Yazılım testlerinde hedef odaklı otonom ajan dönemi başlıyor
Öne çıkanlar
- Otonom test ajanları sabit komutlar yerine verilen hedefe ulaşmak için sistemi dinamik olarak analiz ediyor.
- Meta'nın TestGen-LLM aracının ürettiği testlerin yüzde 25'i kod kapsamını artırıp boru hattını geçti.
- Uber'de yeni testlerin dokuzda birini yazan AutoCover sistemi Python'da yüzde 80, Java'da yüzde 20 başarı sağladı.
- Airbnb 3 bin 500 test dosyasının modernizasyonunu manuel 1,5 yıl yerine altı haftada tamamladı.
Yazılım test süreçlerinde adımları tek tek kodlamak yerine doğrudan nihai hedefi yapay zeka ajanlarına tanımlayan otonom test yaklaşımı yaygınlaşıyor. Geleneksel betik testleri arayüzdeki en küçük isim veya yapı değişikliğinde kırılırken, otonom ajanlar erişilebilirlik ağaçlarını, API şemalarını ve kod çağrı grafiklerini tarayarak hedefe giden yeni yolları dinamik biçimde buluyor.
Meta, Uber ve Airbnb gibi teknoloji devleri bu yaklaşımı üretim ortamlarında test üretim ve dönüştürme süreçlerine dahil etti. Meta'nın TestGen-LLM sistemiyle ürettiği testlerin yalnızca yüzde 25'i kod kapsamını artırarak kabul aşamasına ulaştı. Benzer şekilde Uber'in AutoCover altyapısı yeni testlerin yaklaşık dokuzda birini üretirken, başarı oranları dil bağımlılıklarına göre Python'da yüzde 80'e çıkarken Java'da yüzde 20 seviyesinde kaldı.
Uzmanlar, test oluşturma ve onarım aşamalarında ajanlardan yararlanılmasını ancak doğrulama mantığının CI boru hatlarında deterministik kod olarak işletilmesini öneriyor. Karar mekanizmasının doğrudan bir modele bırakılması durumunda test sonuçlarının tutarsızlaşabileceği ve CI işletim maliyetlerinin hızla artabileceği belirtiliyor.
Bu özet yapay zekâ ile hazırlanmıştır; ayrıntılar ve doğrulama için orijinal kaynağa başvurun.