شركة TestMu AI تقدم حلقة "من المصدر إلى القرار النهائي" في Kane CLI، لتتبع كل متطلب وصولاً إلى قرار إطلاق مدعوم بأدلة قابلة للنقلتتبع Kane CLI الآن كل متطلب حتى تصل إلى قرار الإطلاق أو التأجيل، حيث تصمّم الاختبارات وتُشغّلها داخل متصفح حقيقي، ثم تُصدر حزمة .evidence مفتوحة يمكن للزملاء في الفريق ووكلاء الذكاء الاصطناعي والمدققين التحقق منها جميعًا، من دون الحاجة إلى خادم أو لوحة معلومات
سان فرانسيسكو ونويدا، الهند--(BUSINESS WIRE)-- قدمت شركة TestMu AI (المعروفة سابقًا باسم LambdaTest)، أول منصة هندسة جودة مدعومة بالذكاء الاصطناعي الوكيلي في العالم، حلقة "من المصدر إلى القرار النهائي" في Kane CLI، أداة الاختبار القائمة على اللغة الطبيعية. استنادًا إلى تطور Kane CLI من مجرد أداة لأتمتة المتصفح، تتبع هذه الحلقة متطلبًا للمنتج للوصول إلى قرار حاسم بخصوص الإطلاق، عبر كتابة الاختبارات وتشغيلها في المتصفح المحلي، وجمع الأدلة، وقياس مستوى التغطية بناءً على ما حدث فعليًا، ومن ثم إصدار القرار النهائي.
مع تولّي وكلاء الذكاء الاصطناعي مهمة كتابة الاختبارات وتشغيلها وإصلاحها، لم يعد مجرد ظهور علامة النجاح الخضراء كافيًا: فقد ينجح إجراء لا يتحقق من أي شيء، أو ينجح اختبار كُتب استنادًا إلى مواصفات تغيّرت قبل أسابيع، أو يعلن وكيل اكتمال المهمة ويجتاز مرحلة التحقق رغم أنَّ النقرة المطلوبة لم تُنفَّذ أصلاً. ويظهر النجاح الشكلي والنجاح الفعلي باللون الأخضر نفسه في كل لوحة معلومات، فيرتفع العدد بينما لا يتغير مستوى المخاطر. ومن هنا يأتي دور Kane CLI التي تسدّ هذه الفجوة، إذ تتبع كل متطلب وصولاً إلى القرار النهائي، وتثبت صحة كل خطوة في هذه العملية.
حلقة واحدة. من المصدر إلى القرار النهائي.
لم تعد بحاجة إلى إعطاء Kane CLI نصوص الاختبارات، ما عليك سوى تزويدها بمتطلباتك مباشرة. تُشكّل تسع مراحل مسارًا واحدًا قابلًا للتتبع:المصدر ← حالة استخدام الأعمال ← السيناريو ← معايير القبول ← test.md ← التنفيذ ← الأدلة ← التغطية ← القرار النهائي
يمثّل النصف الأول مرحلة هندسة الاختبارات التي يتولاها الذكاء الاصطناعي، بينما يمثّل النصف الثاني مرحلة الإثبات. والرقم النهائي يكون عبارة عن قراءة مأخوذة من الآلة مباشرة، وليس رقمًا أُدخل يدويًا أو تم افتراضه.
• استيعاب شامل. زوّد Kane CLI بمستند PRD أو تذكرة Jira أو مواصفات Confluence أو إطار Figma أو فيديو تجريبي، وستدرجها كلها ضمن سياق العمل؛ فلا توجد أداة أخرى تستمد متطلباتها من عقدة Figma أو ملف mp4.
• يصمّم الذكاء الاصطناعي الاختبارات، ويطرح الأسئلة عند الحاجة. يستخلص حالات الاستخدام التجاري، ويقسّم كل حالة إلى سيناريوهات، ويربط كل سيناريو بمعايير القبول، وعند وجود تعارض بين مصدرين، يتوقف ويسأل عن المصدر الأحدث بدلاً من التخمين.
• اختبارات يمكنك قراءتها، مرفق معها خريطة التغطية الخاصة بها. يكون الناتج ملف test.md بتنسيق Markdown بسيط وقابل للتحرير يدويًا، وتُحدّد فيه كل خطوة معيار القبول الذي تثبته. ثم إنَّ إمكانية تتبّع المتطلبات مدمجة أصلاً في النظام، وليست مجرد جدول بيانات منفصل مرفق بالاختبارات.
• التنفيذ الحتمي في متصفح حقيقي. إنَّ إنشاء الاختبارات يجري وفق أسلوب مرن قائم على الهدف؛ بينما تعتمد عملية التنفيذ على إعادة تشغيل خطوات مسجّلة مسبقًا من دون تدخل نموذج لغوي كبير (LLM) ضمن الحلقة، لضمان سلوك متسق في كل مرة. كما لا تنشط ميزة الإصلاح التلقائي إلا عند انحراف المنتج فعليًا عن حالته المتوقعة، ويمكن لمسارات الاختبار أن تتجاوز 50 خطوة.
• حزمة .evidence واحدة لكل عملية تشغيل. لا تقتصر المخرجات على لقطة شاشة وسجل فحسب، بل تغطي عملية التشغيل بأكملها: مسار تحرّك الوكيل، وبيانات الشبكة بصيغة HAR، وواجهة DOM التي ظهر فيها التباين، وسجل وحدة التحكم، والفيديو، وشرحًا للسبب الجذري لأي فشل. كما تُعرض في صورة صفحة تحتوي على مستويات، L0 للحد الأدنى، وL1 لإشارات التغطية والجودة، وL3 للتوقيع والتصديق وقيم التجزئة الخاصة بكل ملف.
• ثلاثة مؤشرات تقف خلف كل علامة نجاح. الدعم بالأدلة (هل كان النجاح حقيقيًا؟)، والموثوقية (هل نفّذ الوكيل الأمر فعلاً، إذ تظهر النقرة غير الفعّالة في صورة legit:false)، والحتمية (هل يمكن تكرار النتيجة؟).
• رقم تغطية قابل للانخفاض. يتم احتساب التغطية استنادًا إلى الحزمة، وليس بناءً على ما تدّعيه الأداة التي نفّذت الاختبار. ويُخفّض الوضع الصارم تصنيف الاختبارات التي نجحت بالاستناد إلى مواصفات تم تغييرها لاحقًا، فالنسبة المئوية التي يمكن أن تنخفض هي وحدها التي يمكن الوثوق بها عندما ترتفع.
• ثم تأتي مرحلة التوقيع. تُدمج نسبة التغطية، ومستوى الثقة، والمعايير غير المشمولة، والمصادر القديمة للتوصل إلى قرار نهائي واحد: الإطلاق أو التأجيل، ويُنشر هذا القرار كفحص إلزامي ضمن طلب السحب، مع إرفاق رابط الأدلة. وعليه، فالآلة تقدّم الأدلة، بينما يتخذ الإنسان القرار.
صرح Mudit Singh، أحد مؤسسي TestMu AI ورئيس قسم شؤون النمو، قائلاً: "أصبحت البرمجيات الآن تُطرح مع وجود وكلاء ذكاء اصطناعي ضمن الحلقة، يكتبون الاختبارات، ويُشغّلونها، ويُصلحون الأعطال. وقد صُمِّمت علامة النجاح الخضراء لعالمٍ كان فيه الإنسان يراجع كل سطر بنفسه؛ ولم تُصمَّم قط لتواكب وجود وكيل ذكاء اصطناعي ضمن الحلقة. وهنا يتجلى الدور الفعال لأداة Kane CLI، إذ تتبع كل متطلب وصولاً إلى قرار الإطلاق، وتُظهر خطواتها في سجل يمكن للزملاء في الفريق، ووكلاء الذكاء الاصطناعي، والمدققين الاعتماد عليه".
حزمة .evidence متاحة للجميع. لا تُحتجز الحزمة داخل لوحة معلومات، بل تُقدَّم في صورة ملفات YAML وMarkdown عادية، مع إمكانية تتبع الإصدارات، والمقارنة في Git، والقراءة على يد الأشخاص والوكلاء والمدققين. ويمكن للفرق اعتمادها من دون الحاجة إلى اعتماد Kane CLI نفسها، كما يمكن تحويل الحزم إلى تنسيقات التكامل المستمر (CI) مثل CTRF وJUnit. يمكنك اعتبارها النسخة المكافئة لملف PDF الخاص بأدلة الاختبارات.
نبذة عن TestMu AIتُعدّ TestMu AI (المعروفة سابقًا باسم LambdaTest) أول منصة هندسة جودة مدعومة بالذكاء الاصطناعي الوكيلي في العالم، إذ تساعد الفرق على بناء البرمجيات واختبارها وإصدارها بثقة في عصر يعتمد على الذكاء الاصطناعي، وذلك عن طريق الجمع بين إمكانات الاختبارات المستقلة والتحقق في العالم الحقيقي. لمزيد من المعلومات، الرجاء زيارة www.testmuai.com.
إن نص اللغة الأصلية لهذا البيان هو النسخة الرسمية المعتمدة. أما الترجمة فقد قدمت للمساعدة فقط، ويجب الرجوع لنص اللغة الأصلية الذي يمثل النسخة الوحيدة ذات التأثير القانوني.
جهات الاتصالجهة الاتصال الإعلاميةNikhil Saxenaمدير قسم الاتصالات المؤسسيةTestMu AInikhils@testmuai.com+91 9870981968المصدر: TestMu AI
© Business Wire, Inc.
Avertissement :
Ce communiqué de presse n’est pas un document produit par l’AFP. L’AFP décline toute responsabilité quant à son contenu. Pour toute question le concernant, veuillez contacter les personnes/entités indiquées dans le corps du communiqué de presse.