15 промптов ChatGPT для QA
СодержаниеЗачем QA-инженеру промпты? Блок 1. Анализ требований Промпт #1: GAP-анализ требований Промпт #2: Матрица тест-покрытия Блок 2. Тест-дизайн Промпт #3: Boundary Value Analysis + бизнес-логика Промпт #4: State Transition Testing Блок 3. Работа с багами Промпт #5: Root Cause Analysis (5 Why's) Промпт #6: Баг-репорт по стандарту IEEE 829 Блок 4. Тестовые данные Промпт #7: Генерация реалистичных тестовых данных
Veai 5.4: изображения в чате, компрессия контекста и до 70% экономии на Anthropic
Новая версия Veai 5.4 (плагин к IntelliJ IDEA со своим AI агентом для написания кода, тестирования и отладки) — это практичные улучшения для повседневной разработки.Персональные пользователи теперь могут прикладывать изображения прямо в чат (удобно для фронтенда и UI-тестирования), запросы к моделям Anthropic стали до 70% дешевле за счёт улучшенного кэширования, а большие чаты автоматически сжимаются без дополнительных запросов к LLM.Появились новые сценарии для автоматического разрешения merge-конфликтов и
Veai 5.3: новые режимы агента, личный кабинет и выбор модели LLM
В Veai 5.3 появился личный кабинет и возможность выбрать модель LLM для индивидуальных пользователей, добавлены режимы работы агента (Modes) и обновлён интерфейс для более удобной работы.Личный кабинет для индивидуальных пользователейЗдесь пользователь может видеть баланс токенов и срок их действия, управлять подпиской, знакомиться с документацией и связаться с командой. Бесплатный 30-дневный пробный период активируется при регистрации в личном кабинете.
Сравнение LLM-кодеров: GPT-5.1, Grok, DeepSeek, «Алиса» и GigaChat
Привет, Хабр! Сегодня проверим, какая нейросеть лучше помогает в программировании. На дворе 2025 год у нас подоспел GPT-5.1, подтянулись конкуренты вроде Grok от xAI и DeepSeek из Поднебесной, а на отечественной сцене выступают обновлённая
Как я перестал бояться GUI-тестов и научился их любить (почти)
Пару лет назад мне надоело. Надоело писать Selenium-тесты, которые ломаются от каждого чиха. Надоело вручную прокликивать регресс в офисных пакетах и базах данных каждый релиз. Надоело, что половина приложений вообще не тестируется автоматически, потому что "это же десктоп, там нет селекторов".Короче, я запилил свой велосипед. И он оказался неожиданно полезным.Что меня бесило в обычных GUI-тестахДавайте честно. Если вы хоть раз писали UI-автотесты, вы знаете боль:Координаты - это ад. Поменялось разрешение? Сломалось. Обновили интерфейс? Сломалось. Запустили на другой машине? Сломалось.
Почему Python так популярен в 2025?
Многие языки приходят и уходят, но Python является одним из тех языков, который давно зарекомендовал себя на рынке как один из лучших вариантов для разработчиков всех уровней (и не только).Неважно, работаете ли вы над интеллектуальными системами, процессами, управляемыми данными или пишете тесты, Python позволяет создавать вам это программное обеспечение. И, судя по всему, тренд его популярности не собирается снижаться. Так почему же разработчики и тестировщики продолжают выбирать его? Ответ на этот вопрос я и предлагаю рассмотреть далее в статье.Насколько Python популярен?
Как искать различия на изображениях в визуальном тестировании ПО с помощью ИИ
Ключевые выводыОбнаружение различий между двумя изображениями — важная задача в визуальной автоматизации тестирования, когда скриншот нужно сравнить с предыдущей версией или эталонным дизайном.Генеративный ИИ на базе мультимодальных языковых моделей отлично распознаёт и объясняет содержимое изображения, но способен выявлять различия лишь в тех аспектах, на которых он был явно обучен.Эта задача обычно решается с помощью сверточной нейронной сети (CNN), сравнивающей небольшие фрагменты изображений (область 9×9 пикселей) вместо отдельных пикселей.
Визуальное тестирование с ИИ: сравнение скриншотов без ложных срабатываний
Ключевые выводыОбнаружение различий между двумя изображениями — важная задача в визуальной автоматизации тестирования, когда скриншот нужно сравнить с предыдущей версией или эталонным дизайном.Генеративный ИИ на базе мультимодальных языковых моделей отлично распознаёт и объясняет содержимое изображения, но способен выявлять различия лишь в тех аспектах, на которых он был явно обучен.Эта задача обычно решается с помощью сверточной нейронной сети (CNN), сравнивающей небольшие фрагменты изображений (область 9×9 пикселей) вместо отдельных пикселей.
Прощай, рутина: как наша команда QA в 3 раза ускорила работу с помощью собственного ИИ-агента
Привет, меня зовут Сергей, я занимаюсь автоматизаций тестирования в компании ITFB Group
