#ProQuality_interview
Всем привет! С вами снова рубрика Scenario-based вопрос на собеседовании ✨
❓Вопрос: Вы обнаруживаете дефект в последний момент, но разработчик утверждает, что это не ошибка. Что вы будете делать?
🚦Пример ответа:
Нередко возникают разногласия с разработчиками по поводу багов. Однако такие ситуации следует разрешать тактически, чтобы поддерживать здоровые и продуктивные рабочие отношения.
Как тестировщик, я бы:
✔️Предоставил четкие шаги для воспроизведения ошибки, чтобы разработчик мог ее воспроизвести.
✔️Показал ожидаемое и фактическое поведение.
✔️Проверил бы документацию с требованиями, чтобы убедиться в правильности поведения.
✔️Если конфликт сохраняется, передал бы его бизнес-аналитику/руководителю для уточнения и дальнейших действий.
Всем привет! С вами снова рубрика Scenario-based вопрос на собеседовании ✨
❓Вопрос: Вы обнаруживаете дефект в последний момент, но разработчик утверждает, что это не ошибка. Что вы будете делать?
🚦Пример ответа:
Нередко возникают разногласия с разработчиками по поводу багов. Однако такие ситуации следует разрешать тактически, чтобы поддерживать здоровые и продуктивные рабочие отношения.
Как тестировщик, я бы:
✔️Предоставил четкие шаги для воспроизведения ошибки, чтобы разработчик мог ее воспроизвести.
✔️Показал ожидаемое и фактическое поведение.
✔️Проверил бы документацию с требованиями, чтобы убедиться в правильности поведения.
✔️Если конфликт сохраняется, передал бы его бизнес-аналитику/руководителю для уточнения и дальнейших действий.
❤5
#automationTesting
Антипаттерны тестирования — это плохие практики, подходы или привычки в тестировании, которые кажутся полезными или удобными, но на практике снижают качество тестирования, усложняют поддержку тестов, увеличивают количество багов или создают ложное ощущение качества продукта.
В новой статье автор расскажет о реальных антипаттернах тестирования на примере худшего набора тестов, с которым он столкнулся: один гигантский файл на 3000 строк, смешение типов тестов, пронумерованные и взаимозависимые тесты, отсутствие assert’ов, запутанные входные данные и общее разделяемое состояние.
Антипаттерны тестирования
Антипаттерны тестирования — это плохие практики, подходы или привычки в тестировании, которые кажутся полезными или удобными, но на практике снижают качество тестирования, усложняют поддержку тестов, увеличивают количество багов или создают ложное ощущение качества продукта.
В новой статье автор расскажет о реальных антипаттернах тестирования на примере худшего набора тестов, с которым он столкнулся: один гигантский файл на 3000 строк, смешение типов тестов, пронумерованные и взаимозависимые тесты, отсутствие assert’ов, запутанные входные данные и общее разделяемое состояние.
Антипаттерны тестирования
💯1
#softwareTesting
Тестирование по методу черного ящика — это методика для проверки работоспособности сайта или приложения без знания внутреннего кода.
В новой статье автор расскажет о тестировании по методу чёрного ящика: что это такое, как оно работает, какие существуют способы и методики (эквивалентное разделение, анализ граничных значений, таблицы решений и другие), как его проводить, какие инструменты использовать, а также о плюсах и ограничениях этого подхода.
Тестирование по методу черного ящика — практическое руководство
Тестирование по методу черного ящика — это методика для проверки работоспособности сайта или приложения без знания внутреннего кода.
В новой статье автор расскажет о тестировании по методу чёрного ящика: что это такое, как оно работает, какие существуют способы и методики (эквивалентное разделение, анализ граничных значений, таблицы решений и другие), как его проводить, какие инструменты использовать, а также о плюсах и ограничениях этого подхода.
Тестирование по методу черного ящика — практическое руководство
👍1
#ProQuality_news
🚨 Нейросеть нашла 10 000+ критических багов: ИИ от Anthropic меняет правила игры в QA? 🤖🐞
Коллеги, пока мы обсуждаем, заменят ли нас автотесты, искусственный интеллект уже вовсю тестирует безопасность сложнейших мировых систем. Компания Anthropic в рамках закрытого проекта Glasswing предоставила 50 партнерам (включая Cloudflare и Mozilla) доступ к своей новой, еще не выпущенной публично ИИ-модели — Claude Mythos Preview.
Результаты первого месяца работы просто поражают! 🔥
Всего ИИ-ассистент помог обнаружить более 10 000 уязвимостей высокой и критической степени серьезности. В частности, Mythos проанализировал 1 000 open-source проектов, где выявил 6 202 критических и серьезных бага!
Что самое интересное для нас, как для тестировщиков:
📉 По отзывам партнеров, процент ложных срабатываний (false-positive) у Mythos оказался ниже, чем у специалистов по безопасности.
🧩 Модель не просто находит изолированные мелкие недочеты, а умеет связывать несколько незначительных уязвимостей в цепочку для создания полноценного эксплойта (например, так произошло с популярной библиотекой wolfSSL).
⚠️ Баги сейчас находятся гораздо быстрее, чем разработчики успевают выпускать для них патчи (из 23 000 кандидатов на баги в опенсорсе пока пропатчили только 97).
🔗 Источник: Companies Using Anthropic's Mythos AI Uncover 10K+ Serious Software Bugs
👇 Как вам такие новости? Станет ли подобный ИИ ультимативным инструментом в арсенале каждого QA/SDET в ближайшем будущем или это тревожный звонок для ручного и классического автоматизированного тестирования? Делитесь своим мнением и опасениями в комментариях!
🚨 Нейросеть нашла 10 000+ критических багов: ИИ от Anthropic меняет правила игры в QA? 🤖🐞
Коллеги, пока мы обсуждаем, заменят ли нас автотесты, искусственный интеллект уже вовсю тестирует безопасность сложнейших мировых систем. Компания Anthropic в рамках закрытого проекта Glasswing предоставила 50 партнерам (включая Cloudflare и Mozilla) доступ к своей новой, еще не выпущенной публично ИИ-модели — Claude Mythos Preview.
Результаты первого месяца работы просто поражают! 🔥
Всего ИИ-ассистент помог обнаружить более 10 000 уязвимостей высокой и критической степени серьезности. В частности, Mythos проанализировал 1 000 open-source проектов, где выявил 6 202 критических и серьезных бага!
Что самое интересное для нас, как для тестировщиков:
📉 По отзывам партнеров, процент ложных срабатываний (false-positive) у Mythos оказался ниже, чем у специалистов по безопасности.
🧩 Модель не просто находит изолированные мелкие недочеты, а умеет связывать несколько незначительных уязвимостей в цепочку для создания полноценного эксплойта (например, так произошло с популярной библиотекой wolfSSL).
⚠️ Баги сейчас находятся гораздо быстрее, чем разработчики успевают выпускать для них патчи (из 23 000 кандидатов на баги в опенсорсе пока пропатчили только 97).
🔗 Источник: Companies Using Anthropic's Mythos AI Uncover 10K+ Serious Software Bugs
👇 Как вам такие новости? Станет ли подобный ИИ ультимативным инструментом в арсенале каждого QA/SDET в ближайшем будущем или это тревожный звонок для ручного и классического автоматизированного тестирования? Делитесь своим мнением и опасениями в комментариях!
PCMAG
Companies Using Anthropic's Mythos AI Uncover 10K+ Serious Software Bugs
Mythos identified 6,202 high- or critical-severity flaws in 1,000 open-source projects.
❤2
#proQuality_books #softwareTesting
📖 Software Testing Explained: A Comprehensive Guide for IT and Non-IT Professionals to Thrive in a High-Demand Field, Drive Business Value, Boost Efficiency, and Maximize Savings for Big Corporations (2023)
Автор: Jaime Mantilla MSIT
Количество страниц: 240
Язык издания: Английский
Книга — подробный и доступный гид по тестированию ПО для новичков и опытных специалистов. Автор объясняет ключевые понятия, жизненные циклы разработки и тестирования, роль QA, мифы о тестировании, основные виды и техники тестирования, а также дает советы по поиску работы и подготовке к интервью. Включены современные темы, такие как тестирование с использованием ИИ.
Плюсы:
➕ Четкая и лаконичная подача материала
➕ Подходит для новичков и опытных специалистов
➕ Практические примеры и объяснения
➕ Охватывает современные темы (например, тестирование ИИ)
➕ Можно использовать как справочник в работе
Минусы:
➖ Местами повторяется и поверхностно раскрывает темы
➖ Недостаточно практических советов и личного опыта автора
➖ Не хватает визуальных схем и графиков
➖ Некоторые главы слишком обобщённые
Для кого книга:
✔️ Для начинающих тестировщиков
✔️ Для специалистов, желающих освежить знания
✔️ Для студентов и тех, кто рассматривает карьеру в QA
📖 Software Testing Explained: A Comprehensive Guide for IT and Non-IT Professionals to Thrive in a High-Demand Field, Drive Business Value, Boost Efficiency, and Maximize Savings for Big Corporations (2023)
Автор: Jaime Mantilla MSIT
Количество страниц: 240
Язык издания: Английский
Книга — подробный и доступный гид по тестированию ПО для новичков и опытных специалистов. Автор объясняет ключевые понятия, жизненные циклы разработки и тестирования, роль QA, мифы о тестировании, основные виды и техники тестирования, а также дает советы по поиску работы и подготовке к интервью. Включены современные темы, такие как тестирование с использованием ИИ.
Плюсы:
➕ Четкая и лаконичная подача материала
➕ Подходит для новичков и опытных специалистов
➕ Практические примеры и объяснения
➕ Охватывает современные темы (например, тестирование ИИ)
➕ Можно использовать как справочник в работе
Минусы:
➖ Местами повторяется и поверхностно раскрывает темы
➖ Недостаточно практических советов и личного опыта автора
➖ Не хватает визуальных схем и графиков
➖ Некоторые главы слишком обобщённые
Для кого книга:
✔️ Для начинающих тестировщиков
✔️ Для специалистов, желающих освежить знания
✔️ Для студентов и тех, кто рассматривает карьеру в QA
🤓2👍1
#ProQuality_case
🤖🐞 Нейросети пишут код, а тестировщикам — разгребать: ИИ-код содержит в 1.7 раза больше багов
📊 Если вам кажется, что с массовым внедрением AI-ассистентов разработчиками багов стало больше, то вам не кажется. Согласно новому отчету от Techstack, пулл-реквесты (PR), сгенерированные ИИ, содержат в 1.7 раза больше ошибок, чем код, написанный человеком.
⚙️ Почему так происходит?
В большинстве случаев причина кроется в процессах. Команды активно внедряют ИИ-инструменты (тот же Copilot или Cursor), но совершенно не адаптируют свои процессы ревью и тестирования.
🤷♂️ Шаблоны PR, этапы аппрува и нагрузка на ревьюеров/QA остаются прежними, хотя сама природа кода кардинально изменилась. ИИ часто пишет синтаксически идеальный, но логически ошибочный код, который легко пропускается при беглом просмотре.
📋 Что предлагает Techstack?
Ребята проанализировали уязвимые места в цикле код-ревью и разработали чек-лист (scorecard) из 12 вопросов. Он помогает лидам и QA-инженерам оценить, насколько их текущий воркфлоу готов к разработке с помощью ИИ.
⏱️ Оценка занимает около 10 минут. Как показывает практика, большинство команд сразу находят 3–4 слепые зоны, которые у них вообще никак не контролировались.
🔗 Vibe Coding Works Until It Doesn't. AI-Generated PRs Carry 1.7× More Issues. And We Know Where They Hide
💬 Замечали ли вы на своих проектах снижение качества первоначального кода из-за ИИ? Меняли ли вы в команде подходы к тестированию после того, как разработчики начали активно использовать нейросети?
🤖🐞 Нейросети пишут код, а тестировщикам — разгребать: ИИ-код содержит в 1.7 раза больше багов
📊 Если вам кажется, что с массовым внедрением AI-ассистентов разработчиками багов стало больше, то вам не кажется. Согласно новому отчету от Techstack, пулл-реквесты (PR), сгенерированные ИИ, содержат в 1.7 раза больше ошибок, чем код, написанный человеком.
⚙️ Почему так происходит?
В большинстве случаев причина кроется в процессах. Команды активно внедряют ИИ-инструменты (тот же Copilot или Cursor), но совершенно не адаптируют свои процессы ревью и тестирования.
🤷♂️ Шаблоны PR, этапы аппрува и нагрузка на ревьюеров/QA остаются прежними, хотя сама природа кода кардинально изменилась. ИИ часто пишет синтаксически идеальный, но логически ошибочный код, который легко пропускается при беглом просмотре.
📋 Что предлагает Techstack?
Ребята проанализировали уязвимые места в цикле код-ревью и разработали чек-лист (scorecard) из 12 вопросов. Он помогает лидам и QA-инженерам оценить, насколько их текущий воркфлоу готов к разработке с помощью ИИ.
⏱️ Оценка занимает около 10 минут. Как показывает практика, большинство команд сразу находят 3–4 слепые зоны, которые у них вообще никак не контролировались.
🔗 Vibe Coding Works Until It Doesn't. AI-Generated PRs Carry 1.7× More Issues. And We Know Where They Hide
💬 Замечали ли вы на своих проектах снижение качества первоначального кода из-за ИИ? Меняли ли вы в команде подходы к тестированию после того, как разработчики начали активно использовать нейросети?
Techstack company
Vibe Coding Works. Until It Doesn't. AI-Generated PRs Carry 1.7× More Issues | Techstack
84% of developers use AI tools. Most teams still ship at the same pace. This report diagnoses the speed trap, hidden code risk, and tooling illusion — and shows what fixing the system actually looks like.
❤3
#automationTesting
Пирамида тестирования долгие годы была уважаемой моделью — планом построения эффективных автоматизированных тестов. Она предполагает широкое основание из быстрых изолированных модульных тестов, меньший слой интеграционных тестов и узкую вершину медленных сквозных (E2E) тестов.
Автор сегодняшней статьи расскажет о том, как искусственный интеллект меняет классическую пирамиду тестирования, снижая стоимость и повышая ценность UI- и E2E-тестов, и предложит современную стратегию сбалансированного набора тестов, адаптированную под возможности ИИ.
Будущее пирамиды тестирования в эпоху ИИ
Пирамида тестирования долгие годы была уважаемой моделью — планом построения эффективных автоматизированных тестов. Она предполагает широкое основание из быстрых изолированных модульных тестов, меньший слой интеграционных тестов и узкую вершину медленных сквозных (E2E) тестов.
Автор сегодняшней статьи расскажет о том, как искусственный интеллект меняет классическую пирамиду тестирования, снижая стоимость и повышая ценность UI- и E2E-тестов, и предложит современную стратегию сбалансированного набора тестов, адаптированную под возможности ИИ.
Будущее пирамиды тестирования в эпоху ИИ
QaRocks
Будущее пирамиды тестирования в эпоху ИИ
ИИ снижает стоимость UI-тестов и усиливает интеграционные тесты. В результате пирамида тестирования эволюционирует в «алмаз тестирования».
👍3❤1
#softwareTesting
Тестирование «черного ящика» (black box testing) — это метод, при котором оценивается функциональность приложения путем изучения его внешнего поведения без знания внутреннего кода, структуры или логики.
В новой статье автор расскажет о тестировании методом чёрного ящика: его целях, видах (функциональное и нефункциональное), ключевых техниках (эквивалентное разделение, анализ граничных значений, таблицы решений и др.), преимуществах, процессе проведения, лучших практиках, возможных сложностях, современных ИИ-трендах и полезных инструментах.
Практическое руководство по тестированию «черного ящика»
Тестирование «черного ящика» (black box testing) — это метод, при котором оценивается функциональность приложения путем изучения его внешнего поведения без знания внутреннего кода, структуры или логики.
В новой статье автор расскажет о тестировании методом чёрного ящика: его целях, видах (функциональное и нефункциональное), ключевых техниках (эквивалентное разделение, анализ граничных значений, таблицы решений и др.), преимуществах, процессе проведения, лучших практиках, возможных сложностях, современных ИИ-трендах и полезных инструментах.
Практическое руководство по тестированию «черного ящика»
QaRocks
Тестирование черного ящика — полное руководство - QaRocks
Узнайте, что такое тестирование черного ящика, каковы его виды, методы, преимущества и современные тренды в его применении.
👍2
#ProQuality_news
🤖 Мультиагентное ИИ-тестирование и нативная поддержка агентов в Playwright: Будущее QA уже здесь?
Парадигма автоматизации тестирования стремительно меняется. Если раньше мы говорили просто об интеграции AI для генерации кода, то сейчас индустрия переходит к мультиагентным системам.
Автор статьи разобрал, как несколько ИИ-агентов совместно забирают на себя рутину на всех этапах STLC.
Ключевые инсайты из статьи (Multi-Agent Architecture):
🔹 Полная интеграция через MCP: Агенты по одному промпту сканируют Jira, находят новые User Story, формируют тест-планы и сразу переходят к написанию автотестов.
🔹 Разделение ролей: В системе трудятся агенты-планировщики (Planner), генераторы кода (Generator) и «лекари» (Healer).
🔹 Self-Healing на стероидах: Если тест падает (например, изменился селектор в DOM), агент Healer анализирует причину и пытается на лету переписать локатор. Если после 3 попыток самовосстановления тест всё ещё падает — агент сам заводит баг в Jira со всеми логами!
🔥 Нативная поддержка AI-агентов в Playwright
Особенно круто этот подход ложится на недавние обновления Playwright (начиная с релиза 1.59, который называют самым «агентным» обновлением). Playwright внедрил нативные примитивы для работы ИИ:
🔹 Screencast API для агентов: Генерация "видео-чеков" (agentic video receipts) с аннотациями всех кликов и оверлеями действий. Теперь ИИ может визуально "доказать", что и как он тестировал на странице.
🔹 CLI Debugger & Trace Analysis: ИИ-агент больше не гадает, почему упал тест. Он может программно через терминал запросить анализ трейса (trace.zip), найти упавший сетевой запрос (например, 401 Unauthorized) и самостоятельно исправить логику авторизации прямо в коде теста.
🔹 Browser.bind(): Позволяет бесшовно подключать несколько AI-агентов к одной активной сессии браузера по протоколу MCP.
Эта связка (умные LLM + Playwright с нативным Agent API) переводит тесты из разряда жестко закодированных скриптов в адаптивную, саморазвивающуюся экосистему.
🔗 AI-Powered Multi-Agent Testing: The Future of Software Quality Engineering
💬 Что думаете? Верите ли вы в автономные мультиагентные системы, которые сами читают таски в Jira, пишут E2E-тесты и сами их чинят при изменениях UI? Или это пока лишь красивая теория, которая разобьется о суровую реальность?
🤖 Мультиагентное ИИ-тестирование и нативная поддержка агентов в Playwright: Будущее QA уже здесь?
Парадигма автоматизации тестирования стремительно меняется. Если раньше мы говорили просто об интеграции AI для генерации кода, то сейчас индустрия переходит к мультиагентным системам.
Автор статьи разобрал, как несколько ИИ-агентов совместно забирают на себя рутину на всех этапах STLC.
Ключевые инсайты из статьи (Multi-Agent Architecture):
🔹 Полная интеграция через MCP: Агенты по одному промпту сканируют Jira, находят новые User Story, формируют тест-планы и сразу переходят к написанию автотестов.
🔹 Разделение ролей: В системе трудятся агенты-планировщики (Planner), генераторы кода (Generator) и «лекари» (Healer).
🔹 Self-Healing на стероидах: Если тест падает (например, изменился селектор в DOM), агент Healer анализирует причину и пытается на лету переписать локатор. Если после 3 попыток самовосстановления тест всё ещё падает — агент сам заводит баг в Jira со всеми логами!
🔥 Нативная поддержка AI-агентов в Playwright
Особенно круто этот подход ложится на недавние обновления Playwright (начиная с релиза 1.59, который называют самым «агентным» обновлением). Playwright внедрил нативные примитивы для работы ИИ:
🔹 Screencast API для агентов: Генерация "видео-чеков" (agentic video receipts) с аннотациями всех кликов и оверлеями действий. Теперь ИИ может визуально "доказать", что и как он тестировал на странице.
🔹 CLI Debugger & Trace Analysis: ИИ-агент больше не гадает, почему упал тест. Он может программно через терминал запросить анализ трейса (trace.zip), найти упавший сетевой запрос (например, 401 Unauthorized) и самостоятельно исправить логику авторизации прямо в коде теста.
🔹 Browser.bind(): Позволяет бесшовно подключать несколько AI-агентов к одной активной сессии браузера по протоколу MCP.
Эта связка (умные LLM + Playwright с нативным Agent API) переводит тесты из разряда жестко закодированных скриптов в адаптивную, саморазвивающуюся экосистему.
🔗 AI-Powered Multi-Agent Testing: The Future of Software Quality Engineering
💬 Что думаете? Верите ли вы в автономные мультиагентные системы, которые сами читают таски в Jira, пишут E2E-тесты и сами их чинят при изменениях UI? Или это пока лишь красивая теория, которая разобьется о суровую реальность?
Medium
How to Implement AI-Powered Multi-Agent Testing for Modern Software Quality Engineering
Software quality assurance is one of the major hurdles faced by organizations to reduced time-to-market and software reliability…
👍5
#proQuality_books #automationTesting
📖 Contract Testing in Action: With Pact, PactFlow, and GitHub Actions (2024)
Авторы: Marie Cruz, Lewis Prescott
Количество страниц: 304
Язык издания: Английский
Практическое руководство по контрактному тестированию — подходу, который гарантирует совместимость API и сервисов через проверку их работы по согласованному контракту. Книга охватывает тестирование микросервисов с Pact, PactFlow и GitHub Actions, рассматривает consumer-driven и bi-directional тестирование, а также интеграцию контрактных тестов в CI/CD. Есть примеры для REST, GraphQL и event-driven архитектуры, разбор advanced-концептов и советы по внедрению в команду.
Плюсы:
➕ Отличное введение в контрактное тестирование с примерами и иллюстрациями.
➕ Подробные примеры и реализация с Pact.
➕ Баланс технических и нетехнических аспектов.
➕ Есть практические шаги по интеграции в CI/CD и работу с Pact.
➕ Доступны исходники на GitHub для закрепления знаний.
Минусы:
➖ Местами повторяет базовые вещи, которые знакомы опытным специалистам.
➖ Не во всех примерах приведены детальные разборы кода.
➖ Требуются базовые знания API, Java/JavaScript и автоматизации.
➖ Не подходит для полных новичков в тестировании.
Для кого книга:
✔️ Разработчики и QA-инженеры, работающие с API и микросервисами
✔️ Архитекторы систем, внедряющие контрактное тестирование
✔️ Команды с распределёнными сервисами и сложными интеграциями
📖 Contract Testing in Action: With Pact, PactFlow, and GitHub Actions (2024)
Авторы: Marie Cruz, Lewis Prescott
Количество страниц: 304
Язык издания: Английский
Практическое руководство по контрактному тестированию — подходу, который гарантирует совместимость API и сервисов через проверку их работы по согласованному контракту. Книга охватывает тестирование микросервисов с Pact, PactFlow и GitHub Actions, рассматривает consumer-driven и bi-directional тестирование, а также интеграцию контрактных тестов в CI/CD. Есть примеры для REST, GraphQL и event-driven архитектуры, разбор advanced-концептов и советы по внедрению в команду.
Плюсы:
➕ Отличное введение в контрактное тестирование с примерами и иллюстрациями.
➕ Подробные примеры и реализация с Pact.
➕ Баланс технических и нетехнических аспектов.
➕ Есть практические шаги по интеграции в CI/CD и работу с Pact.
➕ Доступны исходники на GitHub для закрепления знаний.
Минусы:
➖ Местами повторяет базовые вещи, которые знакомы опытным специалистам.
➖ Не во всех примерах приведены детальные разборы кода.
➖ Требуются базовые знания API, Java/JavaScript и автоматизации.
➖ Не подходит для полных новичков в тестировании.
Для кого книга:
✔️ Разработчики и QA-инженеры, работающие с API и микросервисами
✔️ Архитекторы систем, внедряющие контрактное тестирование
✔️ Команды с распределёнными сервисами и сложными интеграциями
⚡1
#ProQuality_tools
🥒🤖 Как заставить ИИ писать нормальные Gherkin-сценарии: гайдлайны от Automation Panda
Если вы пробовали генерировать BDD-сценарии с помощью нейросетей, то наверняка замечали одну проблему. Как пишет Andy Knight в своем блоге Automation Panda, без строгих правил ИИ начинает выдавать некачественные сценарии: размытые шаги Then, перегруженные UI-скрипты, намешивание нескольких поведений в один тест и бесполезные примеры-заглушки. Проблема не в самой модели, а в отсутствии правильного контекста.
🛠 Какое решение?
Andy создал Gherkin Guidelines for AI — открытый контекстный файл, который служит стандартом и референсом для ИИ-ассистентов при написании сценариев, код-ревью и тест-автоматизации.
Как это работает:
🔹 Это всего один .md файл, который вы скачиваете с GitHub.
🔹 Помещаете файл в свой проект рядом со спецификациями и "скармливаете" своему ИИ-инструменту (Cursor, Claude, Copilot, Codex или любому другому, поддерживающему контекст проекта).
🔹 ИИ начинает следовать единым правилам написания качественных BDD-спецификаций, перестав выдумывать "отсебятину".
🔗 Источники:
📖 BDD Gherkin Guidelines for AI Coding and Testing
💻 Репозиторий на GitHub с файлом гайдлайнов
💬 Используете ли вы BDD (Gherkin) на своих проектах? Пробовали уже поручать написание фича-файлов нейросетям и насколько вас устроил результат без настройки контекста?
🥒🤖 Как заставить ИИ писать нормальные Gherkin-сценарии: гайдлайны от Automation Panda
Если вы пробовали генерировать BDD-сценарии с помощью нейросетей, то наверняка замечали одну проблему. Как пишет Andy Knight в своем блоге Automation Panda, без строгих правил ИИ начинает выдавать некачественные сценарии: размытые шаги Then, перегруженные UI-скрипты, намешивание нескольких поведений в один тест и бесполезные примеры-заглушки. Проблема не в самой модели, а в отсутствии правильного контекста.
🛠 Какое решение?
Andy создал Gherkin Guidelines for AI — открытый контекстный файл, который служит стандартом и референсом для ИИ-ассистентов при написании сценариев, код-ревью и тест-автоматизации.
Как это работает:
🔹 Это всего один .md файл, который вы скачиваете с GitHub.
🔹 Помещаете файл в свой проект рядом со спецификациями и "скармливаете" своему ИИ-инструменту (Cursor, Claude, Copilot, Codex или любому другому, поддерживающему контекст проекта).
🔹 ИИ начинает следовать единым правилам написания качественных BDD-спецификаций, перестав выдумывать "отсебятину".
🔗 Источники:
📖 BDD Gherkin Guidelines for AI Coding and Testing
💻 Репозиторий на GitHub с файлом гайдлайнов
💬 Используете ли вы BDD (Gherkin) на своих проектах? Пробовали уже поручать написание фича-файлов нейросетям и насколько вас устроил результат без настройки контекста?
Automation Panda
BDD Gherkin Guidelines for AI Coding and Testing
AI coding agents can create effective Gherkin scenarios using Behavior-Driven Development principles when provided clear rules. My open-source Gherkin Guidelines context file for AI serve as a defa…
❤4🔥3
#automationTesting
Flaky-тесты — это серьезная проблема, потому что, если их не проверять, они подрывают доверие к качеству продукта.
Автор сегодняшней статьи расскажет о пяти практических шагах по избавлению от нестабильных (flaky) тестов: грамотном выборе метрик, назначении ответственных за модули, использовании бюрократии для давления на изменения, фокусе на устранении нестабильности и сохранении полезных артефактов при падениях.
Как избавиться от нестабильных тестов за 5 шагов
Flaky-тесты — это серьезная проблема, потому что, если их не проверять, они подрывают доверие к качеству продукта.
Автор сегодняшней статьи расскажет о пяти практических шагах по избавлению от нестабильных (flaky) тестов: грамотном выборе метрик, назначении ответственных за модули, использовании бюрократии для давления на изменения, фокусе на устранении нестабильности и сохранении полезных артефактов при падениях.
Как избавиться от нестабильных тестов за 5 шагов
👍3
#softwareTesting
Тестирование является критически важным этапом в процессе разработки программного обеспечения. Оно обеспечивает качество и надежность продукта.
В новой статье автор расскажет, как генеративный ИИ помогает в создании тест-кейсов и экономит время в процессе тестирования.
Создание тест-кейсов с использованием ИИ
Тестирование является критически важным этапом в процессе разработки программного обеспечения. Оно обеспечивает качество и надежность продукта.
В новой статье автор расскажет, как генеративный ИИ помогает в создании тест-кейсов и экономит время в процессе тестирования.
Создание тест-кейсов с использованием ИИ
❤3
#ProQuality_news
🚀 Вышел масштабный релиз k6 2.0: AI, Playwright и новые ассерты!
Отличные новости для всех, кто занимается нагрузочным тестированием. Команда Grafana выкатила мажорное обновление своего сверхпопулярного инструмента — k6 2.0. Инструмент продолжает развиваться далеко за пределы простой "долбилки" по API, становясь всё более универсальным комбайном для проверки производительности.
Что нового в версии 2.0?
🤖 AI-assisted testing workflows: В k6 интегрировали ИИ-ассистентов для работы с тестовыми сценариями. Теперь порог входа в написание сложных скриптов нагрузки снижается: ИИ помогает генерировать воркфлоу и, вероятно, быстрее разбираться в результатах тестирования.
🎭 Расширенная совместимость с Playwright: Модуль k6 browser получил более широкую поддержку API Playwright. Это позволяет эмулировать реальные действия пользователей в браузере (со всеми рендерами и метриками Web Vitals) и совмещать Frontend/UI-нагрузку с классическими запросами к бэкенду в одном тесте!
✅ Новый Assertions API: Переработанный механизм проверок (ассертов). Теперь писать проверки состояния, статус-кодов и ответов сервера станет удобнее, а код тестов будет выглядеть чище.
🔗 AI-assisted testing, extensions updates, and more: k6 2.0 is here
💬 Кто уже использует k6 на своих проектах? Как вам идея объединения UI-автотестов (через Playwright-совместимый модуль) и нагрузочного тестирования? И верите ли вы, что AI-ассистенты реально помогут писать качественные скрипты для перформанс-тестов, или пока лучше всё делать руками?
🚀 Вышел масштабный релиз k6 2.0: AI, Playwright и новые ассерты!
Отличные новости для всех, кто занимается нагрузочным тестированием. Команда Grafana выкатила мажорное обновление своего сверхпопулярного инструмента — k6 2.0. Инструмент продолжает развиваться далеко за пределы простой "долбилки" по API, становясь всё более универсальным комбайном для проверки производительности.
Что нового в версии 2.0?
🤖 AI-assisted testing workflows: В k6 интегрировали ИИ-ассистентов для работы с тестовыми сценариями. Теперь порог входа в написание сложных скриптов нагрузки снижается: ИИ помогает генерировать воркфлоу и, вероятно, быстрее разбираться в результатах тестирования.
🎭 Расширенная совместимость с Playwright: Модуль k6 browser получил более широкую поддержку API Playwright. Это позволяет эмулировать реальные действия пользователей в браузере (со всеми рендерами и метриками Web Vitals) и совмещать Frontend/UI-нагрузку с классическими запросами к бэкенду в одном тесте!
✅ Новый Assertions API: Переработанный механизм проверок (ассертов). Теперь писать проверки состояния, статус-кодов и ответов сервера станет удобнее, а код тестов будет выглядеть чище.
🔗 AI-assisted testing, extensions updates, and more: k6 2.0 is here
💬 Кто уже использует k6 на своих проектах? Как вам идея объединения UI-автотестов (через Playwright-совместимый модуль) и нагрузочного тестирования? И верите ли вы, что AI-ассистенты реально помогут писать качественные скрипты для перформанс-тестов, или пока лучше всё делать руками?
Grafana Labs
AI-assisted testing, extensions updates, and more: k6 2.0 is here | Grafana Labs
k6 2.0 helps teams author, validate, automate, and scale performance tests more efficiently to support AI-driven development workflows.
🔥4
#proQuality_Conference2026 #proQuality_Speakers
В сентябре состоится ProQuality Conference 2026. Конференция будет сфокусирована на 3 основных направлениях: ИИ в функциональном тестировании, тестирование приложений с ИИ и автоматизация тестирования с помощью ИИ.
🎤 ProQuality ищет спикеров, которые работают на стыке ИИ и тестирования ПО. Если вы тестируете приложения с ИИ, выстраиваете автоматизированные процессы тестирования на базе ИИ или у вас есть живое демо, достойное профессиональной аудитории — эта сцена для реальных, практических знаний, и мы хотим вас услышать.
Мы приветствуем заявки от:
✔️ QA-инженеров и автоматизаторов
✔️ Тест-лидов
✔️ Всех, кто активно применяет ИИ в своей практике тестирования
💡 Особенно приветствуются доклады с практическими демонстрациями и воспроизводимыми примерами.
👉 Если вы решили реальную задачу в этой области и хотите поделиться полученным опытом — мы будем рады вашей заявке.
Приём заявок от спикеров открыт. Отправьте вашу заявку до июля.
В сентябре состоится ProQuality Conference 2026. Конференция будет сфокусирована на 3 основных направлениях: ИИ в функциональном тестировании, тестирование приложений с ИИ и автоматизация тестирования с помощью ИИ.
🎤 ProQuality ищет спикеров, которые работают на стыке ИИ и тестирования ПО. Если вы тестируете приложения с ИИ, выстраиваете автоматизированные процессы тестирования на базе ИИ или у вас есть живое демо, достойное профессиональной аудитории — эта сцена для реальных, практических знаний, и мы хотим вас услышать.
Мы приветствуем заявки от:
✔️ QA-инженеров и автоматизаторов
✔️ Тест-лидов
✔️ Всех, кто активно применяет ИИ в своей практике тестирования
💡 Особенно приветствуются доклады с практическими демонстрациями и воспроизводимыми примерами.
👉 Если вы решили реальную задачу в этой области и хотите поделиться полученным опытом — мы будем рады вашей заявке.
Приём заявок от спикеров открыт. Отправьте вашу заявку до июля.
🔥5
#proQuality_books #softwareTesting
📖 The Self-Taught Software Tester: A Step By Step Guide to Learn Software Testing Using Real-Life Project (2020)
Автор: Chhavi Raj Dosaj
Количество страниц: 217
Язык издания: Английский
Пошаговое руководство по изучению тестирования ПО, совмещающее фундаментальные знания и их применение на примере реального проекта. Первая часть книги охватывает базовые принципы и подходы к тестированию, вторая — детальный разбор всех этапов проекта, от анализа требований до закрытия дефектов. Книга демонстрирует, как тестирование интегрируется в полный цикл разработки, и позволяет новичкам понять рабочие процессы в реальных условиях.
Плюсы:
➕ Простое и понятное изложение, подходит для самообучения.
➕ Реальный проект во второй половине книги помогает связать теорию с практикой.
➕ Использует пошаговый подход, вводя терминологию тестирования.
➕ Подходит для подготовки к работе в Agile-проектах.
Минусы:
➖ Для опытных специалистов книга может быть слишком базовой.
Для кого книга:
✔️ Начинающие тестировщики, стремящиеся освоить профессию
✔️ IT-специалисты, переходящие в тестирование
✔️ Студенты, изучающие основы QA
✔️ Лиды, обучающие новых членов команды
📖 The Self-Taught Software Tester: A Step By Step Guide to Learn Software Testing Using Real-Life Project (2020)
Автор: Chhavi Raj Dosaj
Количество страниц: 217
Язык издания: Английский
Пошаговое руководство по изучению тестирования ПО, совмещающее фундаментальные знания и их применение на примере реального проекта. Первая часть книги охватывает базовые принципы и подходы к тестированию, вторая — детальный разбор всех этапов проекта, от анализа требований до закрытия дефектов. Книга демонстрирует, как тестирование интегрируется в полный цикл разработки, и позволяет новичкам понять рабочие процессы в реальных условиях.
Плюсы:
➕ Простое и понятное изложение, подходит для самообучения.
➕ Реальный проект во второй половине книги помогает связать теорию с практикой.
➕ Использует пошаговый подход, вводя терминологию тестирования.
➕ Подходит для подготовки к работе в Agile-проектах.
Минусы:
➖ Для опытных специалистов книга может быть слишком базовой.
Для кого книга:
✔️ Начинающие тестировщики, стремящиеся освоить профессию
✔️ IT-специалисты, переходящие в тестирование
✔️ Студенты, изучающие основы QA
✔️ Лиды, обучающие новых членов команды
👍3