اتوماسیون تست هوش مصنوعی محور: Playwright ،Selenium ،LLMs و غیره

Name: اتوماسیون تست هوش مصنوعی محور: Playwright ،Selenium ،LLMs و غیره
Price: 11645000 IRR
Availability: InStock
Author: AI Academy

معرفی
سرفصل

✅ سرفصل و جزئیات آموزش

آنچه یاد خواهید گرفت:

مبانی Prompt Engineering ،Context Engineering و Vibe Coding
کاربرد Context Engineering و Prompt Engineering هنگام نوشتن کد Self Healing در Selenium/Playwright
نوشتن کد Self Healing برای Selenium/Playwright با 0 تست UI ناپایدار
درک قدرت LLMهای Local و Cloud هنگام ترمیم لوکیتورهای خراب

پیش‌نیازهای دوره

درک مناسب از Playwright
درک مناسب از Selenium
دانش مناسب در C# .NET
مفاهیم پایه برنامه‌نویسی
اشتیاق به یادگیری و حل مشکلات واقعی در محیط کار

توضیحات دوره

کد اتوماسیون تست خود (Selenium و Playwright) را با هوش مصنوعی متحول کنید.

این دوره جامع به شما آموزش می‌دهد که چگونه فریم‌ورک‌های اتوماسیون تست هوشمند و مقاومی بسازید که از LLMهای Local برای کاهش نگهداری، بهبود پایداری تست و تسریع در تشخیص باگ استفاده می‌کنند - و همه این‌ها در حالی است که یکپارچگی کامل تست حفظ می‌شود.

آنچه یاد خواهید گرفت:

اصول و راه‌اندازی

نصب و پیکربندی LLMهای Local با استفاده از Ollama
درک Prompt Engineering ،Context Engineering و رفتار مدل
تسلط به اصول ارتباط موثر با AI

درک مشکلات اتوماسیون و راه‌حل‌های AI

شناسایی مشکلات رایج اتوماسیون
تحلیل محدودیت‌های اتوماسیون سنتی
یادگیری چگونگی فعال‌سازی Self-Healing لوکیتورها در Selenium توسط AI
تسلط به Prompt دادن به LLMها برای یافتن لوکیتورهای جایگزین

ساخت اصول - ارتباط با LLMهای Local و Cloud

نوشتن کد برای دسترسی به LLMهای Local از طریق Ollama API
نوشتن کد برای دسترسی به LLMهای Cloud از طریق OpenAI API
ایجاد پیکربندی متمرکز برای دسترسی به LLMها
درک چگونگی استخراج LocatorType و LocatorValue از Selenium POM
درک چگونگی ارسال PageSource و Locator Context به LLMها

ساخت استراتژی لوکیتور هوشمند برای Selenium

درک Deserialization پاسخ‌های LLM
پیاده‌سازی AI Healing برای دریافت لوکیتورهای جایگزین از LLMها
ساخت AI Healing برای انواع مختلف لوکیتورها (XPath ،CSS ،ID، Name)
اجرای کد AI Healing در منطق Self-Healing

ساخت اتوماسیون هوشمند Playwright

پیاده‌سازی Self Healing برای Playwright
مدیریت انواع مختلف لوکیتورها برای AI Healing در Playwright
اطمینان از کارکرد منطق کد تست Selenium موجود برای Playwright با POM

ساخت Visual Testing با مدل Vision LLM

درک مدل‌های Vision و استفاده از آن‌ها برای تست
چگونگی Prompt دادن به مدل Vision برای مقایسه صفحات
پیاده‌سازی مقایسه E2E Vision

با تکمیل این دوره، مدرس به شما کمک می‌کند تا در ساخت فریم‌ورک‌های اتوماسیون تست هوشمند با استفاده از Selenium و Playwright که با LLMهای Local از طریق Ollama تقویت شده‌اند، به تسلط برسید. شما با اطمینان استراتژی‌های لوکیتور مبتنی بر AI را پیاده‌سازی می‌کنید که میزان نگهداری را کاهش و یکپارچگی تست را حفظ می‌کنند، مکانیزم‌های Self-Healing با نظارت انسانی ایجاد می‌کنید و از Prompt Engineering برای تولید سناریوهای تست از زبان طبیعی استفاده می‌کنید.

این دوره برای چه کسانی مناسب است؟

مهندسین QA
مهندسین Dev
مهندسین QA در حوزه AI
مهندسین Dev در حوزه AI

اتوماسیون تست هوش مصنوعی محور: Playwright ،Selenium ،LLMs و غیره

فصل 1: مقدمه

مقدمه 09:40

فصل 2: اجرای LLMها به صورت Local با استفاده از Ollama

مقدمه 04:01
درک مدل‌های مختلف AI 04:36
اجرای LLMها به صورت Local با استفاده از Ollama 07:17
استفاده از مدل‌های Ollama در رابط گرافیکی (GUI) 03:40
درک Ollama با چند دستور بیشتر در رابط خط فرمان (CLI) 02:19
اجرای Ollama با API به عنوان یک API Server 04:01

فصل 3: اصول: درک Prompt Engineering ،Context Engineering و Vibe Code

مقدمه 02:04
درک Prompt Engineering 05:56
درک Context Engineering 06:22
دمو برای Prompt Engineering 08:42
دمو برای Context Engineering 05:41
درک AI Agents و چگونگی عملکرد آن‌ها! 07:53
کار با سرور MCP (Model Context Protocol) در Playwright 09:31
Vibe Code: ایجاد پلن سناریوهای تست دستی با استفاده از سرور MCP Playwright 12:22
Vibe Code: ایجاد سناریوهای تست خودکار با استفاده از Test Plan 06:14
Vibe Code: ایجاد سناریوهای تست BDD با استفاده از Automated Test Context 04:13

فصل 4: درک مشکلات فعلی اتوماسیون تست و راه‌حل آن‌ها با AI و LLMها

مقدمه 15:47
درک کامپوننت‌های لازم برای ساخت کد تست هوشمند و Self Healing با AI 03:18
اتوماسیون تست سنتی و مشکلات آن 06:42
چگونگی انجام Self Healing لوکیتورها در Selenium با قدرت AI 07:30
Prompt دادن به LLMها برای دریافت لوکیتورهای جایگزین Self Healing 10:35

فصل 5: ساخت کامپوننت اساسی: ارتباط با LLMهای Local و Cloud

مقدمه 06:42
دسترسی به LLMهای Local از طریق API با استفاده از Ollama 08:51
نوشتن کد برای دسترسی به LLMهای Local از طریق Ollama با استفاده از API Endpoints 14:28
دسترسی به LLMهای Cloud (مدل‌های OpenAI GPT) با استفاده از APIها 09:46
نوشتن کد برای دسترسی به LLMهای Cloud از طریق OpenAI با استفاده از API Endpoints 11:34
ایجاد پیکربندی برای کنترل Modelها، URLها و Temperatureها از یک مکان متمرکز 06:09
خواندن پیکربندی از appSetting و Deserialization آن به LLMConfig 06:43
جایگزینی مقادیر هاردکد شده در LLMClient با مقادیر پیکربندی 07:39
درک صورت‌مسئله برای استفاده از استراتژی‌های Self Healing 05:56
دریافت LocatorType و LocatorValue از کد POM در Selenium با استفاده از ToString() 06:49
ارسال PageSource و Locator Context به LLMها برای دریافت لوکیتورهای جایگزین 06:53
دریافت لوکیتورهای جایگزین با فرمت JSON (قابل استفاده برای Self Healing) 07:02

فصل 6: ساخت استراتژی لوکیتور هوشمند با استفاده از AI برای Selenium

مقدمه 03:04
درک Deserialization پاسخ‌های دریافتی از LLMها 05:45
Deserialization پاسخ LLM به نوع Class 05:08
درک ساخت استراتژی لوکیتور برای هر فاز 08:54
ایجاد CurrentLocatorStrategy برای دریافت لوکیتور از Selenium POM 07:19
ساخت AlternativeLocatorStrategy از Collection 10:29
ساخت AlternativeLocatorStrategy از Collection (ادامه) 04:56
ساخت AI Healing برای دریافت لوکیتور جایگزین از LLMها 10:25
ساخت انواع لوکیتور AI Healing برای لوکیتورهای مختلف (XPath ،CSS ،ID ،Name) 07:25
ساخت نوع لوکیتور AI Healing (ادامه) 04:57
فراخوانی کد AIHealing در داخل منطق Self Healing 02:38
دیباگ/اجرای تست برای درک چگونگی عملکرد AI Self Healing! 08:55