تحلیل گزارش Axe با هوش مصنوعی
از روی نتیجه اسکن Axe ببینید هر ایراد به کدوم قسمت صفحه مربوطه، چه اطلاعاتی برای پیشنهاد اصلاح لازمه و کدوم تست دوباره اعتبار مصرف میکنه.
تحلیل گزارش Axe با هوش مصنوعی زمانی به کار میاد که فهرست ایرادها رو دارید، اما هنوز معلوم نیست کدوم مورد به دکمه خرید مربوطه و کدوم یکی به منوی بالای صفحه. اسکیل mcp-usage به ایجنتتون یاد میده نتیجه معمولی و نتیجه تست هدایتشده رو چطور بخونه و برای هر ایراد اطلاعات همون عنصر رو نگه داره.
فرض کنید یک صفحه فروشگاه دهها کارت محصول داره. خطای مربوط به اندازه دکمه ممکنه از یک طراحی مشترک بیاد، ولی توضیح عکس هر محصول باید با همون عکس جور دربیاد. میتونید هزینه بررسی رو به یک بخش محدود کنید و برای موردهای شبیه به هم تصمیم بگیرید چه چیزی واقعا ارزش بررسی جداگانه داره.
کاربردها
- برای خواندن گزارش دسترسیپذیری، توضیح خطا، جای عنصر در صفحه و راه اصلاح پیشنهادی رو کنار هم بگیرید.
- از مشخصات هر عنصر برای تشخیص خطای تکراری کمک بگیرید، بهخصوص وقتی کارتهای زیادی از یک الگو استفاده میکنن.
- برای کنترل هزینه تست، بررسی رو به یک قسمت صفحه یا ایرادهای مهمتر محدود کنید.
- هنگام تست کیبورد مشخص کنید حرکت کجا متوقف شده و کدام دکمهها هنوز آزمایش نشدن.
- با اسکن دوباره صفحه، ببینید اصلاح کدام مورد نتیجه داده و چه چیزی هنوز بازه.
نصب و استفاده
- اسکیل رو در ایجنتتون نصب و ابزار رسمی Axe رو وصل کنید. پیشنهاد اصلاح و تست هدایتشده دسترسی پولی و اعتبار میخوان. از نسخه آزمایشی بدون اطلاعات شخصی استفاده کنید.
- بگید «ایرادهای بخش جستجوی این صفحه رو جدا کن و قبل از مصرف اعتبار، تعداد موردها رو بگو.»
- از ایجنتتون بخواید هنگام درخواست پیشنهاد اصلاح، جای هر خطا رو نگه داره تا بعدا معلوم باشه کدام دکمه باید عوض بشه.
- بعد از تغییر کد، یک اسکن معمولی بگیرید. اگر تکرار تست هدایتشده هم براتون مهمه، جداگانه درخواستش کنید.
سوالات متداول
منبع
ساخته Deque Systems. نام اصلی: mcp-usage، منتشرشده در GitHub با مجوز MIT.
مشاهده در GitHub