Powrót do: AI_Testers vol. 1 – Bonusy (aktywnie rozwijane)
W tym odcinku…
Zwykły czat już Ci nie wystarcza? Wklejasz kod, prosisz o testy, a AI zmyśla biblioteki, których w ogóle nie używacie w projekcie? To znak, że musisz wejść na wyższy poziom.
Dlaczego AI zmyśla biblioteki?
Ponieważ sam sposób zadawania pytań to za mało, jeśli model nie zna realiów i ograniczeń Twojego projektu. W tym odcinku robimy duży krok naprzód: przechodzimy od zwykłego “pisania z botem” (Prompt Engineering) do świadomego projektowania środowiska pracy dla AI (Context Engineering) i wykorzystania Agentów.
📚 Pojęcia, które warto znać:
- Prompt Engineering: Sztuka “rozmowy” z AI i formułowania poleceń (np. Złota Formuła). Decyduje o tym, jak model ma odpowiadać.
- Context Engineering: Zarządzanie wiedzą dostarczaną modelowi. Decyduje o tym, co model wie w momencie odpowiadania (np. precyzyjne podpięcie konkretnego pliku z kodem, zamiast wklejania całego projektu).
- Garbage In, Garbage Out (GIGO): Klasyczna zasada w IT: “śmieci na wejściu, śmieci na wyjściu”. Jeśli dostarczysz systemowi złe, chaotyczne lub niepotrzebne dane, otrzymasz równie bezużyteczny wynik.
🎯 3 kluczowe pojęcia, które musisz znać:
-
🧠 Ekspert w zamkniętym pokoju (Zwykły LLM):
Standardowy model językowy (Large Language Model) działa jak wybitny specjalista odcięty od świata. Zna ogólne zasady testowania, ale nie widzi Twojego repozytorium ani tablicy w Jirze. Jeśli zadasz mu pytanie bez dostarczenia precyzyjnych informacji z projektu, zacznie zgadywać. A gdy AI zgaduje — halucynuje (czyli zmyśla z pełnym przekonaniem). -
🗑️ Śmietnik Kontekstowy:
Jak testerzy próbują walczyć z halucynacjami? Wklejają do czatu 5 stron z Confluence i cały plik Swaggera naraz. Wpadają wtedy w pułapkę “Garbage In, Garbage Out”. Model dostaje zadyszki, gubi się w szczegółach i zapomina początkowe instrukcje. Dobry Context Engineering polega na dawaniu AI tylko tych wyselekcjonowanych fragmentów wiedzy, które są mu absolutnie niezbędne do wykonania konkretnego zadania. -
🤖 Agenty AI (Twój nowy współpracownik):
Co się stanie, gdy ekspertowi w zamkniętym pokoju damy dostęp do narzędzi (klawiatury, terminala, plików)? Powstanie Agent AI. W przeciwieństwie do czatu, który tylko biernie generuje tekst, Agent działa autonomicznie. Ty wyznaczasz mu cel (np. “znajdź błąd w aplikacji”), a on sam przeszukuje logi, czyta pliki w Twoim IDE i podejmuje decyzje na podstawie tego, co znajdzie. Z Agentem się nie rozmawia — z Agentem się po prostu pracuje.
Dlaczego prompty są po polsku?
Wszystkie prompty w tej serii są pisane po polsku, aby próg wejścia był jak najniższy i każdy mógł swobodnie zacząć pracę z AI — niezależnie od poziomu znajomości angielskiego. Z czasem, gdy poczujesz się pewniej, przejdziemy wspólnie na język angielski, by korzystać z pełni możliwości narzędzi. A czy język angielski jest lepszy i jeśli tak — dlaczego? O tym dowiecie się w dedykowanej lekcji.
Emilia Krzemińska-Komenda
Emilia to doświadczona inżynierka QA w Hicron Software, łącząca w swojej pracy analityczny umysł testera z pasją do automatyzacji. Mocno wierzy, że technologia, w tym sztuczna inteligencja, powinna służyć ludziom, dlatego aktywnie rozwija swoją wiedzę w kierunku testowania AI oraz dostępności cyfrowej. Wierzy, że testowanie to droga do tworzenia lepszych i bardziej inkluzywnych produktów. |