Генерация тестовых примеров с помощью искусственного интеллекта: превращение описания функции в исполняемый файл Gherkin Практический взгляд на подключение LLM к циклу контроля качества и почему контролируемый словарь обеспечивает работоспособность тестов, созданных ИИ. Как инженер по контролю качества, один из моих лучших...
Генерация тестовых примеров с помощью искусственного интеллекта: превращение описания функции в исполняемый файл Gherkin
Практический взгляд на подключение LLM к циклу контроля качества и почему контролируемый словарь обеспечивает работоспособность тестов, созданных ИИ.
В качестве инженера по контролю качества я провел один из крупнейших экспериментов в этом году: может ли ИИ писать тесты, которые действительно работают? Короткий ответ — да, если вы ограничиваете «творчество». В этой статье я делюсь рабочим подходом, при котором вы описываете функцию в виде обычного текста, а генератор ИИ создает сценарии Gherkin, выполняемые Драматургом.
Это описание портфолио проекта. Полный работоспособный исходный код находится на моем GitHub.
Трубопровод
описание функции (.md) → 🧠 Генератор искусственного интеллекта → Корнишон (.feature) → Им управляет драматург
1. Цель: текст → исполняемый Огурец
Пользователь пишет спецификацию на естественном языке (что делает функция и критерии ее приемлемости). Генератор использует искусственный интеллект для создания файла .feature. Затем драматург-бдд запускает его по-настоящему.
2. Ключевое проектное решение: подключаемый IAProvider.
Сердце — это простой интерфейс:
интерфейс IAProvider {
генерироватьFeature (спецификация: строка, глоссарий: строка): Promise;
}
Две реализации:
Поставщик
Используется, когда
Что он делает
детерминированный
Нет API-ке