Setiap kali gelombang pemberhentian datang, ia sentiasa kedudukan ujian yang menanggung beban serangan. Walau bagaimanapun, apabila syarikat kehilangan penguji profesionalnya, ia menjadi pengurus produk yang menderita - menyulap tanggungjawab produk dan bertindak sebagai penguji sementara. Terutama untuk pelanggan yang menuntut, pengurus produk perlu menulis kes ujian terperinci, dan produk yang tidak mempunyai kemahiran ujian profesional sering jatuh ke dalam kesakitan yang tidak terhingga.

Berhadapan dengan kesulitan sedemikian, Xiao Ming memutuskan untuk melawan dan menggunakan AI untuk membangunkan penjana contoh ujian pintar yang akan membolehkan pengurus produk dengan mudah mengurangkan keadaan tragis "diuji".

Langkah 1: Biarkan AI membiarkan dirinya terbang

Apabila kita menggunakan AI untuk membangunkan alat, kita boleh mengubah pemikiran pembangunan. Secara tradisinya, projek pembangunan kita sendiri biasanya memerlukan sumbang saran untuk membuat peta minda untuk menjelaskan butiran setiap langkah; Tetapi apabila membangunkan dengan AI, kita boleh melangkau langkah ini sepenuhnya.

Lagipun, kuasa pengkomputeran semasa dan keupayaan pemahaman AI masih terhad, yang tidak sesuai untuk perancangan dan reka bentuk yang terlalu kompleks pada peringkat awal, dan tidak perlu memaksa terlalu banyak peraturan dan peraturan untuk AI meningkatkan dimensi. Biarkan AI bermain bebas terlebih dahulu, cipta versi awal penjana contoh ujian, lihat idea dan pelaksanaan AI sendiri, dan kemudian laraskan dan optimumkan mengikut kesan sebenar.

Dengan cara ini, kami bukan sahaja mengurangkan beban kerja pendahuluan, tetapi juga merealisasikan sepenuhnya potensi kreatif AI, mengelak daripada meletakkan permintaan yang terlalu tinggi pada AI dalam fasa permulaan, dan menjadikan proses pembangunan lebih cekap, lebih mudah dan lebih kreatif. (Saya terlupa untuk menyebut bahawa AI perlu menyesuaikan diri dengan antara muka API deespeek, mengapa menggunakan ini, kerana Xiao Ming telah mengenakan wang)

Langkah 2: Perhalusi keperluan dan rancang semula

Selepas kita melihat penyelesaian awal dan kesan antara muka yang diberikan oleh AI, kita boleh mengoptimumkan lagi pelan dalam kombinasi dengan pemikiran manual:

Realiti semasa ialah sebagai pengurus produk, kebenaran membaca halaman AI terhad kepada satu halaman, dan kami tidak boleh memasukkan sub-halaman. Pada masa yang sama, kami tidak memerlukan AI untuk ujian dan pengesahan peringkat kod buat masa ini.

Oleh itu, kita boleh menyesuaikan pemikiran kita dan mentakrifkan semula objektif misi:

• Mula-mula, biarkan AI membaca terus pautan ke imej prototaip produk (satu halaman) yang kami sediakan.
• Kemudian, untuk halaman prototaip ini, AI secara automatik menjana skema kes ujian yang sepadan.

Langkah 3: Teruskan menguji dan mengulangi secara mendalam

Dalam penggunaan, kami mendapati bahawa walaupun AI secara eksplisit disediakan dengan pautan ke imej prototaip, disebabkan akses terhad AI, ia masih hanya boleh membaca satu halaman dan tidak boleh menggerudi ke dalam sub-halaman atau butiran interaksi.

Pada ketika ini, sebagai pengurus produk, kita perlu menggunakan kemahiran menyelesaikan masalah kita untuk bertindak balas secara fleksibel terhadap batasan:

• Kita boleh menggunakan alat Axure untuk mengeksport halaman prototaip lengkap sebagai fail HTML;
• Seterusnya, muat naik fail HTML yang dieksport terus ke AI;
• Dengan membaca dan menghuraikan fail HTML yang dimuat naik, AI boleh memahami dengan jelas struktur halaman, logik interaksi dan pelbagai modul berfungsi.
• Akhirnya, berdasarkan analisis mendalam fail HTML, AI akan mengeluarkan penyelesaian kes ujian yang lebih tepat, komprehensif dan boleh digunakan secara automatik.

Dalam proses terus menggunakannya, kami mendapati bahawa kes ujian yang dijana secara langsung oleh AI selalunya tidak profesional dan terperinci, dan tidak sesuai untuk ujian langsung. Di samping itu, kami tidak memerlukan AI untuk memberikan keputusan ujian atau kesimpulan analisis khusus untuk prototaip itu sendiri.

Berdasarkan ini, kita boleh melaraskan lagi strategi:

• AI tidak lagi dibenarkan mengeluarkan keputusan kes ujian tertentu secara langsung;
• Sebaliknya, biarkan AI menjana templat kes ujian profesional, tersusun dengan baik dan piawai;
• Templat yang dijana AI diserahkan kepada pelatih atau pembantu produk, yang menjalankan ujian manual berdasarkan templat dan gambar rajah prototaip untuk mengesahkan fungsi halaman dan logik interaksi satu demi satu.
• Akhirnya beri dia templat kes penggunaan, jika tidak, dia tidak akan dapat menciptanya sendiri.

Langkah 4: Teruskan membiarkan AI terbang

Apabila kita berasa hilang atau kekurangan inspirasi buat sementara waktu untuk arah lelaran produk seterusnya, kita boleh cuba membiarkan AI menyediakan beberapa penyelesaian pengoptimuman terlebih dahulu, menilai dan menyemaknya, dan mencari kemungkinan inspirasi daripadanya.

Walau bagaimanapun, melalui operasi praktikal, kami juga mendapati bahawa kebanyakan penyelesaian yang disediakan oleh AI pada peringkat ini tidak mempunyai nilai praktikal yang tinggi, malah sering menghasilkan cadangan yang tidak sah atau tidak munasabah. Oleh itu, hala tuju berulang dan membuat keputusan teras produk pada peringkat ini masih memerlukan pengurus produk kami untuk membuat pertimbangan berdasarkan pengalaman, profesionalisme dan pemahaman mendalam mereka sendiri tentang perniagaan.

Dalam erti kata lain, kita harus menganggap AI sebagai alat tambahan atau sumber inspirasi, dan bukannya keputusan berdasarkannya. Penyelesaian perancangan produk yang benar-benar berkualiti tinggi masih bergantung pada keupayaan profesional pengurus produk sendiri, pengumpulan pengalaman dan pandangan mendalam tentang keperluan pengguna.

Akhir sekali: Pemikiran berulang susulan

Kami pada asalnya membangunkan "penjana kes ujian" ini untuk mengurangkan kekurangan penguji profesional syarikat. Kini, kami pada mulanya telah melaksanakan penjanaan automatik templat kes ujian piawai oleh AI, dan pelaksanaan ujian manual oleh pelatih atau pembantu produk.

Tetapi untuk benar-benar menutup gelung ujian automatik dan meningkatkan lagi kecekapan, kita perlu terus mengulangi dan membangunkan alat baharu khusus untuk ujian automatik. Idea khusus adalah seperti berikut:

• Untuk menyelesaikan masalah sekatan akses satu halaman AI:Memandangkan AI itu sendiri tidak boleh mengklik pautan secara aktif untuk memasuki subhalaman, kami boleh menetapkan julat sambungan domain tertentu, dan membiarkan AI merealisasikan pembacaan kumpulan dan analisis berbilang halaman dengan memberitahu AI dengan jelas julat nama domain yang dibenarkan untuk diakses.
• Automatikkan kes ujian yang dijana AI:Kami memuat naik penyelesaian kes ujian piawai yang dijana oleh peringkat sebelumnya kepada AI, dan membiarkannya menggunakannya sebagai asas untuk melaksanakan langkah ujian tertentu secara automatik dalam julat nama domain yang dibenarkan, mengesan fungsi halaman, logik interaksi, anomali, dsb.
• AI mengeluarkan laporan keputusan ujian terperinci:Selepas mengautomasikan kes ujian, AI akan menjana laporan keputusan ujian terperinci, membenderakan lulus ujian, kegagalan atau anomali, dan mengesan masalah dengan jelas, supaya pengurus produk atau pembangun boleh memahami masalah dengan cepat dan menyelesaikannya tepat pada masanya.
• Akhirnya, gelung tertutup ujian automatik yang lengkap direalisasikan:Melalui lelaran di atas, kita akhirnya boleh mencapai proses gelung tertutup lengkap ujian automatik AI:

AI menjana kes ujian secara automatik → AI melaksanakan kes ujian secara automatik → AI secara automatik mengeluarkan laporan keputusan ujian → mengesahkan dan membetulkan masalah secara manual → pengoptimuman berulang