Gegenereerde code betrouwbaar maken

Hoe controleert u of een AI-ondersteunde wijziging de bedrijfsregels respecteert zonder een regressie te introduceren?

  • Lovable
  • Claude Code
  • Codex

1960 € per sessie, excl. btw

Samengevat

Deze dag van zeven uur, exclusief pauzes, leert deelnemers geautomatiseerde tests te integreren in een proces voor AI-ondersteunde codewijzigingen. Aan de hand van een fictieve applicatie definiëren de deelnemers het verwachte gedrag, bouwen ze een testsuite, analyseren ze mislukte tests en documenteren ze reproduceerbare resultaten die door mensen worden beoordeeld.

Waarom deze opleiding?

Gegenereerde code kan samenhangend lijken en toch een voorwaarde omkeren, een grenswaarde vergeten of bestaand gedrag wijzigen. Tests maken deze afwijkingen zichtbaar voordat een wijziging wordt goedgekeurd. Tests die zelf gegenereerd zijn, kunnen de fouten uit de code overnemen. De opleiding scheidt daarom de bedrijfsvereisten van hun implementatie, vereist gecontroleerde asserties en meet of de suite een opzettelijk ingebouwde fout kan detecteren. Doorlopende casus: De fictieve organisatie Avelune Consignes beheert reservaties van lockers. Haar applicatie moet een reservatie weigeren die de beschikbare capaciteit overschrijdt, dubbele reservaties voorkomen en na annulering een plaats vrijgeven. Een wijziging in de berekening van de beschikbaarheid introduceert een regressie die de deelnemers moeten opsporen en vervolgens corrigeren. Toepassing op het werk: Gebruik bij een toegestane wijziging in de bedrijfsfunctionaliteit de risicomatrix opnieuw, voeg een regressietest toe en voeg de uitvoeringsresultaten bij de codebeoordeling. Vergelijk vervolgens de uitvoeringstijden en sporadische testfouten om het onderhoud te sturen.

De doelstellingen van deze opleiding

  • Bedrijfsregels vertalen naar verifieerbare scenario’s.
  • Unit- en integratietests prioriteren op basis van risico’s.
  • Asserties schrijven die onafhankelijk zijn van de geteste code.
  • Een suite uitvoeren en de oorzaken van mislukte tests vaststellen.
  • De detectie van regressies meten en de beperkingen documenteren.

Voor wie en met welke voorkennis?

Betrokken rollen en taken

  • Ontwikkelaars die AI gebruiken om een bestaande applicatie te wijzigen.
  • Kwaliteitsverantwoordelijken en technische profielen die verantwoordelijk zijn voor het valideren van wijzigingen in de bedrijfsfunctionaliteit.

Vereiste voorkennis

  • Code in de taal van het aangeleverde project kunnen lezen en wijzigen.
  • Afhankelijkheden kunnen installeren en een ontwikkelcommando kunnen uitvoeren.
  • Al een assistent voor codegeneratie hebben gebruikt.

Waaraan u werkt

  1. Regels omzetten in bewijs

    Doel: De verwachte resultaten onafhankelijk van de code definiëren. Bedrijfsrisico, standaardgeval, capaciteitsgrenzen en overgangen na annulering.

  2. Een geïsoleerde uitvoering voorbereiden

    Doel: Een reproduceerbare testbasis verkrijgen. Unit- en integratietests; opnieuw geïnitialiseerde gegevens, gesimuleerde afhankelijkheden, beheer van geheimen.

  3. Asserties opstellen en vervolgens nakijken

    Doel: Tests bouwen die de regels daadwerkelijk controleren. Instructies met context, voorbereiding-actie-controle, nauwkeurige asserties; code genereren en wijzigen met Lovable, Claude Code of Codex, afhankelijk van de toegestane omgeving.

  4. Interacties controleren

    Doel: De samenhang van het reservatieproces controleren. Persistente opslag, dubbele reservaties, annulering en scheiding tussen simulatie en integratie.

  5. Een regressie diagnosticeren en corrigeren

    Doel: Een applicatiefout onderscheiden van een testfout. Traces lezen, diagnostische hypotheses, cyclus van mislukking-correctie-heruitvoering.

  6. Meten en overdragen

    Doel: De suite evalueren zonder dekking en betrouwbaarheid met elkaar te verwarren. Duur, stabiliteit, dekking indien beschikbaar, blinde vlekken en testonderhoud.

Wat u meeneemt

  • Matrix met bedrijfsregels, risico’s en scenario’s.
  • Nagekeken testsuite en geïsoleerde datasets.
  • Uitvoeringsrapport vóór en na correctie.
  • Instructies voor heruitvoering en lijst van bekende beperkingen.

Methode en evaluatie

  • Korte theoretische toelichtingen, onmiddellijk gevolgd door oefeningen op de doorlopende casus.
  • Individueel werk, gevolgd door werk in duo’s, met wederzijdse beoordeling van de resultaten.
  • Begeleide gezamenlijke bespreking: wat werkt, wat moet worden gecorrigeerd en wat een menselijke beslissing blijft.
  • Voorbereiding: Een lokaal uitvoerbaar opleidingsproject voorbereiden, met gecontroleerde afhankelijkheden en een gecontroleerd testcommando. De toegang tot de door de organisatie toegestane tools controleren; uitsluitend fictieve of geanonimiseerde gegevens gebruiken, zonder geheimen in de instructies.

Waarneembare criteria: Elke prioritaire regel heeft een standaardgeval, een grensgeval en een verwachte weigering. ; Een opzettelijk ingebouwde fout doet de bijbehorende test vóór correctie mislukken. ; Drie opeenvolgende uitvoeringen geven dezelfde resultaten met opnieuw geïnitialiseerde gegevens. ; Het rapport vermeldt het commando, de omgeving, de duur, de geslaagde en de mislukte tests. ; De asserties zijn nagekeken en er staan geen geheimen in de uitwisselingen of opgeleverde materialen..

Veelgestelde vragen

Moet u de drie tools gebruiken?

Nee. Eén toegestane omgeving volstaat; raadpleeg de officiële documentatie van elke tool voor de exacte voorwaarden.

Zijn gegenereerde tests meteen betrouwbaar?

Nee. De verwachte resultaten en asserties vereisen een menselijke beoordeling en een controle met een opzettelijk ingebouwde fout.

Bewijst een hoge dekking dat er geen bugs zijn?

Nee. Ze geeft aan welke code is doorlopen, niet of de asserties relevant zijn of de scenario’s volledig zijn.

Omvat de dag een ingebruikname in productie?

Nee. De uitvoeringen blijven binnen de opleidingsomgeving; elk daadwerkelijk gebruik volgt de goedkeuringsprocedures van de organisatie.

Laatst bijgewerkt: