# Pipeline ทดสอบที่ซ่อมแซมตัวเอง

test suite แบบดั้งเดิมจะพังเมื่อ UI เปลี่ยน การทดสอบที่ซ่อมแซมตัวเองใช้ Synapse memory เพื่อเรียนรู้จากความล้มเหลวในอดีตและปรับตัว — ลด flaky test และภาระการบำรุงรักษา

## แนวคิด

```
┌─────────┐  fails   ┌──────────┐  store   ┌──────────┐
│  Test   │ ───────▶ │  Synapse │ ───────▶ │ Memories │
│  Run    │          │  Memory  │          │ (failures)│
└─────────┘          └──────────┘          └──────────┘
                           ▲                     │
                           │   recall            │
                           │  before next run    │
                           └─────────────────────┘
```

1. ทดสอบรัน
2. หากล้มเหลว เก็บความล้มเหลว (อะไรผิด, ทำไม, วิธีแก้)
3. รันครั้งต่อไป: recall ความล้มเหลวที่เกี่ยวข้องก่อนปฏิบัติ
4. ปรับใช้วิธีแก้ที่รู้โดยอัตโนมัติ

## การ implement

### ขั้นตอนที่ 1: Test Wrapper

ห่อหุ้มการทดสอบแต่ละครั้งด้วยการ recall/store memory:

```python
import requests
from datetime import datetime

URL = "https://synapse.schaefer.zone"
MIND_KEY = "mk_..."

def self_healing_test(test_name, test_fn):
    """Decorator: wrap a test with self-healing memory."""
    def wrapper():
        # 1. Recall past failures for this test
        past_failures = requests.get(
            f"{URL}/memory/search?q={test_name}+failure",
            headers={"Authorization": f"Bearer {MIND_KEY}"}
        ).json()
        
        # 2. Run test with failure context
        try:
            test_fn(known_failures=past_failures)
        except Exception as e:
            # 3. Store the failure
            store_failure(test_name, e, traceback.format_exc())
            raise
    
    return wrapper

def store_failure(test_name, error, traceback_str):
    requests.post(f"{URL}/memory",
        headers={"Authorization": f"Bearer {MIND_KEY}",
                 "Content-Type": "application/json"},
        json={
            "category": "mistake",
            "key": f"test_failure_{test_name}_{datetime.now().isoformat()}",
            "content": f"Test: {test_name}\nError: {error}\nTrace:\n{traceback_str}",
            "tags": ["test", "failure", test_name],
            "priority": "high"
        })
```

### ขั้นตอนที่ 2: Adaptive Test Logic

ภายในการทดสอบ ตรวจสอบความล้มเหลวที่รู้และปรับใช้วิธีแก้:

```python
@self_healing_test
def test_login_page(browser, known_failures=None):
    browser.goto("https://app.com/login")
    
    # Check if we've seen this page change before
    if known_failures and known_failures.get("results"):
        for failure in known_failures["results"]:
            if "button moved" in failure["content"].lower():
                # Use accessibility label instead of coordinates
                browser.click(by_label="Login button")
                return
    
    # Default: use coordinates
    browser.click(x=150, y=400)
```

### ขั้นตอนที่ 3: กลยุทธ์การกู้คืน

เก็บกลยุทธ์การกู้คืนเป็น memory:

```python
def store_recovery(failure_type, strategy):
    requests.post(f"{URL}/memory",
        headers={"Authorization": f"Bearer {MIND_KEY}",
                 "Content-Type": "application/json"},
        json={
            "category": "skill",
            "key": f"recovery_{failure_type}",
            "content": strategy,
            "tags": ["test", "recovery", failure_type],
            "priority": "high"
        })

# Store recoveries for common failures
store_recovery("element_not_found",
    "When element not found by ID, try by CSS class, then by XPath, "
    "then by accessibility label. Take screenshot for debugging.")

store_recovery("timeout",
    "Increase timeout to 30s. If still fails, check if page is loading "
    "dynamically — wait for specific element instead of fixed time.")

store_recovery("stale_element",
    "Re-find element before each interaction. Don't cache element references "
    "across page transitions.")
```

### ขั้นตอนที่ 4: CI Integration

```yaml
# .gitlab-ci.yml
test:self-healing:
  script:
    - export SYNAPSE_MIND_KEY=$SYNAPSE_TEST_MIND_KEY
    - pytest tests/ --self-healing
  after_script:
    # Summarize new failures
    - python scripts/synapse_failure_summary.py
```

### ขั้นตอนที่ 5: Failure Analysis Dashboard

```python
# Get all test failures from the last week
r = requests.get(
    f"{URL}/memory/search?q=test+failure",
    headers={"Authorization": f"Bearer {MIND_KEY}"}
)

# Group by test name
failures = {}
for mem in r.json().get("results", []):
    test_name = extract_test_name(mem["content"])
    failures.setdefault(test_name, []).append(mem)

# Report
for test, fails in sorted(failures.items(), key=lambda x: -len(x[1])):
    print(f"{test}: {len(fails)} failures")
```

## แนวทางปฏิบัติที่ดีที่สุด

> [!TIP]
> - **เก็บ traceback** — มีบรรทัดที่ล้มเหลวที่แน่นอน
> - **tag ตามชื่อการทดสอบ** — เปิดใช้งานการกรองที่รวดเร็ว
> - **ใช้ category `mistake`** — แยกจาก memory ปกติ
> - **ตั้ง priority `high`** — ความล้มเหลวไม่ควรถูกลืม
> - **ทำความสะอาดเป็นคาบ** — ลบ memory สำหรับปัญหาที่แก้แล้ว
> - **อย่าเก็บข้อมูล sensitive** — credential, PII

## รูปแบบความล้มเหลวทั่วไปที่ควรเก็บ

| ประเภทความล้มเหลว | สิ่งที่ควรเก็บ |
|--------------|---------------|
| Element not found | selector ที่ลอง, สถานะหน้า, screenshot |
| Timeout | เวลารอ, สิ่งที่กำลังรอ |
| Assertion failed | ค่าที่คาดหวัง vs ค่าจริง |
| Network error | URL, status code, response body |
| Permission denied | permission ที่ต้องการ, role ผู้ใช้ปัจจุบัน |

## ขั้นตอนถัดไป

- [Automated iOS Testing](/docs/guides/automated-testing-ios)
- [Memory Best Practices](/docs/guides/memory-best-practices)
- [Error Recovery Cookbook](/docs/llm-cookbook/error-recovery)