В жизни это выглядит как: вбил запрос(фикс багов, изменение локаторов и пр.) он смотрит и предлагает решение, человек смотрит решение и если устраивает то применяешь изменения. Только так.:)
Если не устраивает, отправляешь на коррекцию. Никаких вольностей. :)
В контексте хакатона ограничения по времени и сама суть формата не предполагают вылизывания тестов — там важна скорость проверки гипотезы. В реальной же практике слепое доверие ИИ, конечно, неприменимо: это создает огромные бизнес-риски. Инструмент не несет ответственности за результат, поэтому контроль и понимание кода человеком обязательны.
ИИ агенты сегодня — это мощный инструмент для ускорения рутины, а не замена инженеру. Его нужно применять как инструмент(ассистента) отдавать ему генерацию базовых тестов(скармливая небольшими задачами), но архитектуру, сложные, уникальные кейсы и финальное ревью всегда оставлять за человеком. При таком подходе и скорость растет, и качество не страдает, давая больше времени например на исследовательское тестирование и прочие более интересные задачи.:)
А какую модель используете если не секрет? Нам пришлось сначала скармливать документацию фреймворков, так как изолирована модель в контуре, а после доучивать примерами из кода(примерно как вы и написали), плюс дали ему возможность погулять и изучить проект. Что-то получилось что-то нет, если у него не получается, он начинает галлюцинировать довольно жестко, чаще всего замыкаясь в цикле либо меняя контекст... На счет контекста, да, поставили жесткое ограничение иначе он как я писал выше уходил в себя) У нас кстати базовая модель GLM 5.1
Эта статья скорее не про процессы и бизнес, а про сделать жизнь QA немного проще.
Как встраиваем агента в наши процессы, работаем с бизнес-требованиями и прочее, выйдет отдельный материал, позже.:)
В жизни это выглядит как: вбил запрос(фикс багов, изменение локаторов и пр.) он смотрит и предлагает решение, человек смотрит решение и если устраивает то применяешь изменения. Только так.:)
Если не устраивает, отправляешь на коррекцию. Никаких вольностей. :)
В контексте хакатона ограничения по времени и сама суть формата не предполагают вылизывания тестов — там важна скорость проверки гипотезы. В реальной же практике слепое доверие ИИ, конечно, неприменимо: это создает огромные бизнес-риски. Инструмент не несет ответственности за результат, поэтому контроль и понимание кода человеком обязательны.
ИИ агенты сегодня — это мощный инструмент для ускорения рутины, а не замена инженеру. Его нужно применять как инструмент(ассистента) отдавать ему генерацию базовых тестов(скармливая небольшими задачами), но архитектуру, сложные, уникальные кейсы и финальное ревью всегда оставлять за человеком. При таком подходе и скорость растет, и качество не страдает, давая больше времени например на исследовательское тестирование и прочие более интересные задачи.:)
А какую модель используете если не секрет? Нам пришлось сначала скармливать документацию фреймворков, так как изолирована модель в контуре, а после доучивать примерами из кода(примерно как вы и написали), плюс дали ему возможность погулять и изучить проект. Что-то получилось что-то нет, если у него не получается, он начинает галлюцинировать довольно жестко, чаще всего замыкаясь в цикле либо меняя контекст...
На счет контекста, да, поставили жесткое ограничение иначе он как я писал выше уходил в себя)
У нас кстати базовая модель GLM 5.1