Zamislite mi ovo: ako vaš test suite slomi svaki put kada se pokrene dugme, div menja, ili - bogovi zabranjuju - A / B test radi, da li je to stvarno testiranje bilo šta? Ako ste morali da napravite pauzu, šanse su da vaš tim - kao i većina inženjerskih timova - troši mnogo vremena popravljajući i održavajući testove zasnovane na skriptima koji se raspadaju sa svakom promjenom UI. Srećom, uz AI u toku rada, ciklusi oslobađanja završeni su, korisnički interfejs se ne slomi, i sve je u redu, zar ne? U ovom postu ćemo razdvojiti što je AI testiranje i kako QA agenti rade pod kapom - tako da možete odlučiti da li je to zapravo bilo kakva pomoć za vaš tim. Šta radi tradicionalna automatizacija ispitivanja To ide nešto poput: idite na ovaj URL, pronađite element sa specifičnim CSS selektorom, kliknite na njega, tvrdite da se ovaj tekst pojavljuje... Sve funkcioniše odlično, sve dok se vaš proizvod nikada ne promeni. Postoji nešto što se zove U osnovi, skripti se ne raspadaju samo zato što se interfejs korisnika mijenja, već i zato što se upute zaustavljaju. Timovi izvješćuju da troše 30%-40% svog vremena za razvoj održavajući postojeće testove umjesto da pronalaze i popravljaju prave bugove ili grade nove funkcije. samo je povećala trenje za održavanje dobrih testova. selector treadmill AI code generation Alati kao što su Cursor, Claude Code i Copilot pomažu kompanijama da isporučuju kod brže nego ikada ranije, ali više izlaza znači i više promjena UI po sprintu, više refaktora koda, više komponenti koje se prepisuju... Svaki od njih donosi rizik od prekida vašeg tokova rada testiranja. Prema A na platformama za automatizaciju, timovi visokih performansi bez odgovarajućeg QA rešenja doživljavaju oko 20 bugova po sprintu koji dostižu proizvodnju unutar dvotjednog ciklusa. Forrester TEI studija Nesretna stvarnost je da tradicionalna automatizacija testiranja donosi odličan povrat ulaganja (ROI) kada su stvari stabilne (isto Forrester istraživanje izvještava o 209% ROI u roku od tri godine za jednu od tih platformi). Ali to pretpostavlja pre-AI razinu stabilnosti razvoja koja više ne postoji. Umjesto da pomogne, skriptovani testovi brzo postaju obaveze. Počinju da vas usporavaju, jer ih održavanje ažurirano postaje posao sam po sebi. Uđite u agencijsko testiranje. Šta je agencijsko testiranje? Jednostavno rečeno, agentičko testiranje se fokusira na AI postizanje datog cilja. da biste testirali (kliknite ovo, tvrdite, onda to), kažete to Za provjeru. how what Evo primjera izjave: "Uvjerite se da korisnik može uspješno dodati M-size hoodie u košaricu i završiti plaćanje s GooglePay-om". Agent AI je zadužen za ostvarivanje tog cilja. S agentičkim testiranjem, agent QA prima cilj od korisnika, a zatim izračunava kako ga dovršiti unutar sistema. On naviga preko web, desktop ili mobilnih aplikacija i komunicira sa elementima. Zatim, on provjerava je li cilj zapravo postignut. Reakcija uzoraka Većina agentičkih sistema, uključujući i onaj koji smo izgradili na , slijedite ReAct uzorak: Tehnologija observe —> decide —> act —> evaluate Napomena: QA agent prvo gleda na trenutno stanje stranice, kako DOM tako i vizualni raspored. Odlučite ili razmislite: To je razlog o cilju. „Moram pronaći dugme ‘Dodaj u košaricu’. Postupak: Postupa kao da bi korisnik. Procjenjuje: Proverava da li je akcija radila i odlučuje šta da uradi dalje (ponavlja). Ovde govorimo o autonomnom sistemu koji razumije strukturalnu i vizualnu hijerarhiju web aplikacije i reciklira put koji bi korisnik preuzeo. Memorijski sloj Kreira strukturno razumijevanje vaše aplikacije prije pokretanja jednog testa.Naši agenti pregledavaju vašu web stranicu ili aplikaciju kako bi mapirali sve stranice, tokove, interaktivne elemente i odnose između elemenata u grafikon znanja. Tehnologija Razmislite o razlici između turista koji putuje gradom i mještana koji zna svaku ulicu po srcu. Obojica mogu ići od A do B, ali zbog svoje upoznatosti sa gradom, mještani znaju kako da uzmu prekratke i gde su mrtvi krajevi. Kako agentičko testiranje funkcioniše u praksi Prije nego što napišete jedan test, agent pregledava vašu aplikaciju. QA.tech to zove , koji je u osnovi agenti samostalno istraživanje vašu aplikaciju za mapiranje i razumevanje korisničkih tokova i UI elemenata. epistemic foraging Pokušaj Pišete jednostavan i prirodan poziv da kažete agentu koji je krajnji cilj, kao što je "Potvrdite da korisnik može uspješno pretraživati, pregledati, pregledati i rezervisati nekretninu." Otkriće Agent zatim učitava aplikaciju koristeći strukturu koju je već naučio tokom pregledavanja.Sada kada ima mapu stranica i elemenata, može početi tražiti početnu stranicu, karakteristike svojstava pretraživača, dugmad za rezervaciju i svaku drugu potrebnu opciju na način na koji bi ljudski korisnik. Izvršenje Flow Ako se nešto desi neočekivano, poput neželjenog prijedloga, agent to vidi, shvata da je to prepreka cilju i zatvara ga. Pretpostavke Nakon što je protok završen, agent procjenjuje prolaz ili neuspjeh na temelju toga da li je cilj postignut. Sada, uporedite ovaj rezultat s ekvivalentnim Playwright scenarij. Morate ići na , pronađite unos pretrage svojstva pomoću određenog selektora ili , unesite lokaciju, pokrenite pretragu, sačekajte da se stranica rezultata učita, kliknite na popis nekretnina, a zatim pronađite i pritisnite gumb za rezervaciju. /home page data-testid Sve funkcioniše, sve dok se ništa ne promeni. Čim se doda CAPTCHA, preimenuje test ID ili se proces rezervacije podeli na dodatne stranice, vratit ćete se u način održavanja. Šta čini automatizaciju agentičkog testiranja drugačijom od AI-asistiranog testiranja Iskreno, gomila alata koji se trguje kao AI test automatizacija su zapravo samo omotači koji generiraju skripte za zastarelu tehnologiju kao što je Playwright. Mi mislimo da je korištenje agencijske automatizacije na ovaj način samo korištenje AI-a na pogrešnoj paradigmi – rezultat korišćenja AI omotača je lošiji u poređenju sa AI agentima koji djeluju samostalno. Ciljno orijentiran: Testovi su usredotočeni na rezultate, a ne na proces implementacije i kako možete doći do toga. Perceptualno: Agent vidi vašu aplikaciju baš kao što bi pravi korisnik (vizualno + putem HTML-a). Ne oslanja se na selektore koje je stvorio pojedinac da bi se uputio na element. Ako pomaknete poziciju ili dugme „Primiti“ ili dodate dodatni korak kao A/B test, agent će moći da pronađe svoj put da dovrši cilj, čak i ako su se izvorni elementi pomaknuli ili se put promijenio. Self-evaluating: U agentičkom testiranju, agent određuje prolaz ili neuspjeh na osnovu toga je li utvrđeni cilj postignut. Kontinuirano učenje: Što više interakcije agent ima sa vašom aplikacijom, to bolje postaje pri prepoznavanju happy path scenarija i onoga što se smatra "normalnim" performansi zadataka za specifične komponente korisničkog sučelja. Kada je agencijsko testiranje (i nije) pravo Mislim da ne biste trebali baciti svaki scenarij napisan za Playwright koji posedujete sutra. Postoje određena područja u kojima je ovaj pristup zaista : strong fit Uslovi korišćenja od kraja do kraja (E2E): Sve što uključuje uključivanje, plaćanje, upravljanje računima i obavljanje svih CRUD aktivnosti; Regresijski kompleti: kontinuirano mijenjanje korisničkog okvira koji se oslobađa brže nego što možete ručno testirati; Brzo kretanje korisničkog okvira: Validacija novih izdanja na vrijeme. Kompleksni proizvodi: proizvodi u kojima je najbolji način da se potvrdi iskustvo bilo ručno testiranje, ali iz očiglednih razloga, to se ne događa dovoljno brzo. Međutim, u ovom trenutku, to je manje nego idealno rešenje za: Visoko interaktivne aplikacije, kao što su Notion. Webgl igre ili webgl-based UI su takođe teško za agente da testiraju. UI koji je vrlo dinamičan od sesije do sesije. Stvarnost je da većina timova o kojima govorimo koristi hibridni pristup. Oni se oslanjaju na skripte za male detalje i dopuštaju AI agentima da rukuju širokim i složenim korisničkim tokovima. Što se tiče toga, vidjeli smo da kompanije koje usvajaju agencijski QA dobijaju do 529% ROI sa 3-mjesečnim povratom. Uklanjanje Agentičko testiranje predstavlja potpuno drugačiji pristup od tradicionalnog okvira za testiranje, sa odnosom jedan prema jednom između vaših željenih ciljeva i vaših stvarnih rezultata. Ako vaš tim troši više vremena na održavanje test infrastrukture nego na pronalaženje pravih grešaka, agencijska automatizacija testova može vam pomoći da zatvorite taj jaz. Želite li ići dublje? Evo nekih korisnih materijala: Od ručnog do autonomnog QA: korak po korak vodič za tranziciju Je li QA automatizacija vrijedna toga? pravi ROI inteligentnog testiranja sa QA.tech i vidite kako naši agenti mogu validirati vaše kritične tokove za vaše sledeće izdanje. Knjiga i demo
