Learning Prototype Testes com JUnit BDD Plano de Teste e Browser Use (2025-03-25)
Entre para ler os trechos da transcrição de cada capítulo e perguntar ao Labinho sobre esta sessão.
O Labinho é o assistente que responde com as notas e as sessões do LabS e mostra de onde tirou cada resposta.
Notas citadas nas anotações desta sessão.
A sessão começou com uma discussão sobre ambientes virtuais em Python e arquivos de configuração, destacando que o venv ajuda a isolar bibliotecas e versões para garantir compatibilidade entre projetos, enquanto o arquivo .env deve armazenar configurações e chaves de API com segurança, sem ser enviado ao repositório. Também foram comentadas aplicações de visão computacional e redes neurais, como rastreamento de objetos, filtros e análise de imagens, relacionando essas possibilidades ao Learning Prototype e à avaliação da reação dos usuários durante os testes. O Browser Use despertou interesse por conseguir navegar autonomamente, localizar sites e executar ações, mas ficou em aberto entender como ele identifica elementos, quais tecnologias utiliza internamente e como se comportaria em aplicações locais ou com interfaces menos estruturadas.
Houve uma apresentação sobre testes unitários com JUnit, abordando a estrutura de configuração, execução e verificação, anotações, métodos de preparação e finalização, asserções, testes parametrizados, exceções e uso de mocks com Mockito. Reforçou-se a importância de testes unitários, cobertura de código e integração com mecanismos de qualidade, além da possibilidade de gerar testes a partir de histórias e cenários em BDD. Também foi esclarecida a diferença entre plano de testes, cenários de teste e BDD: o plano documenta a estratégia e as execuções, enquanto o BDD descreve o comportamento esperado, incluindo fluxos positivos e negativos.
Como próximos passos, o grupo pretende organizar exemplos de entradas e saídas, planos de teste, cenários BDD e códigos no GitLab para estabelecer padrões de avaliação dos agentes de IA e reduzir alucinações, como a criação de campos ou botões inexistentes. A proposta é investigar agentes capazes de interpretar histórias, gerar planos e cenários e produzir testes para tecnologias específicas, como JUnit, Robot Framework, Selenium e Browser Use. Foram combinadas novas apresentações sobre Browser Use, ferramentas relacionadas a IA e MCP, além de uma demonstração futura do TestLink; permanecem em aberto a definição exata das entradas e saídas da solução, a integração entre plano de testes e automação e a compreensão do funcionamento interno do Browser Use.