qa.
ChatGPT Atlas: пока ещё не торт для тестировщиков
OpenAI представила ChatGPT Atlas - новый уровень интеграции искусственного интеллекта в браузер. По задумке, Atlas превращает привычный ChatGPT в универсального помощника, встроенного прямо в веб-страницы. Теперь чат можно вызвать в любой момент: он суммирует статьи, сравнивает контент, объясняет непонятное и даже может взаимодействовать с сайтами от имени пользователя.На бумаге всё выглядит как начало новой эпохи для тестировщиков. Но на практике пока ещё не торт.Что вообще делает Atlas
Если эффективность есть, то зрение опционально
💥 «Слепые не видят преград — только дедлайны»Сложности в трудоустройстве есть у некоторых всех. Вы знали, что люди с инвалидностью и без отзываются об этом одинаковыми словами? Одни говорят «Трудоустройте меня, потому что "Я слепой, мне и так трудно”», а другие «У меня же ипотека, войдите в моё положение» или «Я работаю в айти уже 30 лет, у меня гигантский опыт, а эйчары даже не отвечают. Рынок найма сломался!»
Как протестировать машинный переводчик
Машинный перевод уже стал привычной частью жизни — от деловой переписки до общения с людьми из других стран. Но за простотой нажатия кнопки «перевести» стоит сложная технология, которая требует постоянного контроля качества.В компании Lingvanex мы применяем собственный подход к выбору тестовых данных, ориентируясь на максимальную репрезентативность и адаптацию к реальным запросам клиентов. Цель состоит в том, чтобы создавать модели, которые могут точно переводить тексты как с лексической, так и с грамматической точностью, сохраняя контекст и стиль.
Почему обычный RAG ломается на русском
RAG (Retrieval-Augmented Generation) — это не одна технология, а архитектурный приём: мы соединяем поиск по базе знаний (retrieval) с генерацией текста (generation). На английском всё работает прилично, а вот на русском начинаются приключения.Причины банальны:Морфология.
Едем в поле с железным ящиком: как тестируют телеком
Модульные тесты, conformance по 3GPP и нюансы российского законодательства. Добавьте к этому автомобиль-лабораторию и разъезды по лесу — и получите обычный день QA-инженера в телекоме. Об этом и о многом другом поговорим на митапе по тестированию в телекоме 9 октября (воскресенье) в 18:00. Для участия в онлайн-трансляции достаточно зарегистрироваться на сайте.
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
End-to-end вместо трёх костылей: как мы обошли OCR и выиграли по скорости и точности
Привет, чемпионы!
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
QA-инженер в 2025 году: скилсет джуниора и ожидания рынка
Привет! На связи команда Яндекс Практикума. В первой половине года мы провели традиционное исследование рынка ручного тестирования — выяснили актуальные требования к джуниорам, провели интервью с работодателями и трудоустроенными выпускниками и подробно изучили, как проходят собеседования. Делимся самым важным.Что мы делалиЦелью нашего исследования было уточнить портрет «идеального» джуниора в QA, выяснить актуальные требования работодателей и проанализировать рынок вакансий.Для этого мы:
Ускорение крупномасштабной миграции тестов с помощью LLM
TL;DRЗадача: перевести тесты React с Enzyme на RTL без потери замысла и покрытия.Подход: LLM-управляемый пофайловый конвейер в виде машины состояний: Enzyme→RTL → Jest → ESLint --fix → фиксы линтера → TSC.Ретраи: повтор шагов до успеха; на каждом повторе модель получает актуальный файл и логи валидации (динамические промпты).Контекст: для сложных кейсов промпты 40–100k токенов (до ~50 связанных файлов, хорошие примеры RTL, исходники компонента и импортов).
