Så får jag modellen att leta efter det jag själv glömt
AI är bra på att hitta sådant jag själv missat, men bara om reviewuppgiften är bättre definierad än "vad saknas?". Jag får bäst resultat när modellen tvingas söka efter luckor längs specifika dimensioner och bevisa varje fynd med ett konkret scenario.
AI är bra på att hitta sådant jag själv missat, men bara om reviewuppgiften är bättre definierad än "vad saknas?". Jag får bäst resultat när modellen tvingas söka efter luckor längs specifika dimensioner och bevisa varje fynd med ett konkret scenario.
Jag ber inte modellen komma på fler idéer
När jag vill att AI ska hitta det jag själv glömt frågar jag inte 'vad saknas?'. Det ger ofta en generisk lista. Jag ger modellen ett granskningsperspektiv och ett objekt att angripa: vilka states saknas, vilka aktörer har inte behandlats, vilka failure modes har ingen ägare, vilka krav kan inte testas?
Byt dimension, inte bara modell
En andra modell kan ge variation, men den viktigaste förändringen är ofta review-dimensionen. Jag låter en pass granska dataflöde, en annan behörigheter, en tredje lifecycle/state och en fjärde operabilitet. Samma specifikation ser annorlunda ut beroende på vilken fråga reviewern försöker besvara.
Använd en coverage-matris
Ett enkelt sätt är en matris med actor × state × action × failure. Tomma celler är inte automatiskt buggar, men de tvingar fram frågan. För en resumable exam-session kan matrisen exempelvis avslöja att 'premium expired during paused session' aldrig definierats trots att happy path är komplett.
Jämför krav mot konsekvenser
Jag ber också modellen härleda konsekvenser från varje materiellt krav. Om kravet säger server-side resumable sessions följer frågor om expiry, concurrency, idempotens, versionering och återställning. Det är där blind spots ofta gömmer sig: inte i kravet självt utan i vad kravet gör nödvändigt.
Tvinga fram counterexamples
En bra review innehåller konkreta scenarier där specen kan bete sig konstigt. Inte bara "tänk på edge cases", utan Given X, when Y twice, then what?. Spec Kits mallar använder i skrivande stund just Given/When/Then-scenarier och edge-case-sektioner; jag gillar formatet eftersom det gör luckor exekverbara.
Stoppa listinflation
AI kan hitta hundra hypotetiska problem. Jag rankar därför fynd efter sannolikhet × konsekvens × irreversibilitet. Det som kan korrumpera data eller skapa fel produktkontrakt går före ett ovanligt UI-edge case. Målet är bättre beslutsunderlag, inte maximal mängd kritik.
Blind spots blir regressionstester
De bästa upptäckterna ska inte stanna i reviewrapporten. Jag konverterar dem till acceptance scenarios, testfall eller guardrails. Då blir det som en gång var en blind spot en permanent del av systemets minne.
Min praktiska tumregel
Be modellen leta efter en definierad typ av lucka och kräva ett scenario som visar varför luckan spelar roll.