Skip to content

TIPS_QUOTA.md

Latest commit

 

History

History
76 lines (54 loc) · 6.42 KB

TIPS_QUOTA.md

File metadata and controls

76 lines (54 loc) · 6.42 KB

📖 CẨM NANG SỬ DỤNG ANTIGRAVITY TỐI ƯU QUOTA TRONG AUTOMATION TESTING

Antigravity là AI Coding Agent tích hợp trong Gemini CLI / Google IDX, hỗ trợ lập trình viên tự động hóa kiểm thử phần mềm (Automation Testing). Tài liệu này hướng dẫn cách tối ưu quota (giới hạn token) để làm việc hiệu quả nhất mà không bị gián đoạn giữa chừng.

Chiến thuật cốt lõi: "Chia Để Trị" – dùng đúng Mode (chế độ) và đúng Model (mô hình AI) cho từng loại task.

Bảng Tóm Tắt Nhanh

Model Độ mạnh Dùng khi nào Token
Claude Sonnet / Opus ⭐⭐⭐ Logic khó, fix bug hóc búa, Shadow DOM, iFrame, Flaky test 🔴 Tốn nhiều
Gemini Pro ⭐⭐ Code phổ thông, sửa locator, thêm assertions, refactor 🟡 Vừa phải
Gemini Flash / Claude Haiku ⭐ Đọc log, sinh data, viết docs, phân tích HTML 🟢 Rất rẻ
Mode Dùng khi nào Token
Planning Mode Khởi tạo framework, xây kiến trúc POM mới, viết E2E phức tạp 🔴 Tốn nhiều
Fast Mode Bổ sung test case, update locator, refactor cục bộ, fix lỗi rõ ràng 🟢 Tiết kiệm

1. Phân bổ công việc theo Chế Độ (Mode)

Lưu ý: Planning Mode tiêu tốn token lớn nhất — nó đọc rộng, suy nghĩ nhiều bước và tự động lặp lại quy trình.

  • Dùng PLANNING MODE cho Tác vụ Nền tảng (Big Tasks):
    • Khởi tạo một Automation Framework mới (setup thư mục, Base Test, Report).
    • Xây dựng kiến trúc Page Object Model (POM) cho module chức năng hoàn toàn mới.
    • Viết một luồng End-to-End (E2E) Test phức tạp chạy qua nhiều page và thay đổi nhiều trạng thái.
  • Chuyển về FAST MODE cho Tác vụ Bảo trì (Daily Tasks):
    • Sau khi "dựng khung" xong ở Planning, hãy lập tức tắt nó đi.
    • Dùng Fast Mode để chạy việc hàng ngày: bổ sung thêm test case, update locators bị đổi, tối ưu lại các hàm (methods) hoặc refactor code cục bộ.

2. Chiến thuật lựa chọn AI Models (Theo độ khó)

Code ưu tiên Claude, nhưng hãy biết cách phân bổ cho các Model khác để bảo vệ quota.

  • ⭐⭐⭐ Claude Sonnet / Opus (Bộ óc Tinh nhuệ):
    • Nhiệm vụ: Giải quyết các logic Code khó và Fix Bug hóc búa.
    • Automation Testing: Dùng để xử lý các bài toán như lấy element trong Shadow DOM, tương tác iFrame lồng nhau, xử lý bất đồng bộ (Async/await), kéo thả (Drag-and-Drop) hoặc các test case đang chạy chập chờn (Flaky).
    • Lưu ý: Token của Claude rất nhanh cạn, chỉ dùng khi thật sự "kẹt".
  • ⭐⭐ Gemini Pro (Cỗ máy Bảo trì):
    • Nhiệm vụ: Cán đáng công việc code "phổ thông".
    • Automation Testing: Sửa lỗi locator sai ID/Class, thêm một vài bước verify/assertions đơn giản, thay đổi data cứng thành biến linh hoạt. Giải quyết cực tốt các lỗi rõ ràng và đã biết nguyên nhân.
  • ⭐ Gemini Flash / Claude Haiku (Sát thủ Tốc độ & Tiết kiệm):
    • Nhiệm vụ: Xử lý văn bản, Data và đọc Log (nhanh, Context dài nhưng cực kỳ rẻ).
    • Automation Testing:
      • Phân tích cục Log CI/CD ngàn dòng để chỉ ra duy nhất 1 dòng gây lỗi AssertionError.
      • Đọc HTML lớn và bóc tách cấu trúc để xuất ra Table locators.
      • Sinh hàng trăm dòng Mock Data (JSON, CSV, Tài khoản giả) cho Data-Driven Testing.
      • Tạo tài liệu (Test Document), viết Git Commit messages, soạn Javadoc / Docstrings.

3. Các Tip "Nhỏ mà Có Võ" để hạn chế tốn Token

Khi gửi yêu cầu

  • Tránh đưa rác vào Context: Thay vì copy toàn bộ thẻ <body> của giao diện web đổ vào chat, hãy dùng Inspect trong trình duyệt và chỉ copy đúng thẻ <div> biểu diễn khối thông tin (Table / Form / Dropdown) đang cần xử lý.
  • Định vị không gian làm việc: Luôn @mention chỉ đúng file Test và file Page Object đang làm dở khi nhờ AI fix code (ví dụ: gõ @LoginTest và @LoginPage). Việc này ngăn AI đọc cả project mất thì giờ.
  • Mô tả yêu cầu đầy đủ ngay lần đầu: Tránh gửi yêu cầu mơ hồ rồi bổ sung dần qua 5-6 lượt chat. Mỗi lượt hỏi thêm, AI phải đọc lại toàn bộ context trước đó — rất tốn token. Hãy cung cấp đủ: mục tiêu, tech stack, file liên quan, kết quả mong muốn ngay trong câu hỏi đầu.
  • Hạn chế gửi screenshot khi có thể dùng text: Ảnh chụp màn hình tốn token gấp nhiều lần so với text. Nếu chỉ cần chỉ ra 1 lỗi trên UI, hãy copy text lỗi hoặc HTML element thay vì chụp ảnh.

Khi debug lỗi

  • Hỏi cùng Stack Trace: Khi Script lỗi (ví dụ: ElementNotVisible), đừng quăng nguyên file code lên hỏi mù. Hãy copy dòng lỗi thực tế in ra ở Terminal ghép cùng đoạn Code bị hỏng thả vào Fast Mode — AI sẽ đánh đúng trọng tâm ngay lập tức.
  • Giới hạn vòng lặp self-fix: Nếu AI tự fix liên tục 3 lần mà test vẫn FAIL, hãy dừng lại và can thiệp thủ công — đọc log, xác định root cause rồi chỉ rõ cho AI. Để AI chạy loop vô hạn sẽ đốt token cực nhanh mà không giải quyết được gốc vấn đề.

Khi quản lý conversation

  • Tách conversation nhỏ theo task: Mỗi conversation dài tích lũy context — càng dài, mỗi lượt chat tiếp theo AI càng phải đọc lại nhiều, token tăng cấp số nhân. Nên mở conversation mới cho mỗi task độc lập (ví dụ: 1 conversation cho Login Page, 1 conversation khác cho Dashboard Page).
  • Tận dụng Workflows (Slash Commands) có sẵn: Thay vì mô tả lại quy trình dài dòng, dùng trực tiếp slash commands đã được define sẵn (ví dụ: /generate_automation_from_testcases). Workflow đã chứa prompt tối ưu, giúp AI hiểu đúng yêu cầu ngay lần đầu mà không cần giải thích thêm.