نوشتن معیار پذیرش با هوش مصنوعی
برای یک قابلیت مشخص کنید در شرایط مختلف چه رفتاری باید دیده بشه تا تیم محصول، توسعه و تست درباره آماده بودنش یک برداشت داشته باشن.
نوشتن معیار پذیرش با هوش مصنوعی از جملههایی مثل «پرداخت مهمان باید راحت باشه» شروع میکنه و به رفتاری میرسه که بشه دید و بررسی کرد. اسکیل deliver-acceptance-criteria از شما داستان کاربر و محدوده همین تغییر رو میگیره. بعد هر سناریو رو با یک وضعیت اولیه، یک اتفاق و یک نتیجه مورد انتظار مینویسه تا ابهام از کلمههایی مثل «سریع» یا «درست» کم بشه.
فرض کنید قرار شده خریدار بدون ساختن حساب سفارش بده. تیم باید بدونه بعد از وارد کردن نشونی معتبر چه میبینه، چه موقع باید برای کامل کردن نشونی برگرده و اگر پرداخت تایید نشد چه پیامی میگیره. میتونید قواعدی رو که واقعاً متعلق به این نسخهان جدا کنید. هر جا هنوز تصمیمی گرفته نشده، بهتره همون سوال در متن بمونه تا کسی از خودش قول تازهای به محصول اضافه نکنه.
کاربردها
- برای داستان کاربر، نقطه شروع و نتیجه موفق رو به شکلی بنویسید که بشه بررسیشون کرد.
- در تست پذیرش، رفتار مورد انتظار بعد از ورودی ناقص یا نامعتبر رو روشن کنید.
- برای تیم محصول، سناریوی موفق رو از مسیرهایی که به پیام خطا میرسن جدا کنید.
- اگر محدودیت زمان یا حجم از قبل مشخصه، همون مقدار توافقشده رو وارد معیار کنید.
- پیش از تحویل به توسعه، شرط مبهم یا دو برداشت متفاوت از یک نتیجه رو پیدا کنید.
نصب و استفاده
- اسکیل رو با پوشه نمونهها و قالبش در ایجنتتون نصب کنید. حسابی لازم نیست. داستان کاربر، قواعد تاییدشده و موارد خارج از محدوده رو آماده کنید.
- مثلا بگید «برای خرید مهمان، معیارهای سفارش موفق و نشونی ناقص رو بنویس. اگر درباره تایید پرداخت سوالی هست جدا نگهش دار.»
- سناریوها رو با تیم تست و محصول بخونید. هر نتیجهای که نمیشه از بیرون بررسی کرد یا با داستان کاربر ارتباط نداره بازنویسی کنید.
سوالات متداول
منبع
ساخته Jonathan Prisant (Product on Purpose). نام اصلی: deliver-acceptance-criteria، منتشرشده در GitHub با مجوز Apache-2.0.
مشاهده در GitHub