AI и LLM
13 докладов на митапах Moscow QA
Кого в ИТ не заменят нейронки?
Нейронки не заменят ответственного и качественного QA — об этом будет мой доклад. Поделюсь болью последнего года лидерства команды вайбкодеров, подниму проблему копеечной стоимости кода и возросшую цену бага. Посмеюсь над ленью разработчиков и слепым апрувом нейрокода. Расскажу, каким я вижу QA-инженера будущего.
AI Driven Quality Gates
В рамках доклада мы с вами разберем, как AI помогает создавать, встраивать и развивать Quality Gates на всех этапах SDLC: от анализа требований и кода до тестирования, ревью и выпуска релизов. Поговорим о том, какие проверки уже сегодня можно внедрять практически без больших затрат, где AI действительно усиливает инженерные практики, а где пока остается лишь помощником.
Тесты на API без рук
ИИ умеет писать код, но почему мы до сих пор пишем API тесты руками? Попытки автоматизировать этот процесс нейросетями обычно заканчиваются горой нерабочего мусора. Мы нашли рабочий инженерный подход и готовы им поделиться. Мы построили конвейер, где ИИ стал полноценным участником команды. Схема проста: девелоперы задают спеки, тестировщики полируют требования, а нейросеть выдает готовые тест-кейсы. Благодаря слою валидации и шаблонам нам удалось масштабировать автоматизацию и забыть про ручной труд.
Сбор AI-пентестера за один вечер
Как сделать утилиту, которая прогоняет по вашему контуру типичные слабости: от заголовков и cookie до открытых эндпойнтов. С помощью ИИ соберём полноценную адаптивную агентную систему, которая итеративно подходит к анализу приложения.
Я сломал свой тайм-менеджмент и починил его LLM-агентом
Про локального LLM-агента с readonly-доступом, который знает о задачах больше своего владельца. Поговорим про опасности: утечки знаний, слепое доверие и ложное ощущение порядка, — и как повторить это самому, без боли и без облака.
Локальный ИИ в контуре CI/CD: практика автономной генерации автотестов для микросервисов
Можно ли доверить ИИ написание автотестов для продакшена? Да, если держать модель внутри контура, контролировать контекст и валидировать результат. Как выбрать модель, настроить промпты и масштабировать решение на множество микросервисов.
Смешать, но не взбалтывать: коктейль для разбора падений автотестов с GPT
Каждый, у кого есть автотесты, знает боль: тест упал, логов много, времени мало, а причина неочевидна. Зачем страдать, если можно делегировать разбор ИИ.
Вайб кодинг в тестировании с позиции менеджера. Плюсы, минусы, риски и куда можно и нужно ли пробовать?
Хайп на вайб кодинг. Со стороны менеджмента чем это грозит и нужно ли? Плюсы, минусы и риски. Сколько стоит, как скажется на людях и как понять с чего начинать и стоит ли оно того. Если стоит, то какие модели попробовать и что почитать/посмотреть, если решите внедрять.
Автоматизированное тестирование нового поколения: Как ИИ меняет жизнь тестировщика
Разработка уникального фреймворка для автоматизированного тестирования, универсализация инструментов, взаимодействие с ИИ и автоматическая генерация тестов.
ИИ в тестировании: искусственный против человеческого
Применение ИИ в обеспечении качества на всех этапах — от аналитики требований до анализа результатов. Где ИИ помогает, а где эффективнее человеческая экспертиза.
Тестируем словами: автотест без кода в реальном времени
Автотесты на Vision Language модели без кода, без локаторов, без инфраструктуры. Живое тестирование на языке пользователя с интерактивом.
Как нейронные сети могут помочь в тестировании
Современное тестирование программного обеспечения выходит на новый уровень благодаря искусственному интеллекту. Рассмотрим, как нейросети могут помочь тестировщикам автоматизировать некоторые рутинные задачи и упростить разработку автотестов начинающим автоматизаторам.
