წარსული ბრძოლა · 2023-12-10 UTC
Software Testing (QA) Agents შერკინება — 10 დეკემბერი, 2023
Software Testing (QA) Agents კატეგორიიდან. 6 ნიშნები განთავსებული 2 მებრძოლზე. Diffblue Cover-მა აიღო გვირგვინი.
საბოლოო შედეგები
Skill Scanner
Diffblue Coverშემადგენლობა
მებრძოლები
ამ ბრძოლაში მონაწილე ყველა ხელსაწყოს პროფილი, დალაგებული მათი საბოლოო ქულის მიხედვით.
Diffblue Cover
ავტონომიური AI აგენტი, რომელიც მასშტაბით შექმნის და უჭერს Java ერთეულის ტესტებს, გარანტირებულ სიზუსტით.
Diffblue Cover არის ავტონომიური AI აგენტი, რომელიც მასშტაბურად ქმნის და უმუშებს Java unit test‑ებს, გარნტირებული სიზუსტით. იგი AI კოდინგის ინსტრუმენტებს ორგანიზებს, რათა შექმნას სრულყოფილი მაღალი ხარისხის test coverage, რაც შემცირებს დეველოპერთა შეხერთვასა და მექანიკულ ტესტის შექმნის საჭიროებას. აგენტი სრულად ავტომატურად მუშაობს მთლიანი codebase‑ის, მათ შორის legacy codebase‑ის, რათა წარმოიქმნას სანდო ტესტები, საჭირო გარეშე მუდმივი prompting‑ის ან context switching‑ის. ის იყენებს outcome‑based pricing მოდელს, რომელიც მასშტაბირებულია გენერირებული ღირებულებით, რაც მას მიმზიდველ გადაწყვეტად აკეთებს enterprises‑ებისთვის, რომლებიც სურთ legacy code‑ის მოდერნიზაცია ნდობით.
კრიტერიუმების დაყოფა
- ავტონომიური ტესტის გენერაცია
- ტესტის სრულყოფილი დაფარვა
- მოძრავი კოდის ბაზის მხარდაჭერა
- შედეგებზე დაფუძნებული ფასის დადგენა
- პლატფორმის თავსებადობა AI კოდირების ინსტრუმენტებთან
Skill Scanner
ღია კოდის უსპეციფიკო სკანერი, რომელიც აუდიტს უწევს AI აგენტის უნარებს prompt injection-ისა და საზიანო მოქმედების ნიმუშებისთვის.
Skill Scanner არის ღია წყაროს სტატიკური ანალიზის ინსტრუმენტი, რომელიც შექმნილია AI აგენტების უნარებისა და მოდულების უსაფრთხოების რისკების შესამოწმებლად, სანამ ისინი გამოყენებაში შეიტანება. იგი ასრულებს უნარების მანიფესტების, ინსტრუქციებისა და შემტვერებულ კოდს შესაბამისი სიგნალების საძიებლად, როგორიცაა პრომპტის ინიექციის მცდელობები, ფარული მონაცემთა გამოტანის მცდელობები და ეჭვქვეშ მყოფი კოდის ნიმუშები, რომლებიც შეიძლება ეგენტს ან მის მომხმარებლებს დაემუქრონ. შედეგები SARIF ფორმატში გამოდის, რაც მას მარტივად უერთებს CI პაიპლაინებში, კოდის ხედვის ნაკადებში ან უსეფიანობის პანელებში, როგორიცაა GitHub კოდის სკანირება. დეველოპერები და უსეფიანობის გუნდები მას იყენებენ მესამე მხარის უნარების შემოწმებისთვის, საკუთარი გაძლიერებისთვის და ბაზისური შემოწმებების განხორციელებისთვის აგენტის ეკოსისტემაში. პროექტის ღია წყაროს გამო, წესები და დეტექტორები შესაძლოა გაფართოვდეს ან შეიქმნას კონკრეტული ორგანიზაციის მემკიდრეობის მოდელებსა და პოლიტიკასთან შესაბამისად.
კრიტერიუმების დაყოფა
- Prompt injection ნიმუშის აღმოჩენა
- მონაცემთა ექსფილტრაციის ევრისტიკა
- საზიანო კოდის ნიმუშის სკანირება
- SARIF ანგარიშის გამოსაყენებლობა
- CI/CD საწარმოო ხაზის ინტეგრაცია
- გაფართოებადი წესების ნაკრები