Итоги Heisenbug 2025 Autumn:

🟠🟠🟠QA превращается в R&D-дисциплину

🟠🟠🟠Тестирование становится данными, кодом и частью pipeline-а

🟠🟠🟠В фокусе - автоматизация через AI и сценарное мышление

🟠🟠🟠Новая реальность рынка занятости: адаптация к еще более узкой воронке требований

📌СОБЕСЕДОВАНИЕ:

Продолжаем разговор об исключениях

⚫️Раздел: Обработка исключений и ассерты
⚫️Вопрос: throw и try-catch

↪️ throw
Помимо использования стандартных библиотек для генерирования исключений, мы также можем самостоятельно создавать исключения явным образом, используя оператор throw.

Рассмотрим обработку исключения на примере класса NoSuchElementException

fun filterPets(petList: List<GetPetResponse>, petId: Long): GetPetResponse {
    return petList.find {
        it.id == petId
    } ?: throw NoSuchElementException("Питомец с $petId отсутствует")
}

🔽При отсутствии передаваемого petId в списке petList исполнение функции будет прервано на исключение NoSuchElementException("Питомец с $petId отсутствует”)

↪️ Чтобы такого прерывания не происходило, следует использовать try-catch обертки

fun filterPets(petList: List<GetPetResponse>, petId: Long): GetPetResponse? {
    return try {
        petList.find {
            it.id == petId
        } ?: throw NoSuchElementException("Питомец с $petId отсутствует")
    } catch (e: Exception) {
        println("Неожиданная ошибка при поиске питомца: ${e.message}")
        null
    }
}

🔽При такой обработке исполнение не будет прервано исключением и продолжится далее, отслеживая иные ошибки, если они будут.

⚡️ Не стоит использовать обертки try-catch повсеместно, тк за ними могут скрываться более серьезные ошибки.

🖥 Новая задача Merge Sorted Array

ОПИСАНИЕ:

Вам даны два массива целых чисел nums1 и nums2, отсортированные в порядке убывания, и два целых числа m и n, представляющие количество элементов в nums1 и nums2 соответственно.

Объедините nums1 и nums2 в один массив, отсортированный в порядке убывания.

Конечный отсортированный массив не должен возвращаться функцией, а должен храниться внутри массива nums1. Для этого nums1 имеет длину m + n, где первые m элементов обозначают элементы, которые должны быть объединены, а последние n элементов установлены в 0 и должны быть проигнорированы. nums2 имеет длину n.

ПРИМЕРЫ 🔽:

Input: nums1 = [1,2,3,0,0,0], m = 3, nums2 = [2,5,6], n = 3
Output: [1,2,2,3,5,6]
Explanation: The arrays we are merging are [1,2,3] and [2,5,6].
The result of the merge is [1,2,2,3,5,6] with the underlined elements coming from nums1.

Input: nums1 = [1], m = 1, nums2 = [], n = 0
Output: [1]
Explanation: The arrays we are merging are [1] and [].
The result of the merge is [1].

Input: nums1 = [0], m = 0, nums2 = [1], n = 1
Output: [1]
Explanation: The arrays we are merging are [] and [1].
The result of the merge is [1].
Note that because m = 0, there are no elements in nums1. The 0 is only there to ensure the merge result can fit in nums1.

В прошлом месяце OpenAI📱 представили свою новую разработку - браузер со встроенным AI - ChatGPT Atlas.

Больше не требуется копировать-вставлять информацию из одного места в другое для последующего анализа - теперь можно получить обработанные данные “на месте”.

Давайте посмотрим, что же заявлено в анонсе.

В первом приближении реализовано несколько функциональностей:

🔺Open a tab

Новая вкладка — это ваша отправная точка в Atlas. Задайте вопрос или введите URL-адрес, чтобы увидеть более быстрые и полезные результаты в одном месте.

Здесь ничего революционно нового: умный поиск. Такое уже умеют браузеры-конкуренты, однако любопытно посмотреть, как с аналогичными задачами будет справляться помощник с более широким персонализированным контекстом “под капотом”.

Вижу здесь риск только в моменте самоограничения выдачи рамками уже имеющегося индивидуального контекста, собранного из весов (доводов) модели о пользователе.

🔺Ask ChatGPT

Нажмите «Спросить ChatGPT», чтобы открыть боковую панель ChatGPT на любой странице и обобщить, объяснить или выполнить задачи прямо в вашем окне. ChatGPT может видеть детали страницы, на которой вы находитесь, поэтому ответы более полезны и всегда имеют правильный контекст.

Одно из основных отличий от конкурентов ПОКА - возможность получения комментариев по всему материалу страницы “на месте”.
Больше не нужно копировать-вставлять информацию в отдельный чат целиком для “обучения” модели контексту. Теперь, обрабатывая входной запрос, модель уже будет иметь все необходимые предварительные данные.

Основную пользу в текущей области знаний вижу в возможности анализа и составления базового тест-сьюта проверок для выделенного фрагмента бизнес- или системных требований. А так же для проверки возможностей ревью веб мр-ов «из коробки» с вопросом, будет ли в таком случае у модели иметься доступ к данным всего проекта.
То есть будет ли возможность схлопнуть так же потребности в использовании сторонних помощников для анализа и и ревью кода от самих сервисов по типу github.

🔺Use cursor

ChatGPT также может помочь вам при написании текста в любом открытом текстовом поле, предлагая встроенные правки и предложения.

То же избавление пользователей от лишних телодвижений - возможность внесения правок в любые текстовые поля “на месте”.

Если не касаться примитичной рутины, то, прикрепив к чату/каналу/письму, к примеру, файл с описанием требований к тому или иному функционалу, можно получить развернутое представление о работе такого функционала для массового или точечного информирования. Удобно для коммуникация с коллегами из смежных продуктов, команд.
Туда же правки по ревью, сценариям и пр.

🔺Personalized suggestions

ChatGPT может запоминать, что вы изучали, и предлагать, что делать дальше: вернуться к предыдущим страницам, углубиться в тему, найти связанные идеи или автоматизировать рутинные задачи.

В целом, многие браузеры уже предлагают возможности персонализации, однако любопытно посмотреть, как подобного рода рекомендации будут работать с данными, предоставленными на основании не только пользовательских сессий, но и всех данных, имеющихся у модели

И поскольку область - смежная с умным поиском, то и риски подразумеваются те же.

Наибольший интерес вызывает новый Agent Mode уже внутри ChatGPT Atlas.

Что это такое:
Браузеры-конкуренты достаточно давно научились встраивать аналогичных агентов-помощников прямо в результаты выдачи, когда, помимо ссылок под запросом, можно получить сагрегированную обощенную выжимку под введенные данные.

Что же сделали в OpenAI 📱:
Компания не стала двигаться в сторону продажи своих решений сторонним браузерам, как это делается с LLM-моделями в средах разработки, а предложила принципиально новый подход, где агент руководит браузером, подменяя собой действия пользователя, а не наоборот.

Зачатки такого подхода можно было наблюдать в workflow automation системах по типу n8n.io, где самостоятельно построив архитектуру, пользователь может автоматически управлять сразу несколькими инструментами по одному запросу. Однако OpenAI предлагает еще более автоматизированный инструмент, в котором архитектура строится вне глаз конечного потребителя, что может быть одновременно и хорошо и плохо.

Что же касается профессиональной зоны интересов, то можно отметить, что пока еще в Atlas отсуствуют инструменты разработчика для работы с веб-проектами.

🔼Таким образом, Atlas лишает пользователя необходимости сталкиваться с выбором, анализировать и сравнивать работу сразу нескольких различных моделей обработки данных, а так же уменьшает количество “ручного” труда по наполнению контекстом.

🔽Однако важно понимать, что такое слияние так или иначе ограничивает “кругозор” получаемой информации, поскольку, как и в случае с любыми автогенераторами, персонализация может сузить вариативность.

➡️ Не забываем, что любой агент - прототип пользователя. Со временем он обучается. То есть любое заданное “дано” будет вероятнее всего выполнено в том стиле и с тем knowledge base, которые были заданы в ходе “общения” модели с юзером. Что тоже может быть как плюсом, так и минусом.

Зачем такая задача?

🔽Задача показывает, как объединять данные без выделения дополнительной памяти.
Мы не создаем новый список, а аккуратно заполняем уже существующий, упорядочивая элементы “на лету”.

К примеру, у нас уже есть какие-то данные по каким-то товарам и мы хотим подключить “нового” поставщика; Или хотим отображать результат слияния нескольких товарных категорий или рекомендательных единиц в одном списке быстро и дешево.

📌СОБЕСЕДОВАНИЕ:

Продолжаем разговор об исключениях

🟠Раздел: Обработка исключений и ассерты
🟠Вопрос: Ассерты. Assertions.

Ассерты Assertions - это утверждения, которые проверяют, что определённое условие выполняется:

assertEquals(200, response.statusCode)

🔼Если условие не выполняется, тест считается неуспешным, и фреймворк (например, JUnit) выбрасывает AssertionError.

AssertionError — это потомок класса Error, а не Exception, и он не должен обрабатываться приложением. То есть в случае NullPointerException, например, приложение выплюнет исключение вне зависимости от того, обработает ли его разработчик.

Это часть соглашения фреймворков тестирования (например, JUnit, TestNG):

- они распознают AssertionError как падение теста;
- и корректно отображают его в отчётах: с сообщением, строкой кода, и разницей между expected/actual.

Виды ассертов:

🟢 assertEquals = утвердить идентичность

fun <T> assertEquals(expected: T, actual: T, message: String? = null) {
    if (expected != actual) {
        val errorMsg = message ?: "Assertion failed: expected <$expected>, but was <$actual>"
        throw AssertionError(errorMsg)
    }
}

// Применение
val expectedStatus = 200
val actualStatus = apiResponse.statusCode

assertEquals(expectedStatus, actualStatus, "Некорректный статус ответа")

🟢 assertTrue = утвердить истинность

fun assertTrue(condition: Boolean, message: String? = null) {
    if (!condition) {
        throw AssertionError(message ?: "Assertion failed: expected true, but was false")
    }
}

// Применение:
val petCreated = apiResponse.statusCode == 200
assertTrue(petCreated, "Питомец не был создан")

🟢 assertFalse = утвердить ложность

fun assertFalse(condition: Boolean, message: String? = null) {
    if (condition) {
        throw AssertionError(message ?: "Assertion failed: expected false, but was true")
    }
}

// Использование:
val isError = apiResponse.statusCode >= 400
assertFalse(isError, "Ответ содержит ошибку: ${apiResponse.statusCode}")

🟢 assertNotNull = утвердить наличие

fun assertNotNull(value: Any?, message: String? = null) {
    if (value == null) {
        throw AssertionError(message ?: "Assertion failed: value was null")
    }
}

// Использование:
val createdPetId = apiResponse.data?.id
assertNotNull(createdPetId, "ID созданного питомца не должен быть null")

🟢 assertNull = утвердить отсутствие

fun assertNull(value: Any?, message: String? = null) {
    if (value != null) {
        throw AssertionError(message ?: "Assertion failed: expected null, but was $value")
    }
}

// Использование:
val deletedPet = apiClient.getPetById(999)
assertNull(deletedPet, "Удалённый питомец должен быть null")

Forbes: Крупные IT-компании обяжут поддерживать вузы для сохранения аккредитации

Наличие аккредитации позволят IT-компаниям “экономить” на налоговых отчислениях, что в свою очередь оставляет в бюджете неутилизированное пространство для занятости выгодоприобретателей-коммерсантов.

Для сохранения льготы предлагается принять участие в “поддержке образовательного сектора” по IT-специальностям путем организации стажировок, а так же проведения занятий в вузах для учащихся.

Ситуация win-win:
🔼Для государства - прикладная актуализация образовательной базы по критически важному направлению и оптимизация расходов бюджета;
🔼Для компаний - возможность сохранения налоговых льгот и, как следствие, большого процента бюджета, даже с учетом оплат стажировок и преподавания/менторства сотрудниками;
🔼Для рядовых сотрудников компании - шанс на реализацию в сфере преподавания и некоторая прибавка к доходу.

Стажерские вакансии на всех площадках найма через 3..2..1..

📱 AI
👩‍💻 FIND ERRORS

Кроме прочего, AI-ассистентом так же предлагается функциональность по поиску потенциальных проблем сверх требований. Удобно в качестве дополнительного фильтра для самопроверки.

🟢Если результат соответствует ожиданиям - принимаем
🚫Если нет - редактируем или отменяем результат

🆕 Новая usability фича на замену шорткатам в IntelliJ IDEA

Теперь можно вызывать действия прямо из окна автодополнения.

Вводим одинарную (.), чтобы увидеть предложения по автодополнению кода, и двойную (..), чтобы отфильтровать результаты только по действиям.
Отсматриваем предварительный результат и применяем при его эффективности.

Такое дополнение позволяет редактировать наработки из одного места.

Полный список обновлений - What’s New in IntelliJ IDEA 2025.3

Разомнемся после праздников

🖥 Новая задача Best Time to Buy and Sell Stock

ОПИСАНИЕ:

Вам дан массив цен, где prices[i] — цена данной акции в i-й день.

Вы хотите максимизировать свою прибыль, выбрав один день для покупки одной акции и другой день в будущем для ее продажи.

Верните максимальную прибыль, которую вы можете получить от этой сделки. Если вы не можете получить никакой прибыли, верните 0.

ПРИМЕРЫ 🔽:

Input: prices = [7,1,5,3,6,4]
Output: 5
Explanation: Buy on day 2 (price = 1) and sell on day 5 (price = 6), profit = 6-1 = 5.
Note that buying on day 2 and selling on day 1 is not allowed because you must buy before you sell.

Input: prices = [7,6,4,3,1]
Output: 0
Explanation: In this case, no transactions are done and the max profit = 0.

📌СОБЕСЕДОВАНИЕ:

Продолжаем разговор об исключениях

🟠Раздел: Обработка исключений и ассерты
🟠Вопрос: Кастомные ассерты. Полезность и вредность.

Кастомные ассерты Custom Assert - ассерты, позволяющие выполнять проверки на своих условиях в дополнение к возможностям стандартной библиотеки.

ResponseAssert.assertThat(response)
    .hasStatusCode200()

Создадим вспомогательный класс, в котором опишем интересующие нас проверки с использованием AbstractAssert (из библиотеки assertj) типа данных самого класса и принимаемого значения:

class ResponseAssert(
actual: Response
) : AbstractAssert<ResponseAssert, Response>(
actual, ResponseAssert::class.java) {}

Добавляем компаньона, который приводит тип получаемых данных к типу класса:

companion object {
    fun assertThat(actual: Response): ResponseAssert {
        return ResponseAssert(actual)
    }
}

Проверяем полученный ответ и возвращаем значение в нужном типе:

fun hasStatusCode200(): ResponseAssert {
    if (actual.status() != 200) {
        failWithMessage("Expected status code 200 but was ${actual.status()}")
    }
    return this
}

🔽 Для стандартных проверок составление кастомных ассертов не требуется, так как большинство необходимых методов уже имеется в общедоступных библиотеках.
🔼 Однако иногда появляются точечно случаи, под которые таких проверок нет.

📱 AI
👩‍💻 EXPLAIN CODE

Помимо генераций, AI-ассистентами так же предлагается функционал по объяснению фрагментов кода.

🔼 Выделив непонятный участок, можно получить развернутую справку по нему; подключить или не подключить кодовую базу для более глубокого анализа; а так же задать дополнительные вопросы прямо в чате по открытому фрагменту

🆕 Возможно, многие уже видели новость о том, что JetBrains добавили Codex в свою IDE

Использовать Codex возможно с подпиской JetBrains AI и своей учетной записью ChatGPT (или ключом API OpenAI). Никаких дополнительных приседаний - доступ прямо из чата AI-ассистента.

Представлены 3 режима работы:
• ридонли
• рв
• фул аксес (полностью автономный помощник с допуском к редактированию внешних файлов)

Дополнительно доступны последние версии моделей от OpenAI, а так же несколько опций глубины “мышления”:
• низкий
• средний
• высокий
• ультравысокий

Если подписки нет, то доступна пробная беслпатная версия на ограниченный срок, пока не будут исчерпаны промо-кредиты.

JetBrains так же сохранил для своих пользователей возможности мультимодельной работы: список доступных достаточно часто обновляемых LLM от других “поставщиков” размещается на своем прежнем месте - так же в окне чата с асситентом.

Что это меняет?
Небольшой демо-прокат по возможностям кодекса показал доступность к сразу несольким уровням настройки проектов, гибкость в предложении вариантов, более глубокое понимание витиеватого и в то же время абстрактного запроса, ну, и самое интересное - возможность сравнения с инструментами конкурентов!