Hola a todos. Mi nombre es Daniel Ostrovsky, y hoy vamos a explorar las pruebas de extremo a extremo impulsadas por IA. Pero antes de sumergirnos, adelante y escanea este código de barras para seguirme en Twitter, Medium y YouTube. Puedes encontrarme como nanduh81. Gracias.
Y continuemos. Así que, primero que nada, un poco sobre mí. Soy un experto desarrollador de ciclo completo. Tengo más de 25 años de experiencia. Soy un orador público, escritor público en múltiples idiomas. Soy un colaborador de código abierto, mentor técnico, y nuevamente, escanea el código de barras y sígueme.
Así que vamos a sumergirnos directamente en los desafíos que enfrentamos cuando intentamos probar la UI con IA. Bien, ahora, a diferencia de las pruebas unitarias, donde podemos enviar el código fuente directamente a un LLM, lo que facilita que el modelo prediga cómo debería ser la prueba, las pruebas de UI son diferentes. Así que para las pruebas unitarias, herramientas como, ya sabes, Copilot y otras pueden generar una prueba en segundos porque tienen el contexto completo, el código fuente y la lógica que necesita ser probada. Y en la mayoría de los casos, funciona perfectamente porque el código y el contexto están claros. Pero cuando se trata de pruebas de UI, hay una gran capa de obstrucciones entre el código fuente y lo que realmente estamos probando, la UI renderizada.
Así que aquí está el camino. Comenzamos nuestro código que en realidad incluye HTML, CSS y TypeScript, ¿verdad? , que se transpilan a JavaScript. Luego se agrupa con herramientas como Webpack, Write y otras. Simplemente hace toda la transpolación, ya sabes, el agrupamiento y otras cosas. Bien. Unificaciones y todo. Y luego pasa a motores de renderizado como React y Angular que toman el control del navegador. Bien, finalmente, todo será renderizado por el navegador. Ahora, solo en ese punto, obtenemos los elementos visuales reales que necesitamos probar. Bien. Entonces, ¿dónde está el código fuente y qué es lo que realmente necesitamos probar? Es una gran diferencia. Así que si estamos hablando de un sitio web de comercio electrónico estándar o un blog o algo similar, la IA tiene mucho conocimiento existente del que obtener porque está entrenada en datos similares disponibles públicamente. Así que cuando enviamos datos a un LLM, el 80% del tiempo, puede generar pruebas de manera efectiva porque, ya sabes, la IA ya está familiarizada con los patrones existentes. Bien, pero ¿qué pasa si estás trabajando en algo de nicho, como una aplicación interna detrás de una autorización estricta o una herramienta que solo funciona en las instalaciones?
Comments