Что должен знать и уметь Разработчик Автоматического Тестирования, чтобы называться Инженером
Оглядываясь на свой путь, хочу поделиться накопленными навыками и наблюдениями. Возможно, это поможет другим избежать подводных камней на карьерном пути и понять, к чему стремиться.
AI Review: для всех, везде и без боли
ВступлениеВ этой статье я хочу рассказать про инструмент AI Review. Да, подобных решений уже немало — но этот особенный. Его цель — работать везде, с любыми стеками, на любых CI/CD, быть гибким, быстрым и простым в настройке. Короче, чтобы всё было “как мы любим”: всё есть, ничего не ломается, и при этом — без боли и лишней магии.Попробуем разобраться, как это работает и почему мне захотелось сделать свой AI Review.Примечание: это не рекламный пост и не очередной “AI-ревью, который всех спасёт”. AI Review
Тайный чембер. Тестовые станции для умных устройств и что там происходит
Салют, Хабр! Меня зовут Александр, я руковожу разработкой Фермы и Чембера в SberDevices. Про Ферму я уже рассказывал в прошлой статье
Как мы автоматизировали анализ упавших тестов с помощью AI: от хаоса к структуре
Представьте: каждый день ваши автотесты генерируют десятки отчетов об ошибках, QA команда тратит часы на анализ падений, а разработчики получают невразумительные описания в духе "test.feature упал на строке 410". Знакомо?Мы решили эту проблему, интегрировав AI в процесс анализа тестов, и хотим поделиться опытом.Проблема: хаос в анализе упавших тестовВ нашем проекте работает комплексная тестовая инфраструктура:8 параллельных потоков выполнения650+ автотестов на CucumberЕжедневные прогоны с анализом регрессийТипичный workflow до автоматизации:Тесты упали
QA-инженер в 2025 году: скилсет джуниора и ожидания рынка
Привет! На связи команда Яндекс Практикума. В первой половине года мы провели традиционное исследование рынка ручного тестирования — выяснили актуальные требования к джуниорам, провели интервью с работодателями и трудоустроенными выпускниками и подробно изучили, как проходят собеседования. Делимся самым важным.Что мы делалиЦелью нашего исследования было уточнить портрет «идеального» джуниора в QA, выяснить актуальные требования работодателей и проанализировать рынок вакансий.Для этого мы:
Чем сети AI – ML отличаются от сетей традиционных дата-центров
Распространение искусственного интеллекта (AI) и машинного обучения (ML) стимулирует рост производительности и эффективности сетей дата-центров. В статье рассмотрены новые требования к AI сетям, отличия трафика AI / ML от трафика традиционных сетей дата-центров, а также технологии адаптации сети Ethernet для высоконагруженного AI трафика, и то, какие решения помогают оптимизировать AI сети.
Интеграционные тесты в Go: как избавиться от флаков и боли
Всем привет! Меня зовут Александр Голубь, и я пишу на Go уже 7 лет. Когда я только начинал, казалось, что юнит-тестов достаточно. Функции проверены, сборка зелёная — можно релизить. Но первый же боевой проект показал, что это иллюзия. В продакшене всё падает, хотя юниты сияют зелёным. Почему? Потому что реальный сервис — это не только код, но и PostgreSQL, Redis, Kafka, внешние API. Данные проходят через цепочку зависимостей, и любая несовместимость ломает систему. Юнит-тесты этого не ловят. Тут нужны интеграционные.
Ускорение крупномасштабной миграции тестов с помощью LLM
TL;DRЗадача: перевести тесты React с Enzyme на RTL без потери замысла и покрытия.Подход: LLM-управляемый пофайловый конвейер в виде машины состояний: Enzyme→RTL → Jest → ESLint --fix → фиксы линтера → TSC.Ретраи: повтор шагов до успеха; на каждом повторе модель получает актуальный файл и логи валидации (динамические промпты).Контекст: для сложных кейсов промпты 40–100k токенов (до ~50 связанных файлов, хорошие примеры RTL, исходники компонента и импортов).
