Имплементација агентске вештачке интелигенције у детерминистичкој аутоматизацији тестирања са ЛангЦхаин-ом и ДСПи-ом

Имплементација агентске вештачке интелигенције у детерминистичкој аутоматизацији теста са ЛангЦхаин-ом и ДСПи

Увод

Све већа сложеност софтверских система учинила је аутоматизацију тестирања кључним аспектом развоја софтвера. Традиционални оквири за аутоматизацију тестирања ослањају се на скриптне приступе, који могу бити крхки и тешки за одржавање. Последњих година, појава агентске вештачке интелигенције и алата за оркестрацију отворила је нове могућности за аутоматизацију сложених сценарија тестирања. У овом чланку ћемо истражити укрштање агентске вештачке интелигенције, алата за оркестрацију и софтверског инжењерства да бисмо аутоматизовали сложене тестне сценарије користећи ЛангЦхаин и ДСПи.

Шта је Агентиц АИ?

Агентска АИ се односи на врсту вештачке интелигенције која је дизајнирана да предузима радње у име корисника или система. Агентски АИ системи су способни да доносе одлуке, уче из искуства и прилагођавају се новим ситуацијама. У контексту аутоматизације тестирања, Агентиц АИ се може користити за аутоматизацију сложених сценарија тестирања симулацијом интеракција корисника, доношењем одлука на основу података теста и прилагођавањем променљивим условима тестирања.

Шта је ЛангЦхаин?

ЛангЦхаин је оркестрациони алат отвореног кода који омогућава програмерима да граде сложене АИ системе користећи различите програмске језике, укључујући Питхон, Руст и Го. ЛангЦхаин обезбеђује флексибилну и модуларну архитектуру која омогућава програмерима да интегришу различите компоненте вештачке интелигенције, као што су обрада природног језика (НЛП) и компјутерски вид, како би изградили софистициране АИ системе.

Шта је ДСПи?

ДСПи је Питхон библиотека која пружа скуп алата за изградњу и примену АИ система. ДСПи је дизајниран да ради беспрекорно са ЛангЦхаин-ом и пружа низ функција, укључујући обраду података, машинско учење и дубоко учење.

Имплементација агентске АИ у детерминистичкој аутоматизацији тестова

Да бисмо имплементирали Агентиц АИ у детерминистичку аутоматизацију тестирања, можемо да користимо ЛангЦхаин и ДСПи да бисмо изградили оквир за аутоматизацију тестирања који симулира интеракције корисника, доноси одлуке на основу података теста и прилагођава се променљивим условима тестирања.

Ево једноставног примера како можемо да користимо ЛангЦхаин и ДСПи да аутоматизујемо тест сценарио:

импорт лангцхаин
фром лангцхаин.цхаинс импорт ЛЛМЦхаин
из лангцхаин.ллмс импорт ДСПиЛЛМ


тест_сценарио = {
    "усер_инпут": "пријава",
    "екпецтед_оутпут": "пријава је успела"
}

# Дефинишите агента АИ агента
агент = ЛЛМЦхаин(
    ллм=ДСПиЛЛМ(),
    инпут_типе="текст",
    оутпут_типе="текст"
)

# Дефинишите функцију аутоматизације тестирања
деф тест_аутоматион(тест_сценарио):
    # Симулирајте интеракцију корисника
    усер_инпут = тест_сценарио["усер_инпут"]
    # Донесите одлуку на основу података теста
    одлука = агент.рун(усер_инпут)
    # Прилагодите се променљивим условима тестирања
    ако је одлука == "пријава успешна":
        принт("Тест је прошао")
    остало:
        принт("Тест није успео")

# Покрените функцију аутоматизације тестирања
тест_аутоматион(тест_сценарио)

У овом примеру дефинишемо тест сценарио који укључује симулацију интеракције корисника, доношење одлуке на основу података теста и прилагођавање променљивим условима тестирања. Затим дефинишемо агента АИ агента користећи ЛангЦхаин и ДСПи и користимо га за аутоматизацију сценарија тестирања.

Топ 5-10 најчешће коришћених команди/исјечака

Ево 5-10 најчешће коришћених команди/исјечака за ЛангЦхаин и ДСПи:

1. лангцхаин.ЛЛМЦхаин(ллм=ДСПиЛЛМ()): Креира агента АИ користећи ЛангЦхаин и ДСПи.
2. ДСПиЛЛМ(): Иницијализује ДСПи ЛЛМ (модел великог језика) инстанцу.
3. ЛЛМЦхаин(инпут_типе="тект", оутпут_типе="тект"): Креира агента АИ агента са типовима уноса и излаза текста.
4. агент.рун(усер_инпут): Покреће Агентиц АИ агент са корисничким уносом.
5. тест_сценарио = {"усер_инпут": "логин", "екпецтед_оутпут": "пријава успешна"}: Дефинише тест сценарио са корисничким уносом и очекиваним излазом.
6. лангцхаин.цхаинс.ЛЛМЦхаин(ллм=ДСПиЛЛМ()): Креира агента АИ користећи ЛангЦхаин и ДСПи.
7. ДСПиЛЛМ().предицт(усер_инпут): Предвиђа излаз ДСПи ЛЛМ-а са корисничким уносом.
8. ЛЛМЦхаин(инпут_типе="тект", оутпут_типе="тект").рун(усер_инпут): Покреће агента АИ са типовима уноса и излаза текста.
9. тест_аутоматион(тест_сценарио): Покреће функцију аутоматизације теста са тестним сценаријем.
10. лангцхаин.цхаинс.ЛЛМЦхаин(ллм=ДСПиЛЛМ()).рун(усер_инпут): Покреће Агентиц АИ агент са корисничким уносом.

Визуелизација

Ево визуелизације агента Агентиц АИ користећи Цхарт.јс:

{
  "тип": "бар",
  "подаци": {
    "ознаке": ["Унос корисника", "Одлука", "Прилагодба"],
    "сетови података": [
      {
        "лабел": "Агент АИ Агент",
        "подаци": [10, 20, 30],
        "бацкгроундЦолор": "ргба(255, 99, 132, 0.2)",
        "бордерЦолор": "ргба(255, 99, 132, 1)",
        "бордерВидтх": 1
      }
    ]
  },
  "опције": {
    "наслов": {
      "приказ": истина,
      "тект": "Агент АИ Агент"
    },
    "вага": {
      "иАкес": [
        {
          "крпељи": {
            "бегинАтЗеро": истина
          }
        }
      ]
    }
  }
}

Ова визуелизација показује перформансе агента Агентиц АИ у симулацији интеракција корисника, доношењу одлука на основу података теста и прилагођавању променљивим условима тестирања.

Закључак

У овом чланку смо истражили укрштање агентске вештачке интелигенције, алата за оркестрацију и софтверског инжењеринга да бисмо аутоматизовали сложене тестне сценарије користећи ЛангЦхаин и ДСПи. Имплементирали смо једноставан пример Агентиц АИ у детерминистичкој аутоматизацији тестова и обезбедили низ команди/исјечака за ЛангЦхаин и ДСПи. Такође смо визуелизовали перформансе агента Агентиц АИ користећи Цхарт.јс. Користећи Агентиц АИ и Орцхестратион Тоолс, програмери могу да изграде софистициране оквире за аутоматизацију тестирања који симулирају интеракције корисника, доносе одлуке на основу података теста и прилагођавају се променљивим условима тестирања.