Ogni volta che arriva un'ondata di licenziamenti, sono sempre le posizioni di prova a sopportare il peso dell'attacco. Tuttavia, quando l'azienda perde i suoi tester professionisti, diventa il product manager a soffrire, destreggiandosi tra le responsabilità del prodotto e agendo come tester temporanei. Soprattutto per i clienti più esigenti, i product manager devono scrivere casi di test dettagliati e i prodotti che mancano di competenze di test professionali spesso cadono in un dolore infinito.

Di fronte a una situazione del genere, Xiao Ming ha deciso di reagire e utilizzare l'intelligenza artificiale per sviluppare un generatore di istanze di test intelligente che consentisse ai product manager di alleviare facilmente la tragica situazione di "essere testati".

Passaggio 1: lascia che l'IA si lasci volare

Quando usiamo l'intelligenza artificiale per sviluppare gadget, possiamo cambiare il modo di pensare allo sviluppo. Tradizionalmente, i nostri progetti di sviluppo di solito richiedono un brainstorming per creare mappe mentali per chiarire i dettagli di ogni fase; Ma quando sviluppiamo con l'intelligenza artificiale, possiamo saltare completamente questo passaggio.

Dopotutto, l'attuale potenza di calcolo e le capacità di comprensione dell'IA sono ancora limitate, il che non è adatto per una pianificazione e una progettazione eccessivamente complesse nella fase iniziale, e non è necessario forzare troppe regole e regolamenti affinché l'IA aumenti le dimensioni. Lascia che l'IA giochi liberamente per prima cosa, crea una versione iniziale del generatore di istanze di test, guarda le idee e le implementazioni dell'IA e poi regola e ottimizza in base all'effetto reale.

In questo modo, non solo riduciamo il carico di lavoro iniziale, ma realizziamo anche appieno il potenziale creativo dell'IA, evitiamo di porre richieste troppo elevate all'IA nella fase di avvio e rendiamo il processo di sviluppo più efficiente, più facile e più creativo. (Ho dimenticato di dire che l'intelligenza artificiale deve adattarsi all'interfaccia API deespeek, perché usarlo, perché Xiao Ming ha addebitato denaro)

Passaggio 2: perfezionare i requisiti e ripianificare

Dopo aver visto la soluzione preliminare e l'effetto dell'interfaccia fornito dall'intelligenza artificiale, possiamo ottimizzare ulteriormente il piano in combinazione con il pensiero manuale:

La realtà attuale è che, in qualità di product manager, l'autorizzazione alla lettura delle pagine dell'IA è limitata a una singola pagina e non possiamo inserire sottopagine. Allo stesso tempo, per il momento non abbiamo bisogno dell'intelligenza artificiale per i test e le verifiche a livello di codice.

Pertanto, possiamo adattare il nostro modo di pensare e ridefinire gli obiettivi della missione:

• Innanzitutto, lascia che l'IA legga direttamente il link all'immagine del prototipo del prodotto (una singola pagina) che forniamo.
• Quindi, per questa pagina del prototipo, l'intelligenza artificiale genera automaticamente lo schema del caso di test corrispondente.

Passaggio 3: Continua a testare e iterare in profondità

Durante l'uso, abbiamo scoperto che anche se l'IA viene fornita esplicitamente con un collegamento all'immagine del prototipo, a causa dell'accesso limitato dell'IA, può comunque leggere solo una singola pagina e non può approfondire le sottopagine o i dettagli dell'interazione.

A questo punto, in qualità di product manager, dobbiamo utilizzare le nostre capacità di risoluzione dei problemi per rispondere in modo flessibile ai limiti:

• Possiamo utilizzare lo strumento Axure per esportare l'intera pagina del prototipo come file HTML;
• Quindi, carica il file HTML esportato direttamente nell'intelligenza artificiale;
• Leggendo e analizzando il file HTML caricato, l'intelligenza artificiale può comprendere chiaramente la struttura della pagina, la logica di interazione e i vari moduli funzionali.
• Alla fine, sulla base di un'analisi approfondita dei file HTML, l'intelligenza artificiale produrrà automaticamente soluzioni di test case più accurate, complete e utilizzabili.

Nel processo di continuare a utilizzarlo, abbiamo scoperto che i casi di test generati direttamente dall'intelligenza artificiale spesso non sono professionali e dettagliati e non sono adatti per i test diretti. Inoltre, non abbiamo bisogno dell'intelligenza artificiale per fornire risultati di test specifici o conclusioni di analisi per il prototipo stesso.

Sulla base di ciò, possiamo adeguare ulteriormente la strategia:

• L'intelligenza artificiale non è più autorizzata a produrre direttamente risultati di casi di test specifici;
• Invece, lascia che l'intelligenza artificiale generi un modello di test case professionale, ben strutturato e standardizzato;
• Il modello generato dall'intelligenza artificiale viene consegnato a uno stagista o a un assistente di prodotto, che esegue test manuali basati sul modello e sul diagramma del prototipo per verificare la funzionalità della pagina e la logica di interazione uno per uno.
• Infine, dategli un modello di caso d'uso, altrimenti non sarà in grado di inventarlo da solo.

Passaggio 4: continua a far volare l'IA

Quando ci sentiamo persi o temporaneamente privi di ispirazione per la prossima direzione di iterazione del prodotto, possiamo provare a lasciare che l'IA fornisca prima alcune soluzioni di ottimizzazione, valutarle e rivederle e trovare possibile ispirazione da esse.

Tuttavia, attraverso il funzionamento pratico, abbiamo anche scoperto che la maggior parte delle soluzioni fornite dall'IA in questa fase non hanno un alto valore pratico e spesso producono persino suggerimenti non validi o irragionevoli. Pertanto, la direzione iterativa e il processo decisionale di base del prodotto in questa fase richiedono ancora che i nostri product manager formulino giudizi basati sulla propria esperienza, professionalità e profonda comprensione del business.

In altre parole, dovremmo pensare all'IA come a uno strumento ausiliario o a una fonte di ispirazione, piuttosto che a una decisione basata su di essa. Una soluzione di pianificazione del prodotto di alta qualità dipende ancora dalle capacità professionali del product manager, dall'accumulo di esperienza e dalla comprensione approfondita delle esigenze degli utenti.

Infine: Pensiero iterativo di follow-up

Originariamente abbiamo sviluppato questo "generatore di casi di test" per alleviare la mancanza di tester professionisti dell'azienda. Ora, abbiamo inizialmente implementato la generazione automatica di modelli di casi di test standardizzati da parte dell'intelligenza artificiale e l'esecuzione manuale di test da parte di stagisti o assistenti di prodotto.

Ma per chiudere davvero il cerchio dei test automatizzati e migliorare ulteriormente l'efficienza, dobbiamo continuare a iterare e sviluppare un nuovo strumento specifico per i test automatizzati. L'idea specifica è la seguente:

• Per risolvere il problema delle restrizioni di accesso a pagina singola AI:Poiché l'IA stessa non può fare clic attivamente sul collegamento per accedere alla sottopagina, possiamo impostare un intervallo di estensione del dominio specifico e lasciare che l'IA realizzi la lettura e l'analisi in batch di più pagine indicando chiaramente all'IA l'intervallo del nome di dominio a cui è autorizzata ad accedere.
• Automatizza i casi di test generati dall'intelligenza artificiale:Carichiamo la soluzione standardizzata del caso di test generata dalla fase precedente nell'IA e la lasciamo utilizzare come base per eseguire automaticamente fasi di test specifiche all'interno dell'intervallo di nomi di dominio consentito, rilevando la funzionalità della pagina, la logica di interazione, le anomalie, ecc.
• L'intelligenza artificiale produce un rapporto dettagliato sui risultati del test:Dopo aver automatizzato i casi di test, l'intelligenza artificiale genererà rapporti dettagliati sui risultati dei test, segnalerà i superamenti, gli errori o le anomalie dei test e individuerà chiaramente i problemi, in modo che i product manager o gli sviluppatori possano comprendere rapidamente i problemi e risolverli in tempo.
• Infine, viene realizzato un test automatizzato completo a circuito chiuso:Attraverso le iterazioni di cui sopra, possiamo finalmente ottenere un processo completo a circuito chiuso di test automatizzati dell'intelligenza artificiale:

L'intelligenza artificiale genera automaticamente casi di test → l'intelligenza artificiale esegue automaticamente i casi di test → l'intelligenza artificiale emette automaticamente rapporti sui risultati dei test → conferma e risolve manualmente i problemi → l'ottimizzazione iterativa