Комментарии 4
В одном из комментариев к моему посту в LinkedIn была дана просто сакральная мудрость работы LLM: она всегда подстраивает свои ответы под базовый интеллектуальный уровень пользователя. Как глубоко были сформулированы запросы, такие были и даны ответы.
Это не сакральная мудрость, а шаблонная глупость, тиражируемая глупцами.
В реальности нейросети ― не более чем туповатые помощники, разгребающие рутину. Да, от них можно попытаться добиться чего-то стоящего, но промт для этого стоящего будет таковым, что проще (и качественнее) самому написать код.
При этом в моей конторе есть нейросетка, интегрированная в контур базы знаний. И вот с ней уже можно более-менее нормально работать в силу того, что она хотя бы в контексте.
Отличная статейка! По моим исследованиям (и исследованиям коллег тоже) всё так и есть. Единственный более-менее полезный вариант нейросетки ― выделенная отдельная и интегрированная в базу знаний фирмы. Она уже даёт более-менее релевантные ответы и способна что-то применимое генерировать.
Cursor, Windsurf Мой опыт использования нейросетей показывает более качественные результаты во всех описанных примерах. Здесь важно использовать самые мощные модели, которые доступны в основном в платных версиях. Создавать заранее умного ассистента помощника для решение каждой конкретной задачи, проводить Его обучение на определённых шаблонах, примерах. Показывай агенту каким вы хотите видеть отчёт каким вы видите хотите бак-репорт каким вы хотите видеть тест-кейс и так далее. Что касается написания кода, то тут сразу видно что автор не использовал Cursor, Windsurf и др инструменты, который шикарно справляется с данными задачами. В общем для меня статья неоднозначна. С одной стороны я согласен NDA и некоторыми выводами, с другой стороны, нейронки способные сегодня на большее, чем описано в этой статье.
ИИ в тестировании ПО: возможности, ограничения, эксперименты и практический опыт