Hin zu autonomen Testagenten durch konversationelle große Sprachmodelle

Softwaretests sind ein wichtiger Bestandteil des Entwicklungszyklus, erfordern jedoch spezielles Fachwissen und beträchtlichen Entwicklungsaufwand, um Software angemessen zu testen. Jüngste Entdeckungen der Fähigkeiten großer Sprachmodelle (LLMs) deuten darauf hin, dass sie als automatisierte Testassistenten verwendet werden können und somit hilfreiche Informationen bereitstellen und sogar den Testprozess steuern können. Um das Potenzial dieser Technologie hervorzuheben, präsentieren wir eine Taxonomie von auf LLM basierenden Testagenten basierend auf ihrem Autonomieniveau und beschreiben, wie ein höheres Autonomieniveau Entwicklern in der Praxis zugutekommen kann. Ein Anwendungsbeispiel von LLMs als Testassistent wird bereitgestellt, um zu demonstrieren, wie ein konversationeller Rahmen für Tests Entwicklern helfen kann. Dies verdeutlicht auch, wie die oft kritisierte „Halluzination“ von LLMs für Tests von Vorteil sein kann. Wir identifizieren weitere greifbare Vorteile, die durch LLM-gesteuerte Testagenten ermöglicht werden, und diskutieren auch mögliche Einschränkungen.