¿Ya estamos listos para pasar de Figma a React con IA?

Rate this content
Bookmark

¿Y si pudiéramos generar componentes de React listos para producción (incluyendo props, responsividad, estilos CSS, tipificaciones TypeScript y más) a partir de diseños de Figma, automáticamente? Esta tarea aparentemente imposible se está convirtiendo en realidad gracias a los últimos avances en IA (como ChatGPT).


En esta charla, discutiremos algunas de las técnicas que estamos utilizando en Anima para automatizar las partes aburridas del desarrollo frontend, generando componentes de React a partir de diseños de Figma. Cubriremos algunas técnicas algorítmicas, procesos y enfoques basados en aprendizaje profundo que podrían ayudarte a acelerar tu trabajo diario de frontend.

21 min
23 Oct, 2023

AI Generated Video Summary

La charla de hoy explora cómo la IA puede empoderar a los desarrolladores para escribir mejor código en React y automatizar el proceso de convertir los diseños de Figma en código. Se discute el uso de heurísticas para convertir los diseños de Figma en código HTML funcional y el potencial de la IA para generar mejores nombres de clases CSS. La charla también destaca la importancia de generar código que siga las convenciones del equipo y automatizar las actualizaciones de diseño y código. Finalmente, se enfatiza los beneficios de usar modelos de lenguaje grandes para automatizar tareas y mejorar la productividad del desarrollador.

1. IA potenciando el código React y las traducciones de Figma

Short description:

Hoy vamos a hablar sobre la IA y cómo nos permitirá escribir un mejor código React. Exploraremos la automatización de la tediosa tarea de recrear diseños en código y discutiremos la traducción de representaciones de Figma en representaciones de React. Figma proporciona una jerarquía de nodos, soporta componentes, propiedades, subcomponentes, acciones y eventos. Acceder a la información de Figma es fácil con su API.

Hola a todos. Hoy vamos a hablar sobre la IA y en particular, cómo los recientes avances en las tecnologías de IA nos van a permitir en un futuro cercano escribir mejor código React, más rápido y al mismo tiempo automatizar algunas de las partes aburridas de nuestro trabajo.

Así que antes de empezar una breve presentación, soy Federico, soy un arquitecto de software en Anima y nuestra misión es automatizar tanto como sea posible las partes aburridas del desarrollo front-end. Así que si estás interesado, visita animaapp.com. Dicho esto, comencemos.

Como desarrollador front-end, solía centrarme mucho en cómo escribir un buen código React. Pero eso no es lo que vamos a discutir hoy. Hoy no seremos desarrolladores tratando de escribir código React, sino más bien desarrolladores tratando de crear una máquina que escriba código React para nosotros automáticamente. Y vamos a empezar este viaje con una historia.

Trabajé durante aproximadamente un año como desarrollador front-end. Y mi trabajo diario implicaba muchos de los problemas con los que estoy seguro que todos ustedes están muy familiarizados como la interfaz con APIs, gestión de estado, optimizaciones de rendimiento. Pero había una tarea en particular que encontraba extremadamente tediosa. Cada vez que teníamos que implementar una característica, un diseñador venía a mí con un diseño, generalmente en Figma, y luego me pedía que lo hiciera realidad como una característica real. Pero antes de implementar la funcionalidad real, la lógica de negocio, lo que realmente me gustaba, mi primer trabajo era tomar el diseño y luego recrearlo dolorosamente en código, con todo el estilo, estructura, elementos, y así sucesivamente. Y como recrear un diseño pixel perfecto con código no es fácil, el proceso a menudo requiere un poco de ida y vuelta entre los desarrolladores y los diseñadores. Porque estoy seguro de que saben, los diseñadores son realmente buenos para detectar ligeras diferencias entre sus diseños y el código de producción. En fin, muy tedioso. Hasta el punto de que muchos desarrolladores empezaron a hacerse una pregunta, ¿podemos automatizarlo? Y si vamos desde una perspectiva de alto nivel, la pregunta es, ¿podemos traducir la información en un diseño de Figma en una representación de código? Y al principio, puede parecer una tarea imposible, ya que las dos representaciones parecen bastante diferentes.

Entonces, vamos a profundizar un poco en lo que es posible en Figma. En primer lugar, en un diseño de Figma, los nodos están estructurados en una jerarquía, que es muy similar a la estructura del DOM en una página HTML. Figma también soporta componentes, y esos componentes soportan propiedades, y esas propiedades pueden definir cosas como contenido de texto, visibilidad, instancias, y muchas otras cosas. Figma también soporta subcomponentes. Así que podemos tener un componente de botón en lugar de un componente de coche. Y finalmente, Figma incluso soporta acciones y eventos. Así que por ejemplo, puedo decir, cuando hago clic en este botón, abre esta página web. Y a estas alturas, podrías haber te dado cuenta de que esta información no es tan diferente de nuestro código React. Es más o menos la misma información, pero en una representación totalmente diferente. Y así que nuestra misión hoy es traducir la representación de Figma en una representación React. Antes de sumergirnos en este proceso de traducción, necesitamos discutir brevemente cómo acceder realmente a la información contenida en un diseño de Figma. Y resulta que Figma lo hace realmente fácil, porque no sólo proporciona una API para acceder a la información sobre un diseño, sino que proporciona dos.

2. Convirtiendo Diseño de Figma a Código con Heurísticas

Short description:

Podemos convertir un diseño de Figma en código utilizando heurísticas. Mediante una pequeña función de JavaScript, podemos convertir cualquier diseño de Figma en código HTML funcional. La función toma un nodo de Figma como entrada y decide la etiqueta HTML correspondiente. Luego utiliza el método getCSSAsync para obtener una representación CSS aproximada de los estilos del nodo. La función se llama recursivamente para todos los hijos, y la información se junta en una cadena HTML. Aunque el código resultante puede no estar listo para producción, funciona y puede ser extendido para manejar más casos y producir código de mayor calidad.

Uno que se basa en REST, y otro que se basa en JavaScript. Si estás interesado, te recomiendo que consultes la documentation, pero para el propósito de esta charla, puedes básicamente pensar en un diseño de Figma design como un documento JSON. Esta estructura JSON contiene todos los nodos del design, junto con sus propiedades de estilo y otra información útil. Es como HTML, pero en JSON y usando propiedades específicas de Figma. La información contenida es más o menos la misma.

Entonces, tenemos este documento JSON que representa un design, ¿verdad? ¿Cómo lo convertimos en código? Y hay múltiples enfoques posibles, así que veamos algunos de ellos. Empezamos por el más básico, las heurísticas. Y quizás hayas oído hablar del término heurística antes. Para el propósito de esta charla, nos referiremos a las heurísticas como una colección de reglas que definen el comportamiento de nuestro sistema. En palabras simples, imagina un código que dice, si esto sucede, haz esto, de lo contrario haz aquello. Bastante sencillo.

Y en realidad podemos convertir un diseño de Figma design en código usando sólo heurísticas. De hecho, aquí hemos preparado una pequeña función de JavaScript que es menos de 20 líneas de código que puede convertir cualquier diseño de Figma design en código HTML más o menos funcional. Entonces, veamos lo que hace paso a paso. En primer lugar, la función toma como entrada un nodo de Figma. Luego necesitamos decidir a qué etiqueta HTML corresponde el nodo actual y usamos una regla muy simple. Si es un nodo de texto, hazlo un span, de lo contrario hazlo un div. Luego usamos un método de Figma llamado getCSSAsync que básicamente nos da una representación CSS aproximada de los estilos del nodo. Y finalmente, básicamente llamamos a la función recursivamente para todos los hijos. Luego podemos juntar toda esta información en una cadena HTML y si abro Figma, tengo un video aquí para mostrarte. Así que básicamente si abres Figma y vas a Plugin, Desarrollo, Abrir Consola, esto abre una consola en la que puedes pegar cualquier JavaScript que quieras ejecutar. Si pego la función que acabamos de crear, esto produce algún código HTML. Ahora si cogemos ese código HTML y lo pegamos en CodePen, dale un segundo, esta es la tarjeta. Eso es bastante impresionante.

Y la cosa es, déjame ir al siguiente, la cosa es que este es el código resultante y seguro que no está listo para producción. Es feo, es verboso, usa estilos en línea, pero la cosa es que funciona y nos llevó menos de 20 líneas de código. Así que puedes imaginar que aunque no sea perfecto, puedes extender estas heurísticas para manejar más y más casos y producir código de mayor calidad. Pero aunque la heurística puede llevarnos bastante lejos en la creación de código de alta calidad, no es una solución a prueba de balas y tiene sus problemas. Por ejemplo, digamos que quieres generar código que use clases CSS en lugar de estilos en línea. Uno de los problemas a los que te enfrentas es que necesitas idear buenos nombres de clase CSS para cada nodo.

3. IA y Generación de Mejores Nombres de Clases CSS

Short description:

El nodo body en Figma puede convertirse en un div con un nombre de clase 'body', pero los diseños del mundo real a menudo tienen capas mal nombradas. Las heurísticas carecen de creatividad para generar buenos nombres de clases CSS. Sin embargo, los grandes modelos de lenguaje como Chadjupt, Claude y Lama tienen la capacidad de generar mejores nombres. Estos modelos están entrenados en vastos conjuntos de datos y pueden predecir lo que viene a continuación en el código. Al aprovechar la IA, ahora podemos resolver el problema de generar mejores nombres de clases CSS en segundos. Este es solo un ejemplo de las posibilidades que ofrece la IA en el desarrollo de software.

Por ejemplo, el nodo body en Figma fue, necesitamos idear una clase para ese nodo dentro del código. El primer enfoque podría ser usar el nombre del nodo Figma como un nombre de clase CSS. Entonces, por ejemplo, puedes ver que el nodo body en Figma se convierte en un div con la clase body, el contenido se convierte en un div con la clase content y así sucesivamente.

Ahora, en teoría esto funciona, pero no estoy seguro de cuán familiarizado estás con los diseños de Figma del mundo real, pero generalmente a los diseñadores no les importa mucho el nombre correcto de las capas. En lugar de buenos nombres como body, content, title, verás cosas como frame 23, frame 32, button 3 y así sucesivamente. Y si alimentamos esto a nuestras heurísticas, el código resultante tendrá nombres de clase terribles.

Y para expandir esto, preparé una de mis citas favoritas, hay dos problemas difíciles en ciencias de la computación, la validación de la caché, nombrar cosas y errores de uno por uno. Y me encanta esta cita porque es divertida, pero también es realmente cierta. Nombrar cosas es difícil también para los humanos. Y es posible que no siempre lo notemos, pero nuestro trabajo requiere un alto grado de creatividad para resolver problemas. Resulta que las heurísticas carecen de creatividad. Es realmente difícil codificar como una heurística, una tarea que requiere creatividad. Como idear buenos nombres de clases CSS. Hace cinco años, este habría sido un problema muy difícil de resolver. Habrías necesitado un equipo completo de ingenieros de machine learning y semanas para abordarlo. Pero las cosas han cambiado.

Es posible que hayas oído hablar de esta reciente tecnología transformadora que, entre otras cosas, es realmente buena en tareas creativas. Y por supuesto, estoy hablando de grandes modelos de lenguaje como Chadjupt, Claude, Lama, o muchos otros. No podremos profundizar en los grandes modelos de lenguaje durante esta charla, pero en un los grandes modelos de lenguaje se entrenan en enormes conjuntos de datos, incluyendo proyectos de código abierto en GitHub, Wikipedia, Stack Overflow, en general, una buena parte de Internet. Y su trabajo, en resumen, es siempre predecir lo que viene a continuación. Entonces, por ejemplo, si alimento al modelo con, el CAD está en, podría decidir que la mesa es lo que viene a continuación. Y porque ha sido entrenado en código de código abierto, también conoce la estructura y convenciones de populares frameworks como React. Y entonces, si volvemos a nuestro ejemplo anterior con malos nombres de clases CSS, resulta que podemos resolver el problema en 20 segundos simplemente preguntando, carga un poco. Y aquí, le pido que reescriba este componente React para usar mejores nombres de clases CSS, y 20 segundos después, tengo un código que está usando nombres de clases CSS mucho mejores. Por ejemplo, user car container, user profile, user name heading, y así sucesivamente.

Y entonces, gracias a los recientes avances en IA, lo que solía llevar a un equipo entero semanas ahora toma segundos. Pero esto es solo la punta del iceberg de lo que es posible con estas tecnologías. Entonces, veamos otro caso de uso. En Anima, nuestro objetivo es pasar de cualquier diseño de Figma a un código que realmente pondrías en producción. Y eso es un problema muy difícil de resolver.

4. Generando Código que Sigue las Convenciones del Equipo

Short description:

Generamos código de alta calidad, pero no seguía las convenciones del equipo. La generación de código basada en heurísticas tiene limitaciones para manejar diversas convenciones. Podemos usar un sistema que combina el código generado por heurísticas y las convenciones del equipo para refactorizar el código. Al usar grandes modelos de lenguaje, podemos personalizar el código para que siga la convención del equipo. Estas técnicas son útiles para migraciones o reescrituras. En el futuro, la integración de tecnología similar en los flujos de trabajo será común.

Una de las quejas comunes que recibimos de nuestros usuarios es que, aunque generamos código de alta calidad, no podían ponerlo en producción porque no seguía las convenciones de su equipo. Y ese es uno de los problemas de la code generation basada en heurísticas. Sería extremadamente difícil hacer una heurística que sea lo suficientemente general para manejar todas las posibles variaciones en convenciones, estilo de código, frameworks de estilos, state management, y así sucesivamente.

Entonces, ¿cómo generamos realmente código que siga las convenciones de cada equipo? Hace unos años, es posible que hayas visto una imagen como esta. Esto se llama transferencia de estilo neural, y es una técnica basada en aprendizaje profundo. La idea es que empiezas desde una imagen, en este caso un Lamborghini, y una referencia, en este caso una pintura de Van Gogh. Los alimentas en una red neuronal profunda, y obtienes como resultado un Lamborghini pintado al estilo de Van Gogh. En resumen, este proceso transfiere el estilo de la referencia, la pintura de Van Gogh, a la imagen original.

Te estarás preguntando por qué estamos discutiendo esto en una conferencia de React. La razón es que, desde una perspectiva de alto nivel, podríamos enmarcar nuestro problema de manera similar. Digamos que tenemos una heurística que genera código de alta calidad, pero desafortunadamente no es personalizado, no sigue las convenciones del usuario. ¿Qué pasaría si pudiera haber un sistema que tome como entrada tanto el código de alta calidad generado por heurísticas como las convenciones de tu equipo, combinándolos, básicamente tomando el código original y refactorizándolo para seguir la convención de tu equipo?

Ahora, veamos un ejemplo. Este es un código básico de React que generó una de nuestras heurísticas. El código funciona bien, pero nuestro usuario hipotético no está muy contento con él porque no sigue las convenciones de su equipo. Digamos que quieren usar funciones de flecha, quieren usar exportaciones nombradas y muchas otras cosas. Ahora, ¿cómo podemos resolver eso? Podríamos extender nuestras heurísticas para ser más y más y más complejas, para manejar más y más casos, pero eso no es escalable porque sabes cuán variable pueden ser las convenciones y el estilo y el state management entre los equipos.

Lo que podemos hacer hoy es, de nuevo, preguntar a charging PT. No entraré demasiado en los detalles del prompt que usamos, pero veamos los puntos clave. Empiezo enmarcando el programa. Eres un desarrollador frontend experto. Deberías refactorizar un proyecto de React para seguir las pautas dadas. Luego hay algunas plantillas, y finalmente las pautas. Deberías usar funciones de flecha para definir componentes, y luego los componentes deberían usar exportaciones nombradas. Y luego proporcionamos el código del componente, y después de unos 30 segundos, tenemos código de React que usa funciones de flecha, que usa exportaciones nombradas, y eso es exactamente lo que el usuario quería.

Entonces, para reiterar en esto, partimos de un código de alta calidad generado por heurísticas que era genérico, y luego usamos grandes modelos de lenguaje para personalizarlo para que realmente siga la convención de tu equipo. Y por cierto, estas técnicas también son extremadamente útiles si tu equipo está pasando por una migración o una reescritura. Esas cosas pueden ahorrar semanas de tiempo. Y esto no es lo más emocionante que quiero mostrarte hoy. Quiero cerrar la charla con lo que creo que es un vistazo al futuro, porque aunque la tecnología aún no está ahí, estoy seguro de que en dos o tres años la mayoría de nosotros integrará algo similar en su flujo de trabajo. Así que, hasta ahora hemos discutido cómo puedes convertir un design de Figma en código de React.

5. Automatizando Actualizaciones de Diseño y Código

Short description:

Actualizar componentes y pantallas existentes es crucial, especialmente si tu empresa utiliza un sistema de diseño. Con la ayuda de grandes modelos de lenguaje, se puede automatizar el tedioso vaivén entre diseñadores y desarrolladores. Los cambios realizados en Figma pueden reflejarse automáticamente en la base de código, y viceversa. Sin embargo, puede haber desafíos al manejar escenarios más complejos, ya que la IA puede no actualizar siempre el código como se esperaba.

Pero eso es algo puntual. Y lo que necesitamos hacer, lo que realmente necesitamos hacer, es actualizar componentes y pantallas existentes en lugar de crear nuevas. Y eso es especialmente relevante si tu empresa utiliza un sistema de diseño.

Por ejemplo, un diseñador podría agregar un icono en un componente inferior en Figma y luego algún desarrollador tiene que actualizar realmente el código para soportar ese icono. Así que preparé una pequeña prueba de concepto en uno de nuestros hackathons internos en Anima Y quiero compartirlo contigo. Así que empezamos desde un botón en Figma, puedes ver aquí, y aquí está el código correspondiente en nuestra base de código. Tenemos el JSX, tenemos el CSS y fingimos que somos diseñadores y actualizamos este diseño. Cambiamos el radio del borde a cinco. Cambiamos el color de fondo. Quitamos el icono.

Ahora, imagina si el diseñador pudiera hacer clic, enviar cambios, y luego después de unos segundos, nuestra base de código se actualizaría automáticamente. Como puedes ver, el icono ha sido eliminado y los estilos han sido actualizados. El radio del borde, el color de fondo, todo esto se hizo automáticamente usando grandes modelos de lenguaje. Y lo cierto es que esos grandes modelos de lenguaje son tan potentes que el proceso también puede hacerse al revés. Así que, por ejemplo, puedo entrar en el estilo, actualizar el radio de 20 a 1, y luego un diseñador en el otro lado puede pulsar obtener cambios. Y después de unos segundos, aquí vamos, el radio del borde refleja el código.

La primera vez que vi esto, me quedé impresionado. Imagina cuánto puedes automatizar con una solución como esta, como todo el tedioso vaivén entre diseñadores y desarrolladores. Incluso si pudieras automatizar el 30, 40 por ciento de esas pequeñas actualizaciones, sería un gran ahorro de tiempo. Voy a mostrarte la siguiente diapositiva. Así que aquí vamos. Algunos podrían argumentar que el ejemplo que hemos discutido hasta ahora era demasiado trivial. ¿Cómo funciona con escenarios más complejos? Y para responder a esa pregunta, permíteme discutir otra característica clave de los grandes modelos de lenguaje Así que digamos que tienes esta tarjeta en Figma será la de la parte superior izquierda y en la parte inferior derecha, tienes el código de React correspondiente. Digamos que nuestro diseñador cambia la descripción predeterminada de la tarjeta de esto es una descripción de prueba a, he cambiado la descripción. Si alimento este diseño al código anterior que mostré en la demostración antes, este es el resultado. Como puedes ver, la IA, en lugar de actualizar la constante de descripción predeterminada como yo esperaba, básicamente actualizó el texto en línea. Y eso no es lo que esperaba. Quería que actualizara una constante. Ahora, finjamos por un segundo que este código no fue generado por IA, sino que fue hecho por un nuevo becario en la empresa.

6. Automatizando Tareas con Grandes Modelos de Lenguaje

Short description:

Los grandes modelos de lenguaje pueden manejar sugerencias e iterar en sus respuestas basándose en sugerencias de lenguaje natural. Pueden adaptarse a diferentes escenarios y bases de código, automatizando tareas aburridas y permitiéndonos centrarnos en la construcción de características y la entrega de valor. Si quieres saber más o tienes alguna pregunta, puedes contactarme en Twitter, YouTube, LinkedIn o en mi sitio web.

¿Qué harías? Bueno, si hay problemas en una solicitud de extracción, normalmente escribes comentarios de revisión, y en este caso, sugiero que no deberías eliminar la constante. Y lo cierto es que los grandes modelos de lenguaje están entrenados para ser conversacionales, lo que significa que pueden manejar sugerencias e iterar en sus respuestas basándose en esas sugerencias.

Y si volvemos a ejecutar el sistema con mi comentario, este es el resultado. Bingo. La IA actualizó la constante exactamente como esperábamos. Y lo que hace, de nuevo, a los grandes modelos de lenguaje tan transformadores es que pueden adaptarse a escenarios y bases de código muy diferentes mientras también son capaces de iterar en sus respuestas basándose en sugerencias en lenguaje natural, que es algo que estamos muy acostumbrados a hacer en las solicitudes de extracción.

Y lo que me emociona tanto hoy es que estas tecnologías tienen el potencial de automatizar muchas de las tareas aburridas de nuestro trabajo para que podamos centrarnos realmente en las cosas importantes como construir características y entregar valor a los usuarios. Dicho esto, muchas gracias por escuchar. Si quieres saber más, quieres charlar, puedes contactarme en Twitter, YouTube, LinkedIn y también en mi sitio web. Y si quieres saber más sobre Anima y lo que hacemos, puedes visitar el sitio web animaapp.com. Ten en cuenta que muchas de las cosas que he mostrado hoy son productos realmente utilizables que puedes usar hoy. Así que si estás interesado y quieres saber más, simplemente contacta conmigo. Estaré encantado de responder a todas tus preguntas. Gracias.

Check out more articles and videos

We constantly think of articles and videos that might spark Git people interest / skill us up or help building a stellar career

React Advanced Conference 2021React Advanced Conference 2021
47 min
Design Systems: Walking the Line Between Flexibility and Consistency
Design systems aim to bring consistency to a brand's design and make the UI development productive. Component libraries with well-thought API can make this a breeze. But, sometimes an API choice can accidentally overstep and slow the team down! There's a balance there... somewhere. Let's explore some of the problems and possible creative solutions.
DevOps.js Conf 2024DevOps.js Conf 2024
25 min
Atomic Deployment for JS Hipsters
Deploying an app is all but an easy process. You will encounter a lot of glitches and pain points to solve to have it working properly. The worst is: that now that you can deploy your app in production, how can't you also deploy all branches in the project to get access to live previews? And be able to do a fast-revert on-demand?Fortunately, the classic DevOps toolkit has all you need to achieve it without compromising your mental health. By expertly mixing Git, Unix tools, and API calls, and orchestrating all of them with JavaScript, you'll master the secret of safe atomic deployments.No more need to rely on commercial services: become the perfect tool master and netlifize your app right at home!
TestJS Summit 2021TestJS Summit 2021
36 min
Effective Performance Testing to your Server with Autocannon
Performance testing expertise that is developed for a long time. In order to measure your server performance you need a tool that can efficiently simulate a lot of abilities and give you good measurements according your analysing criteria.Autocannon NPM library gave me exactly that - that library is super easy to install and has a very simple API to work with. Within a really short amount of time you can start do performance testing to your application and get good measurements in development environment and in your performance labs, and generate complicated testing scenarios.In this talk I will introduce Autocannon, explain how to efficiently analyse your server performance with it, and show how it helped me to understand complicated performance issues in my Node.js servers. At the end of this lecture, developers will be able to have the ability to integrate a fast and easy tool in order to measure your server performance.
Vue.js London 2023Vue.js London 2023
14 min
Domain Driven Design with Vue Applications
Introduction to Domain Driven Design- What is DDD?- Key principles of DDD- Benefits of using DDD in web application developmentDomain Modeling in Vue 3 Applications- How to design and implement domain models in Vue 3- Strategies for integrating domain logic with Vue's reactive data model and component-based architectureBest Practices for Implementing DDD in Vue 3- Strategies for organizing code in a way that follows DDD principles- Techniques for reducing coupling between domain and application logic- Tips for testing and debugging domain logic in Vue 3 applications

Workshops on related topic

TestJS Summit 2021TestJS Summit 2021
85 min
Automated accessibility testing with jest-axe and Lighthouse CI
Workshop
Do your automated tests include a11y checks? This workshop will cover how to get started with jest-axe to detect code-based accessibility violations, and Lighthouse CI to validate the accessibility of fully rendered pages. No amount of automated tests can replace manual accessibility testing, but these checks will make sure that your manual testers aren't doing more work than they need to.
TestJS Summit 2022TestJS Summit 2022
163 min
Automated Testing Using WebdriverIO
Workshop
In this workshop, I cover not only what WebdriverIO can do, but also how you'll be using it day-to-day. I've built the exercises around real-world scenarios that demonstrate how you would actually set things up. It's not just "what to do," but specifically "how to get there." We'll cover the fundamentals of Automated UI testing so you can write maintainable, useful tests for your website and/or web app.
TestJS Summit 2021TestJS Summit 2021
111 min
JS Security Testing Automation for Developers on Every Build
WorkshopFree
As a developer, you need to deliver fast, and you simply don't have the time to constantly think about security. Still, if something goes wrong it's your job to fix it, but security testing blocks your automation, creates bottlenecks and just delays releases...but it doesn't have to...

NeuraLegion's developer-first Dynamic Application Security Testing (DAST) scanner enables developers to detect, prioritise and remediate security issues EARLY, on every commit, with NO false positives/alerts, without slowing you down.

Join this workshop to learn different ways developers can access Nexploit & start scanning without leaving the terminal!

We will be going through the set up end-to-end, whilst setting up a pipeline, running security tests and looking at the results.

Table of contents:
- What developer-first DAST (Dynamic Application Security Testing) actually is and how it works
- See where and how a modern, accurate dev-first DAST fits in the CI/CD
- Integrate NeuraLegion's Nexploit scanner with GitHub Actions
- Understand how modern applications, APIs and authentication mechanisms can be tested
- Fork a repo, set up a pipeline, run security tests and look at the results
GraphQL Galaxy 2021GraphQL Galaxy 2021
82 min
Security Testing Automation for Developers on Every Build
WorkshopFree
As a developer, you need to deliver fast, and you simply don't have the time to constantly think about security. Still, if something goes wrong it's your job to fix it, but security testing blocks your automation, creates bottlenecks and just delays releases, especially with graphQL...but it doesn't have to...

NeuraLegion's developer-first Dynamic Application Security Testing (DAST) scanner enables developers to detect, prioritise and remediate security issues EARLY, on every commit, with NO false positives / alerts, without slowing you down.

Join this workshop to learn different ways developers can access NeuraLegion's DAST scanner & start scanning without leaving the terminal!

We will be going through the set up end-to-end, whilst setting up a pipeline for a vulnerable GraphQL target, running security tests and looking at the results.

Table of contents:
- What developer-first DAST (Dynamic Application Security Testing) actually is and how it works
- See where and how a modern, accurate dev-first DAST fits in the CI/CD
- Integrate NeuraLegion's scanner with GitHub Actions
- Understand how modern applications, GraphQL and other APIs and authentication mechanisms can be tested
- Fork a repo, set up a pipeline, run security tests and look at the results
React Advanced Conference 2022React Advanced Conference 2022
118 min
Rapid UI Development in React: Harnessing Custom Component Libraries & Design Systems
Workshop
In this workshop, we'll take a tour through the most effective approaches to building out scalable UI components that enhance developer productivity and happiness :-) This will involve a mix of hands-on exercises and presentations, covering the more advanced aspects of the popular styled-components library, including theming and implementing styled-system utilities via style props for rapid UI development, and culminating in how you can build up your own scalable custom component library.
We will focus on both the ideal scenario---where you work on a greenfield project---along with tactics to incrementally adopt a design system and modern approaches to styling in an existing legacy codebase with some tech debt (often the case!). By the end of the workshop, you should feel that you have an understanding of the tradeoffs between different approaches and feel confident to start implementing the options available to move towards using a design system based component library in the codebase you work on.
Prerequisites: - Familiarity with and experience working on large react codebases- A good understanding of common approaches to styling in React