AI w testowaniu: od ChatGPT do generacji kodu testów

Efektywne wykorzystanie AI w testowaniu: od ChatGPT do generacji kodu

Cel szkolenia

Szkolenie pokazuje, jak korzystać z ChatGPT i narzędzi programistycznych AI, takich jak Cursor, w codziennej pracy testera. Obejmuje tyle teorii modeli, ile potrzeba do zrozumienia ich zachowania, a następnie wykorzystuje ją w projektowaniu testów, automatyzacji, analizie i przeglądzie kodu.

Po ukończeniu szkolenia uczestnik będzie potrafił:

• wyjaśnić, jak działa model językowy (LLM) taki jak ChatGPT,
• pisać skuteczne prompty do zadań testerskich,
• świadomie wykorzystywać AI przy tworzeniu i przeglądzie kodu testów automatycznych.

Zakres tematyczny

• Podstawy działania LLM i praktyczne rozumienie ChatGPT
• Kluczowe pojęcia: AI, NLP, LLM, prompt
• Mechanika modeli: tokenizacja, embeddingi, attention mechanism
• Architektura Transformer i podstawy trenowania modeli
• Prompt engineering: techniki i dobre praktyki
  • role prompting (act as)
  • few-shot prompting
  • chain-of-thought
  • challenge/critique prompting
  • dobór języka promptowania
• Zastosowania AI w testowaniu
  • generowanie danych testowych
  • generowanie przypadków testowych
  • pair-testing z AI
  • wykorzystanie AI do szybszego uczenia się i analizy
• Ćwiczenie praktyczne: generowanie konfiguracji CI (GitHub Actions)
• Praca w IDE wspieranym AI (Cursor i podobne)
  • wsparcie AI przy pisaniu i refaktoryzacji testów
  • wyszukiwanie semantyczne i praca z dokumentacją
• Warsztaty end-to-end
  • tworzenie testów automatycznych z Playwright i JavaScript/TypeScript
  • ocena: co delegować do AI, a co robić manualnie
• Ryzyka i kontrola jakości
  • typowe błędy i halucynacje modeli
  • bezpieczne wzorce pracy z AI w QA
• Kolejne kroki rozwoju, w tym praca z API modeli AI

Jak się przygotować

Dla kogo?

Szkolenie jest przeznaczone dla testerów i inżynierów QA, którzy znają podstawy programowania (preferowany JavaScript).

Co przygotować?

Uczestnicy powinni mieć własny laptop przygotowany zgodnie z instrukcją trenera przekazaną przed szkoleniem.

Forma szkolenia

Większość czasu zajmuje praktyka. Każdy temat zaczyna się krótkim wprowadzeniem, po którym uczestnicy wykonują ćwiczenia i wspólnie omawiają implementację.

Materiały edukacyjne

• prezentacja szkoleniowa,
• gotowe przykłady kodu podzielone na moduły,
• notatki robocze i linki referencyjne,
• dodatkowe materiały pomocnicze używane podczas warsztatów.

Z czym wyjdziesz ze szkolenia

• praktyczne rozumienie LLM w kontekście testowania,
• wzorce promptów do typowych zadań testerskich,
• doświadczenie w generowaniu i sprawdzaniu testów z pomocą AI,
• listę najczęstszych błędów modeli i sposobów ich wykrywania,
• przykłady oraz sposób pracy, które możesz dostosować do własnego projektu.