى الكود واحدة من أقوى قدرات أتمتة NLP. تتضمن هذه العملية عدة مراحل من التفسير والتصاريزات والجيل ، والتي تتم إدارتها جميعًا خلف الكواليس من قبل نماذج من الذكاء الاصطناعى.
دعنا ندرس كيف يعمل هذا التحول بشكل عام:
تفسير الإدخالات (ابتلاع اللغة الطبيعية)
تبدأ العملية عندما يوفر المستخدم خطوة اختبار أو سيناريو لغة طبيعية. على سبيل المثال:
“تحقق من أن زر النقر على الاتصال يعيد توجيه المستخدم إلى صفحة لوحة القيادة.”
يمكن أن يأتي هذا الإدخال من اختبار يضرب سيناريو أو مالك منتج يكتب معايير القبول أو حتى واجهة نصية نصية.
نية الكيانات والاعتراف بها
يحطم محرك NLP الجملة لتحديد النية (ما يجب اختباره) والكيانات (ما هي العناصر أو المدخلات). في مثالنا ، يكتشف المحرك:
- الإجراء: “انقر على زر الاتصال”
- النتيجة المتوقعة: “إعادة توجيه المستخدم إلى صفحة لوحة القيادة”
باستخدام التعرف على الكيانات المسماة وتحليل الاعتماد ، تتضمن الأداة العلاقات بين الإجراءات والسلوكيات المتوقعة.
رسم الخرائط السياقية لعناصر واجهة المستخدم
بمجرد تحديد الكيانات والإجراءات ، تقوم الأداة بتعيين أدوات التحكم في الأتمتة الفعلية اعتمادًا على التطبيق الذي تم اختباره. على سبيل المثال:
- “انقر فوق زر الاتصال” يمكن أن يصبح برنامج التشغيل. انقر فوق () ؛
- يمكن استنتاج استراتيجية توطين العناصر على أساس بطاقة واجهة المستخدم أو فحص DOM أو بيانات الاختبار السابقة.
يختار النموذج أفضل المراسلات وفقًا لما يعرفه عن التطبيق وبيئة الاختبار – غالبًا ما يسمح بخيارات الإنقاذ إذا تغيرت عناصر معينة.
منطق التأكيد والتحقق
ثم ، يعكس الذكاء الاصطناعى النتيجة المتوقعة في تأكيد يتحقق من صحة السلوك.
- يمكن تحويل “إعادة التوجيه إلى صفحة لوحة القيادة” إلى عنصر تحكم في عنوان URL:
التأكيدات (driver.getCurrentul () ، “ - أو التحقق من عنصر واجهة مستخدم معين:
AssertTrue (driver.findledent (by.id (“Dashboard-Leader”)). iSdisPlayed ()) ؛
تضمن عمليات التحقق من صحة أن الاختبار لا يقوم فقط بالإجراءات ولكنه يتحقق من الدقة ، مما يجعل البرنامج النصي كاملًا وقابلًا للاختبار.
توليد السيناريو والنزهة
بمجرد تحديد الإجراءات والتحققات ، تقوم الأداة بتجميع برنامج نصي منظم مع لغة برمجة مفضلة أو إطار عمل أتمتة (مثل الكاتب المسرحي مع بيثون أو السرو مع JavaScript أو Selenium مع Java).
قد يبدو هذا البرنامج النصي الاختبار الكامل والمُنفّر هكذا:
// استخدام الكاتب المسرحي (JavaScript)
اختبار (‘إعادة توجيه تسجيل الدخول إلى لوحة القيادة’ ، async ({page}) => {
انتظر page.goto (‘
انتظر page.fill (“# البريد الإلكتروني” ، “user@example.com”) ؛
انتظر على الصفحة.
انتظر page.click (“# connection”) ؛
انتظر حتى انتظر (الصفحة). tohaverl (‘
}) ؛
بعد ذلك ، يمكن تخزين هذا البرنامج النصي ، وتنفيذ كمكون اختبار للاختبارات ودمجه في عمليات CI / CD.
مزايا استخدام NLP في أتمتة حالات الاختبار
تعد إجراءات AQ المبسطة والتعاون المحسّن بين الموظفين الفنيين وغير الفنيين من أهم مزايدين لتكامل NLP في أتمتة الاختبار. من خلال السماح للمستخدمين بإنشاء وتحليل حالات الاختبار باللغة الإنجليزية البسيطة ، يساعد NLP المستخدمين في ملء الفجوة بين البرامج النصية القابلة للتنفيذ ومنطق الأعمال.
فيما يلي كيف يحول NLP ممارسات الاختبار التقليدية –
يبسط إنشاء اختبارات لجميع أعضاء الفريق
يلغي NLP الحاجة إلى كتابة حالات الاختبار بلغات البرمجة المعقدة. إذا قمت ببساطة بتحديد خطوات الاختبار ، مثل “تأكد من أن زر الاتصال يذهب إلى لوحة القيادة” ، فإن الذكاء الاصطناعى سيقوم بإنشاء برنامج نصي كامل قابل للتنفيذ يمكن للمختبرين ومديري المنتجات والمحللين التجاريين استخدامه ، مما يسهل فهم اختبارات الاختبارات لغير البرامج.
يتسارع دورات تطوير الاختبار
NLP يقلل بشكل كبير من وقت إنشاء الاختبار عن طريق أتمتة تحويل قصص المستخدم أو مستندات المتطلبات في حالة إجراء اختبار منظم. يمكن للفرق الآن اتباع دورات التحرير السريعة ، لأن ما كان يستخدم ساعات لتطويره يدويًا يمكن الآن توليده في بضع ثوان.
يحسن التعاون الوظيفي
يمكن لمهندسي AQ وأصحاب المصلحة التنظيمية العمل معًا بسهولة أكبر ، وذلك بفضل NLP. الفرق التقنية والتنظيمية ليست ضرورية لترجمة الاختبارات أو تفسيرها لأنها مكتوبة بتنسيق قابلة للقراءة من قبل البشر. باستخدام نفس “لغة الاختبار” ، يمكن للجميع التواصل بشكل أكثر وضوحًا وتجنب سوء الفهم.
يقلل من الصيانة العامة للنصوص
غالبًا ما تنهار البرامج النصية اختبار عندما تتغير عناصر واجهة المستخدم أو تتطور تدفقات العمل. يمكن للمختبرين تجنب إمكانية إجراء الاختبارات المعيبة وحفظ ساعات الصيانة اليدوية باستخدام حلول تعتمد على NLP والتي يمكنها التعرف على هذه التغييرات بذكاء وتعديل البرامج النصية تلقائيًا.
يحسن تغطية وجودة الاختبارات
يمكن لـ AI المقدمة من PNL العثور على فجوات في تغطية الاختبار والتوصية بمزيد من سيناريوهات الاختبار من خلال فحص قصص المستخدم والمتطلبات الوظيفية وبيانات العيوب التاريخية. المزيد في اختبارات العمق وزيادة التأمين في نتيجة نهاية النهاية.
حالات استخدام العالم الحقيقي لـ NLP في أتمتة الاختبار
NLP ليست مجرد فكرة مستقبلية. تستخدم فرق ضمان الجودة حاليًا لتطوير عمليات الاختبار وتحسينها. ينشئ NLP حالات استخدام جديدة تتسارع وتحسين الذكاء وتوسيع الأتمتة عن طريق ترجمة اللغة البشرية إلى منطق اختبار قابل للاستخدام.
فيما يلي بعض الطرق العملية التي يستأنف NLP أتمتة الاختبارات:
توليد الاختبارات بناءً على المتطلبات
يمكن للأدوات ذات إمكانات NLP إنشاء حالات اختبار تلقائيًا عن طريق مسح قصص المستخدم أو المواصفات الوظيفية أو متطلبات المنتج. يتضمن الذكاء الاصطناعى الهدف من المتطلبات ويولد مجموعة من حالات الاختبار. تتوافق حالات الاختبار هذه للخصائص التي تم وصفها ، مما يضمن تغطية أكبر وتقليل كمية العمل اليدوي اللازم لترجمة كل سطر إلى منطق اختبار.
مساعدي اختبار المحادثة
توفر بعض المنصات الآن واجهات القط أو حقول الدخول الميداني. يمكن للمختبرين كتابة أوامر مثل:
“قم بإنشاء اختبار لتسجيل المستخدم بكلمة مرور مفقودة”
يتضمن محرك NLP السيناريو ويقوم على الفور بإنشاء الخطوات ومدخلات البيانات ومنطق التحقق من الصحة المطلوب لإنشاء الاختبار الكامل. يتيح هذا النهج المحادثة تفاعل أسرع وأكثر سهولة مع أدوات التشغيل الآلي ، حتى بالنسبة لأولئك الذين لديهم الحد الأدنى من المعرفة الفنية.
الاختبار التلقائي للاختبار البرامج النصية
يمكن أن تعمل NLP أيضًا في الاتجاه المعاكس – ترجمة البرامج النصية للاختبار المعقدة إلى أوصاف قابلة للقراءة والإنجليزية. هذا مفيد للغاية لمسارات التدقيق وآراء أصحاب المصلحة وتكامل الفريق. تضمن الوثائق التي تم إنشاؤها تلقائيًا أنه حتى أصحاب المصلحة غير الفنيين يفهمون ما يفعله الاختبار ولماذا.
تحليل تقارير المستنقعات واقتراحات الاختبار
يمكن لخوارزميات NLP فحص تقارير الأخطاء أو تذاكر الدعم السابقة أو الصحف المعيبة لإيجاد النماذج والمشاكل المتكررة. لمنع نقاط الضعف المماثلة من الهروب في المستقبل ، يمكنهم استخدام هذه المعلومات لاقتراح سيناريوهات اختبار جديدة أو تحسين تلك الموجودة بالفعل.
أفضل الممارسات لاستخدام NLP في أتمتة الاختبار
لتحقيق أقصى استفادة من NL QA NLP ، يجب أن تتبع الفرق هذه الممارسات:
- اكتب سيناريوهات واضحة ومنظمة
استخدم جمل بسيطة ومشكل جيد عند إنشاء مدخلات لغة طبيعية. تجنب صياغة غامضة أو معقدة للغاية.
- التحقق من صحة جميع المخرجات التي تم إنشاؤها بواسطة AI-AI
راجع دائمًا مراحل الاختبار والمنطق قبل تشغيلها. استخدم الذكاء الاصطناعى كمساعد – ليس ليحل محل خبرة AQ.
- تغذية المعلومات السياقية
توفير بيانات إضافية مثل تدفقات المستخدم أو معايير القبول أو لقطات شاشة واجهة المستخدم لمساعدة أدوات NLP على إنشاء حالات اختبار أكثر تحديدًا.
- ابدأ بالمشاريع التجريبية
إدخال أدوات PNL تدريجياً – اذهب مع اختبارات الانحدار أو الدخان قبل تطبيقها على الوظائف الحرجة.
- تجمع مع الأتمتة التقليدية
على الرغم من أن أدوات PNL يمكن أن تكون فعالة للغاية ، إلا أن تركيبتها مع الإطارات القائمة على الكود يضمن قدرًا أكبر من المتانة والمرونة.
يقوم NLP بإنتاج أتمتة الاختبارات من خلال السماح للأدوات بتحويل المتطلبات إلى لغة بسيطة إلى نصوص اختبار قابلة للتنفيذ. هذا يجعل إنشاء حالات اختبار أسرع وأكثر سهولة وأقل اعتمادًا على الترميز اليدوي. ومع ذلك ، فإن توليد البرامج النصية للاختبار هو البداية فقط – تقييمها في بيئات المستخدم في العالم الحقيقي هو المكان الذي يوجد فيه التحدي الحقيقي.
هذا هو المكان الذي تصبح فيه اختبارات السحابة ضرورية. تقوم المنصات المستندة إلى مجموعة النظراء بإلغاء قيود البنية التحتية وتسمح لهذه الاختبارات بتمديد بفعالية ، خاصة في خطوط أنابيب CD / CD السريعة.
تلعب المنصات السحابية مثل Lambdatest دورًا رئيسيًا في هذا النظام الإيكولوجي من خلال تقديم بنية أساسية سحابية قوية تدعم المديرين التنفيذيين مثل السيلينيوم والسرو والكاتب المسرحي. يتيح التنفيذ الموازي على 3000+ مجموعات متصفح ونظام التشغيل وأكثر من 10000 جهاز حقيقي مع توفير معلومات تصحيح غنية مع الصحف ولقطات الشاشة وتسجيلات الفيديو. تعبر البرامج النصية التي تم إنشاؤها بواسطة AI مجموعة واسعة من المتصفحات والأجهزة وإصدارات نظام التشغيل لضمان الدقة والموثوقية.
هناك عدة أدوات اختبار الذكاء الاصطناعي بواسطة lambdatest مفيدة في مثل هذه الحالات. بالنسبة للفرق التي تتبنى الأتمتة التي تغذيها PNL ، فإن Lambdatest بمثابة طبقة مثالية لتنفيذ حالات الاختبار والتحليل إليها وتحليلها من قبل الذكاء الاصطناعي الكبير.
Kaneai تم تطويره مؤخرًا بواسطة Lambdatest هو منصة وكيل QA بواسطة Genai AS-AA-Service. باستخدام اللغة الطبيعية ، يسمح المنصة للفرق بإنشاء اختبارات وتصحيحها وتطورها باستخدام اللغة الطبيعية. تم تصميم Kaneai لفرق هندسة عالية السرعة عالية السرعة التي يتم دمجها بسلاسة مع بقية عروض Lambdatest حول التزامن والتنفيذ وتحليل الاختبار.
التأملات النهائية
أتمتة الاختبارات تخضع لثورة بفضل NLP. تعمل فرق ضمان الجودة بشكل أسرع ، وتعاون بشكل أكثر كفاءة وتنتج برامج عالية الجودة من خلال السماح بمشاركة المحادثة مع أدوات الاختبار ، وتوليد الاختبارات الذكية وكتابة اختبارات اللغة الطبيعية.
سيصبح استخدام أدوات اختبار الذكاء الاصطناعى بدافع من PNL أمرًا بالغ الأهمية لأن المزيد والمزيد من الفرق تتبنى أساليب منظمة العفو الدولية للبقاء تنافسية في بيئة تسليم عالية السرعة. ستكون الاختبارات في المستقبل ذكية وقابلة للتكيف وتركز على اللغة بالإضافة إلى كونها آلية.
