Как мы автоматизировали анализ упавших тестов с помощью AI: от хаоса к структуре
Представьте: каждый день ваши автотесты генерируют десятки отчетов об ошибках, QA команда тратит часы на анализ падений, а разработчики получают невразумительные описания в духе "test.feature упал на строке 410". Знакомо?Мы решили эту проблему, интегрировав AI в процесс анализа тестов, и хотим поделиться опытом.Проблема: хаос в анализе упавших тестовВ нашем проекте работает комплексная тестовая инфраструктура:8 параллельных потоков выполнения650+ автотестов на CucumberЕжедневные прогоны с анализом регрессийТипичный workflow до автоматизации:Тесты упали
Не LLM едиными: генерируем юнит-тесты из реального исполнения на лету
Представьте себе: вы отлаживаете новый баг в сложном многослойном приложении (например, на Spring). Чтобы воспроизвести проблему, приходится взаимодействовать со всей системой end-to-end: отправлять запрос на эндпоинт или что-то кликать в UI. Юнит-теста, который бы изолировал нежелательное поведение до уровня злополучного сервиса или утилиты, нет. А хотелось бы, чтобы он был: во-первых, воспроизводить баг было бы проще (особенно если UI кликает QA, а не вы), а во-вторых, его потом можно было бы легко превратить в регрессионный и улучшить стабильность системы.
ИИ для QA: реальный опыт автоматизации анализа результатов автотестов
Анализ результатов автоматизированного тестирования — это очень важная и в то же время непростая часть тестирования. В любой момент у нас должна быть возможность оценить состояние продукта по результатам автотестов, сказал Марош Кутши на конференции QA Challenge Accepted. Он рассказал, как искусственный интеллект помогает экономить время на анализе, снижать количество человеческих ошибок и сосредотачиваться на новых сбоях.Кутши рассказал, что его QA-команда сталкивалась с трудностями при анализе результатов автотестов и искала способ избавиться от человеческих ошибок:
GPT-4o vs YandexGPT: как мы отлаживали метрики в DeepEval из-за требований ИБ
Введение: Наш самый полезный багПривет, я Рамиль, QA-инженер в компании Raft. В своей работе я фокусируюсь на автоматизации тестирования, в том числе для LLM-решений, где часто использую связку Pytest и специализированных фреймворков. Эта статья — история из нашей недавней практики.Когда перед нами встала задача построить автоматизированную систему оценки (evaluation) для LLM-классификатора, который должен был сортировать запросы клиентов, выбор инструментов казался очевидным. Мы взяли DeepEval
Автоматизация QA: разбираем рынок решений для тестирования. Часть 1
Привет, Хабр! Я проанализировала 10 игроков рынка автоматизированного тестирования. Каждая платформа оценивалась по ключевым критериям, включая функциональность, поддержку русского языка, гибкость работы с тестами и интеграционные возможности. Надеюсь, что этот обзор поможет CTO и Tech Leads понять, какое решение впишется в их стек с минимальными доработками, QA-лидам — сравнить возможности платформ и выбрать оптимальный вариант для своих процессов, продуктовым менеджерам — увидеть, какие инструменты помогут ускорить релизы без потери качества.Общая характеристика Applitools
QA умерло? Как изменяется роль тестировщиков в 2025
ВступлениеВ этой статье я хочу поднять актуальную тему: действительно ли профессия QA «умирает» в современных реалиях. Сразу уточню — никто не умер, всё в порядке. Но в индустрии происходят серьёзные изменения, к которым важно быть готовыми.Цель статьи — разобраться, как сегодня чувствует себя направление QA, куда развивается рынок и какие новые требования предъявляются к специалистам. С приходом новых технологий, включая искусственный интеллект, ручной труд становится всё менее востребованным, и всё больше компаний стремятся к автоматизации тестирования.
Пентест на автопилоте: что доверить роботам, а что — нет?
ChatGPT генерирует эксплойты, автосканеры находят уязвимости за минуты, а фреймворки сами пишут отчеты. Неужели профессия пентестера обречена? Спойлер: нет, не обречена. Но кардинально меняется.
Е2Е-тестирование: как за 2 года вырасти от внепроектной идеи до проекта и увеличить покрытие автотестами в 4 раза
Всем привет! Меня зовут Ренат Дасаев, и я продолжаю рассказ о развитии E2E‑тестирования в Московской Бирже. За два года после публикации первой статьи многое изменилось: мы переупаковали процессы, расширили команду и существенно обновили технический стек. Хотите узнать, как нам удалось масштабироваться и какие инструменты сегодня ускоряют работу? Тогда - эта статья для вас!Изменения в командеНаше направление изначально существовало вне проекта
AI и QA: убьёт ли ChatGPT профессию тестировщика?
ВступлениеКажется, сегодня не осталось ни одной профессии, вокруг которой не возникал бы вопрос: «А не заберёт ли её работу искусственный интеллект?» Особенно это касается сферы тестирования. В чатах и на митапах всё чаще слышно: «ChatGPT всё сам напишет, тестировщики больше не нужны, нас всех уволят…»Честно? Эти разговоры мне тоже попадались не раз, и в какой-то момент я решил: давайте разберёмся спокойно. В этой статье я поделюсь личным мнением о том, как искусственный интеллект уже влияет на сферу QA, где он реально помогает, а где страхи сильно преувеличены.
Как вырасти из Manual QA в Automation: пошаговый план
ВступлениеВ этой статье я хочу поделиться практическими рекомендациями для инженеров, которые сейчас работают как Manual QA и задумываются о переходе в автоматизацию тестирования. Материал будет полезен и тем, кто уже твёрдо решил развиваться в Automation QA, но не знает, с чего начать.Цель статьи — помочь определиться с направлением развития и дать пошаговый план, который позволит плавно и комфортно перейти от ручного тестирования к автоматизации, минимизируя стресс и растерянность, которые часто возникают при смене специализации.Важно! Для кого эта статья и что внутри?
