Powrót do: AI_Testers vol. 1 – Bonusy (aktywnie rozwijane)
📝 W tym odcinku:
Czy próbowaliście kiedyś poprosić sztuczną inteligencję o wielozadaniowość (np. wymyślenie strategii testów i jednoczesne napisanie setek linijek kodu)? Model zazwyczaj “zachłystuje się” nadmiarem informacji, zaczyna zmyślać (halucynować) i gubi połowę Waszych wymagań. Dlaczego? Ponieważ nawet sztuczni eksperci pracujący w pojedynkę w końcu wymiękają. Prawdziwa jakość i precyzja rodzi się w zespole.
Dzisiaj zmieniamy Waszą rolę. Z wykonawcy stajecie się Managerami AI. Odczarujemy groźnie brzmiące słowo “orkiestracja” i pokażemy, jak bezpiecznie podawać pałeczkę między wąsko wyspecjalizowanymi Agentami.
📚 Pojęcia, które warto znać:
- Orkiestracja: Proces zarządzania i koordynowania pracy wielu modeli/Agentów AI, aby wspólnie rozwiązały jeden, duży problem.
- Pipeline (Taśma produkcyjna): Ścieżka, w której wynik (output) pracy jednego Agenta staje się danymi wejściowymi (input) dla kolejnego Agenta.
- Checkpoint (Punkt kontrolny): Zapisanie wyników pośrednich (np. wygenerowanego planu w pliku Markdown), aby nie musieć zaczynać pracy od nowa w przypadku błędu na kolejnym etapie.
- Human-in-the-loop (Człowiek w pętli): Podejście, w którym sztuczna inteligencja wykonuje pracę, ale człowiek musi ręcznie zweryfikować i zatwierdzić wyniki pomiędzy kolejnymi etapami procesu.
🎯 Na czym polega nasza Mini-Orkiestracja?
To proces rozbicia wielkiego zadania na kilka mniejszych i postawienie między nimi bramki jakości, której strzeżecie Wy.
Przykład API: Zamiast rzucać komendą “napisz testy”, Agent A generuje najpierw dane testowe (payloady) → Wy je sprawdzacie → dopiero wtedy Agent B ubiera je w skrypty.
Przykład E2E (nasze demo): Agent A pisze plan testów formularza i zapisuje go do pliku. Wy sprawdzacie plan. Agent B otrzymuje plik z planem i pisze do niego kod.
🛠️ Krok po kroku: Ręczna taśma produkcyjna w VS Code
Krok 1: Planowanie (Zawsze zacznij od analizy)
Otwórz plik z kodem (np. formularzem logowania). Wywołaj Agenta analityka (np. @qa-strategist) i poproś o wygenerowanie strategii testów, wymuszając zapisanie jej do zewnętrznego pliku (np. plan_testow.md):
Przygotuj strategię testów dla tego formularza, uwzględnij przypadki brzegowe i zapisz całość w nowym pliku plan_testow.md.
Ważne: W tym momencie masz czas na weryfikację. Stworzyłeś bezpieczny Checkpoint. Nawet jeśli coś pójdzie nie tak na etapie kodowania, nie musisz generować analizy od nowa.
Krok 2: Kodowanie (Czysty kontekst to podstawa)
Zainstaluj Agenta programistę (np. Playwright Automation Engineer). Następnie otwórz zupełnie nową sesję czatu (aby pozbyć się “szumu” z poprzedniej rozmowy).
Zawołaj inżyniera, podepnij swój plik z planem, używając komendy #file:plan_testow.md (lub wybierając go z menu kliknięciem) i wydaj polecenie:
Napisz skrypty testowe w Playwright wyłącznie na podstawie tego zatwierdzonego planu.
⚖️ Human-in-the-loop vs Pełna Automatyzacja
Ręczne przekazywanie plików to świetny wstęp, ale w świecie AI możemy iść o krok dalej. Które podejście powinieneś wybrać?
-
Podejście 1: Human-in-the-loop (Ręczna orkiestracja):
To podejście, które zastosowaliśmy w dzisiejszym ćwiczeniu.
Plusy: Masz 100% kontroli. Możesz wyłapać błąd czy halucynację, zanim powstanie jakikolwiek kod. Tworzysz bezpieczne checkpointy.
Minusy: Wymaga Twojego czasu, uwagi i ciągłego klikania pomiędzy agentami. -
Podejście 2: Pełna Automatyzacja (Autonomiczne Agenty):
W tym scenariuszu wywołujesz Głównego Orkiestratora (Orchestrator Agent). Mówisz “przetestuj logowanie”, a on samodzielnie przydziela zadania analitykowi i programiście, wymieniając między nimi pliki w tle.
Plusy: Niesamowita szybkość i skalowalność dla ogromnych projektów.
Minusy: Jeśli pominiesz weryfikację, a pierwszy agent źle zrozumie zadanie, drugi agent napisze perfekcyjny, piękny kod… do całkowicie złych testów. Powstaje efekt kuli śnieżnej.
🚀 Zrób to na większą skalę
Na początku drogi rekomendujemy podejście “z człowiekiem w pętli”, z czasem przyjdzie czas i na automatyzację.
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. |