Agen AI dalam Pengujian: Mengapa Hasil Kuat Berasal dari Rangkaian Teknik, Bukan Perintah
National Institute of Standards and Technology
International Organization for Standardization
IEEE
International Software Testing Qualifications Board
Sebuah metodologi untuk agen AI dalam pengujian diusulkan, beralih dari ketergantungan pada perintah dan model. Rangkaian teknik mencakup aturan wajib, pelaksana deterministik, dan model eksplisit dari hasil yang diharapkan, memastikan hasil yang dapat diverifikasi, direproduksi, dan berguna.
Artikel ini menjelaskan pendekatan untuk membangun agen AI untuk pengujian yang tidak bergantung pada data input ideal atau tebakan yang dihasilkan model. Sebagai gantinya, agen mengumpulkan bukti yang tersedia, membangun model penerimaan eksplisit, memverifikasinya melalui beberapa cara independen (API, basis data (DB), antarmuka pengguna (UI)), mendokumentasikan batasan pengetahuan, dan menyerahkan keputusan akhir kepada manusia. Sirkuit rekayasa ini mencakup keterampilan skenario, aturan keselamatan, konfigurasi proyek, eksekutor deterministik, dan rantai bukti. Metodologi pengujian utama meliputi pengujian berbasis risiko (memprioritaskan modul kritis), pengujian eksploratori (bekerja dengan persyaratan yang tidak lengkap), pengujian kriteria penerimaan dengan oracle independen (ekspektasi teramati yang dirumuskan sebelumnya), pemikiran sistem/integrasi (melacak rantai status), dan klasifikasi batasan (tidak menghukum tugas untuk pekerjaan terkait yang belum selesai). Artikel ini menekankan bahwa kualitas respons agen ditentukan bukan oleh model, melainkan oleh sirkuit verifikasi.
Sumber: Habr — хаб ИИ —
asli