سلنیوم در مقابل نمایشنامه نویس در مقابل هوش مصنوعی ویبیوم

نوعی اعتماد وجود دارد که از کسی که مخلوق خود را نابود می کند ناشی می شود.

جیسون هاگینز سلنیوم را در سال 2004 ایجاد کرد. این سلنیوم پایه و اساس کل صنعت شد. پروتکل WebDriver که او به ایجاد آن کمک کرد هنوز یک استاندارد W3C است که دو دهه بعد سهم عظیمی از اتوماسیون تست جهان را اجرا می کند. بنابراین، وقتی هاگینز کسی است که در Vibium AI، چارچوبی که بر این فرض ساخته شده است که اصلاً نباید اسکریپت‌های آزمایشی بنویسیم، ارزش توجه به آن را دارد – نه به این دلیل که برنده شدن او تضمین شده است، بلکه به این دلیل که بهترین فرد برای دانستن اینکه دقیقاً چه مشکلی در سلنیوم وجود دارد، همان کسی است که چنین می‌گوید.

این داستان واقعی پشت بحث سه جانبه فعلی در اتوماسیون تست است: سلنیوم، نمایشنامه‌نویس و هوش مصنوعی ویبیوم فقط سه ابزاری نیستند که برای یک شغل با هم رقابت می‌کنند. آنها سه دوره مختلف از یک سوال اساسی هستند – چقدر تست باید کد باشد و چه چیزی باید هدف باشد.

سلنیوم: چیزی که آن را به یک استاندارد تبدیل کرده است، چیزی است که آن را می شکند

معماری سلنیوم به گونه‌ای ساده است که در سال 2004 رادیکال بود و در سال 2026 به نظر می‌رسد: یک اسکریپت دستورات را از طریق WebDriver API به یک درایور مخصوص مرورگر می‌فرستد که آنها را در مرورگر واقعی اجرا می‌کند. این مدل مشتری-سرور به سلنیوم دسترسی بین مرورگرهای بی‌نظیر و دو دهه ابزارهای ساخته‌شده در جامعه را داده است. اگر مشکل شما مبهم است – ساخت قدیمی اینترنت اکسپلورر، یک پیکربندی عجیب و غریب مرورگر سازمانی – سلنیوم اغلب هنوز تنها پاسخ واقعی است.

اما همین معماری منشأ دو بزرگترین بدهی مدرن است. اول، سرعت: هر فرمان از لایه WebDriver عبور می کند و این بار به سرعت در مقیاس اضافه می شود. دوم، و دردناک تر، شکنندگی. تست های سلنیوم بر مکان یاب های ثابت – XPath، انتخابگر CSS، شناسه عنصر تکیه دارند. ارسال-btn را به btn-primary-submit در طول بازسازی معمولی UI تغییر دهید و آزمون به خوبی کاهش نمی‌یابد. فقط شکست می خورد اسکریپت درک متنی از آنچه به دنبال آن است ندارد. با یک رشته مطابقت دارد، نه یک هدف. به آئین درج دستی انتظارهای صریح و ضمنی برای رسیدگی به رفتار ناهمزمان اضافه کنید، و مالیات تعمیر و نگهداری خواهید داشت که مقدار نامتناسبی از زمان مهندسان QA را می‌گیرد – نه یافتن اشکال، فقط اجرای آزمایش‌ها.

نمایشنامه‌نویس: سریع‌تر، هوشمندانه‌تر، هنوز هم اساساً کد

نمایشنامه نویس، پاسخ مایکروسافت به سقف معماری سلنیوم، بسیاری از این موارد را با کنار گذاشتن پروتکل WebDriver به طور کامل به نفع ارتباط مستقیم مرورگر از طریق پروتکل Chrome DevTools (و اتصالات مستقیم مستقیم برای فایرفاکس و WebKit) برطرف می کند. این کانال دو طرفه چیزی است که ویژگی امضای Playwright را ممکن می‌سازد: یک انتظار خودکار که بررسی می‌کند که یک عنصر قبل از اقدام بر روی آن متصل، قابل مشاهده، پایدار و تعاملی است یا خیر – که بیشتر انتظار خواب و امید دستی را که بسته‌های سلنیوم را آزار می‌دهد از بین می‌برد.

همچنین سریع است به نحوی که نحوه کار تیم ها را تغییر می دهد، نه فقط سرعت اجرای یک آزمون را. زمینه های مرورگر ایزوله در میلی ثانیه می چرخند، یعنی اجرای موازی واقعی در مقیاسی که نمونه های سنگین سلنیوم نمی توانند با آن مطابقت کنند.

چیزی که Playwright به آن نمی پردازد، فرض اصلی است: این ابزار هنوز یک ابزار مبتنی بر کد است، هنوز بر اساس انتخابگرها – انتخابگرهای هوشمندتر، مبتنی بر متن – و انتخابگرهای مبتنی بر نقش، اما با این وجود انتخابگرها – و همچنان آسیب پذیر است، زمانی که UI اصلاحات اساسی انجام می دهد، نه یک تغییر جزئی. این باعث می شود آزمایش برای افرادی که قبلاً نحوه نوشتن کد را می دانند بهتر شود. این تغییری نمی کند که در وهله اول چه کسی می تواند تست بنویسد.

هوش مصنوعی Vibium: آزمایش با توصیف، نه با اسکریپت

اینجاست که پروژه هاگینز مطرح می‌شود و پیش‌فرض کاملاً تغییر می‌کند. هوش مصنوعی Vibium مکان‌یاب‌های صریح را به طور کامل حذف می‌کند، با استفاده از LLM و بینایی کامپیوتری برای تفسیر یک صفحه به روشی که انسان انجام می‌دهد – از لحاظ بصری، متنی، معنایی. به جای تایپ ID برای پیدا کردن یک مورد از نوع ایمیل، تایپ کنید [email protected]، دکمه XPath // را پیدا کنید[text()=’Login’]، کلیک کنید، تایپ کنید: “با استفاده از اعتبار تست استاندارد وارد برنامه شوید و بارگذاری داشبورد را بررسی کنید.”

این مدل صفحه رندر شده و ساختار زیرین را با هم می خواند، استنباط می کند که یک فرم ورود به سیستم چگونه به نظر می رسد، حتی اگر پیاده سازی دیروز نام هر کلاس را بازنویسی کند، و اگر یک دکمه به کناری منتقل شود یا نام آن تغییر کند، سازگار می شود. این “تست مبتنی بر هدف” است – که گاهی اوقات کدگذاری vibe برای QA نامیده می‌شود – و جذابیت آن آشکار است: تعمیر و نگهداری مبتنی بر مکان یاب، بزرگترین هزینه تکرارشونده در اتوماسیون تست، اما ناپدید می‌شود. همچنین مانع مهارت را از بین می برد. هر کسی که بتواند یک جریان کاربر را به زبان انگلیسی ساده توصیف کند، می تواند در تئوری یک تست بنویسد.

نکته مهم این است که هوش مصنوعی Vibium تا به امروز به اثبات مفهوم نزدیکتر است تا زیرساخت تولید. استنتاج Live LLM نسبت به یک کلیک اسکریپتی کند است – یک اقدام نمایشنامه‌نویس که در میلی‌ثانیه اندازه‌گیری می‌شود می‌تواند به فرآیند استدلال بیست و دومی برای یک عامل هوش مصنوعی تبدیل شود، که یک مشکل جدی در مقیاس یک مجموعه رگرسیون پنج هزار تستی است که در CI اجرا می‌شود. و LLM ها توهم آور هستند. در یک رابط کاربری مبهم، یک نماینده ممکن است به طور کامل روی چیز اشتباه کلیک کند – که رد صلاحیت برای رشته‌ای است که قبولی در آزمون باید به این معنی باشد که نرم‌افزار کار می‌کند، نه اینکه مدل حدس خوبی زده است.

تماشای هر سه با یک جریان کثیف پرداخت‌ها

این تئوری با یک مورد خاص واضح‌تر است: تسویه‌حساب تجارت الکترونیک، که در آن نماد سبد خرید به‌صورت ناهمزمان بارگیری می‌شود و یک مدل تبلیغاتی می‌تواند جریان را به‌طور غیرقابل پیش‌بینی قطع کند.

سلنیوم به یک بازه زمانی مشخص برای نماد سبد خرید، به‌علاوه مدیریت سفارشی برای مدال تبلیغاتی نیاز دارد – بررسی کنید که آیا ظاهر شده است، دکمه بستن را پیدا کنید، روی آن کلیک کنید، از سر بگیرید. شناسه این دکمه بستن را در یک استقرار معمولی تغییر دهید و کل آزمایش پرداخت خط لوله را مسدود می کند.

نمایشنامه‌نویس بارگیری همگام‌سازی را به‌طور بومی از طریق انتظار خودکار انجام می‌دهد و می‌تواند با رهگیری درخواست شبکه که باعث ایجاد حالت می‌شود، یک قدم جلوتر برود، بنابراین هرگز ارائه نمی‌شود – یک محیط آزمایشی تمیزتر، اما همچنان به یک مهندس نیاز دارد که منطق رهگیری را بنویسد و مکان‌ یاب‌ها را تعریف کند.

Vibium AI به تازگی این دستورالعمل را دریافت می کند: “اولین لپ تاپ موجود را به سبد خرید اضافه کنید، به تسویه حساب ادامه دهید، تمام پنجره های تبلیغاتی را رد کنید و جزئیات حمل و نقل عمومی را وارد کنید.” صفحه را می‌خواند، روی لپ‌تاپ کلیک می‌کند، پرداخت را شروع می‌کند، زمانی که مدال ظاهر می‌شود، آن را به عنوان یک مانع تشخیص می‌دهد و آن را رد می‌کند – صفر خط کد نوشته شده توسط یک انسان.

پس در واقع چه کسی برنده می شود؟

این بستگی به این دارد که برای چه چیزی بهینه سازی می کنید، و پاسخ صادقانه به دسته ها تقسیم می شود:

• سرعت و قابلیت اطمینان: نمایشنامه‌نویس، ارتباطات مستقیم و واضح مرورگر و زمینه‌های جدا شده، هم تأخیر استنتاج LLM و هم سربار WebDriver را شکست می‌دهد.
• بار تعمیر و نگهداری: هوش مصنوعی ویبیوم، در تئوری – حذف مکان‌ یاب‌ها، علت اصلی شکستگی بیشتر تست‌ها را از بین می‌برد، اگرچه Playwright در اینجا نیز یک پیشرفت واقعی نسبت به سلنیوم است.
• آمادگی سازمانی: سلنیوم و نمایشنامه نویس به هم پیوسته اند – هر دو دارای اکوسیستم CI/CD، وضعیت امنیتی و گزارش قطعی هستند که سازمان های بزرگ به آن نیاز دارند. هوش مصنوعی Vibium که آزمایشی است، هنوز این کار را نکرده است.
• قابلیت دسترسی: هوش مصنوعی Vibium، به طور قطع – درخواست به زبان انگلیسی ساده به SDET اختصاصی نیاز ندارد، در حالی که سلنیوم و نمایشنامه‌نویس به این نیاز دارند.

هیچ‌یک از ابزارها مستقیماً برنده نمی‌شوند زیرا صنعت واقعاً دو چیز را می‌خواهد که در حال حاضر در یک محصول وجود ندارد: قابلیت اطمینان عملکرد Playwright و هزینه‌های نگهداری تقریباً صفر Vibium AI. چارچوب های متن باز – هر دوی آنها – همیشه فقط موتور اجرا را در اختیار شما قرار می دهند. گزارش‌دهی، زیرساخت ابری موازی، مدیریت داده‌های آزمایشی، ادغام‌های CI: همه اینها هزینه‌ای است که جداگانه ساخته و نگهداری می‌شود، و این دلیل واقعی است که ابزارهای «رایگان» هزینه کل مالکیت دارند که به ندرت تا دو سال احساس رایگان می‌کنند.

این واقعاً به کجا می رود؟

بخش جالب این نیست که کدام یک از این سه به طور کامل برنده می شود – بلکه شکاف بین آنها دقیقاً همان شکافی است که نسل بعدی ابزارها برای پر کردن آن ساخته می شوند: عملکرد قطعی در کلاس سازمانی همراه با نوشتن مبتنی بر قصد و بدون کد، نه سازش بین این دو.

هاگینز دو دهه وقت صرف کرد تا دنیا فیلمنامه‌های بهتری بنویسد، سپس آخرین فصل این قوس را صرف این بحث کرد که فیلم‌نامه‌ها در تمام مدت واحد کار اشتباهی بودند. این که آیا هوش مصنوعی Vibium خود ابزاری است که در نهایت اهمیت دارد، یا صرفاً تحریکی است که بقیه صنعت را وادار به عقب نشینی می کند، پس از مشاهده مثال جریان پرداخت در بالا، نمی توان استدلالی را که مطرح می کند رد کرد. اتوماسیون تست بیست سال وقت صرف کرده است تا به انسان ها مانند ماشین فکر کنند. بخش بعدی در مورد این است که آیا ابزارها در نهایت می توانند برعکس عمل کنند.