システム開発

推奨モデル

全2件

絞り込み

  • 要件定義・設計

    推奨モデル - Gemini
    RF‑EX3 は、自然言語で書かれた文章を **テスト項目の材料となる「因子」と「水準」へと構造化する** ためのプロンプトです。 文章を単文化し、述語項構造(誰が/何を/どうする)に基づいて因子を抽出し、 その水準を整理することで、テスト項目検討の“前段階”を自動化します。 私自身、長い間「自然言語をどうやってテスト項目に落とし込むか」という課題に向き合えずにいました。 仕様書を読んでも、文章のどこを因子と捉え、どこを水準と扱うべきかが曖昧で、 手を付けられないまま残っていた領域でした。 しかし EX1・EX2 を作り続ける中で、 文章を **分解し、構造化し、検証可能な形に変換する“型(デザインパターン)”** が見えてきました。 その延長線上で生まれたのが、この RF‑EX3 です。 RF‑EX3 は、テスト設計のすべてを自動化するものではありません。 しかし、テスト項目を考えるうえで最も時間がかかる **「因子と水準の抽出」** を確実に、再現性をもって行えるようにします。 自然言語を読み、 条件因子(〜の場合)を含む前提条件を整理し、 因子・水準の一覧を作り、 境界値や組み合わせ検討の土台を作る。 RF‑EX3 は、テスト項目検討の“最初の一歩”を支えるための、 徹底形式(Radical Formula)に基づくプロンプトです。
  • GPTs

    要件定義・設計

    プロンプトが意図どうりに動作するかを確認するためのテストケースを生成します。 プロンプトを作ったら、それがちゃんと動くか何度かテストは行うと思いますが、多くの場合はそのテストは恣意的でぬけもれがあって、あとで修正することが多いものです。 このプロンプトテストケースジェネレーターは、そのプロンプトの意図を分析して、必要なテストケースを洗い出します。 あなたのプロンプトとその意図を入力すると、そのプロンプトの意図に従って、テストケースを複数出力します。 テストケースは、入力値と確認内容です。 意図は入力しなくても、プロンプトから分析しますが、入力したほうがより正確なテスト生成できます。 テストケースを見るだけで、機能的にたりないものや、こうしたいという方向性を発見するきっかけになることもあります。
AI画像生成ならConoHa
AI画像生成ならConoHa