‏تست سیستم هوش مصنوعی لاراول، بدون حتی یک تماس با API

تو قسمت دهم سری «Ship AI with Laravel» نویسنده سراغ چیزی می‌ره که تا اینجای سری عقب افتاده بود: تست. به گفتهٔ نویسنده، بعد از ساختن ایجنت‌ها، ابزارها، پایگاه دانش، چت استریمی، failover و میدل‌ورها، حالا باید به این سؤال جواب داد که کدی که به یه مدل زبانی وصله رو چطور تست می‌کنن.

مشکل روشنه: تو تست‌سوییت نمی‌شه واقعاً به OpenAI درخواست زد. هم کنده، هم هر بار اجرا هزینه می‌بره، هم جواب مدل هر دفعه فرق داره و assertionها هیچ‌وقت پایدار نمی‌مونن. راه‌حلی که نویسنده جلو می‌ذاره سیستم faking خود SDKه — همون منطق آشنای fake کردن Mail و Notification و Queue تو لاراول: جواب‌ها رو از قبل تعریف می‌کنی و بعد چک می‌کنی که پرامپت درست بیرون رفته باشه.

کار با یه مرتب‌سازی کوچیک شروع می‌شه؛ میدل‌ورها به فضای نام AI/middleware منتقل می‌شن. بعد تست‌هایی نوشته می‌شه که مطمئن بشن ایجنت پرامپت درست می‌گیره، کانتکست گفتگو رو نگه می‌داره و خروجی قطعی و قابل‌پیش‌بینی برمی‌گردونه.

یکی از نکته‌های جالب، preventStrayPromptsه: با این گارد، هر تماس ناخواسته با هوش مصنوعی تو مسیرهایی که اصلاً نباید ایجنت رو صدا بزنن — مثل ساختن تیکت — لو می‌ره و تست می‌شکنه. پرامپت‌های صف‌شده هم تست می‌شن: TicketClassifier باید روی یه ثبت معتبر وارد صف بشه و روی ورودی نامعتبر اصلاً وارد صف نشه.

ابزارهای سفارشی مستقیم مقابل رکوردهای واقعی دیتابیس تست می‌شن و همین‌جا یه تست شکست‌خورده، یه ناهماهنگی تو factory رو لو می‌ده که نویسنده جلوی دوربین درستش می‌کنه — به گفتهٔ خودش، دقیقاً همون باگی که تست‌ها قراره بگیرن. اندپوینت چت هم با feature test از نظر احراز هویت، اعتبارسنجی و تعامل درست با ایجنت بررسی می‌شه.

راه‌اندازی vector store و seed شدن پایگاه دانش هم با fake کردن ساخت store، آپلود سند و تولید embedding تست می‌شه. ته کار، هر دوازده تست پاس می‌شن، سریع اجرا می‌شن و هیچ‌وقت به یه API بیرونی دست نمی‌زنن — یعنی می‌تونی روی هر commit اجراشون کنی بدون نگرانی از هزینه یا flaky شدن. قسمت بعدی سراغ امنیت می‌ره: محافظت از ایجنت مقابل prompt injection و غربال کردن پیام‌ها با یه مدل زبانی محلی، قبل از اینکه چیزی به OpenAI برسه.

نکات کلیدی:

• تست کد هوش مصنوعی با درخواست واقعی به OpenAI کند، پرهزینه و ناپایداره
• سیستم faking خود SDK مثل fake کردن Mail و Queue کار می‌کنه: جواب از پیش تعریف‌شده، بعد assert روی پرامپت
• preventStrayPrompts تماس‌های ناخواستهٔ AI رو تو مسیرهای بی‌ربط لو می‌ده
• پرامپت‌های صف‌شده، ابزارهای سفارشی، اندپوینت چت و seed شدن پایگاه دانش همگی تست‌پذیرن
• نتیجه: دوازده تست سریع و قطعی، مناسب اجرا روی هر commit