Efektywne wykorzystanie AI w testowaniu: od ChatGPT do generacji kodu

Cel szkolenia

AI staje się kluczowym elementem nowoczesnego wytwarzania oprogramowania. To szkolenie wyposaża testerów w praktyczną wiedzę i umiejętności efektywnego korzystania z narzędzi takich jak ChatGPT oraz IDE wspierane AI (np. Cursor) w codziennej pracy QA.

Po ukończeniu szkolenia uczestnik będzie potrafił:

• zrozumieć, jak działa model językowy (LLM) taki jak ChatGPT,
• tworzyć skuteczne prompty przyspieszające pracę testową,
• 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)
• Workflow z 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.

Metody nauczania

Szkolenie ma przede wszystkim charakter warsztatowy, uzupełniony krótkimi blokami teoretycznymi. Uczestnicy uczą się przez praktyczne ćwiczenia i wspólną implementację.

Materiały edukacyjne

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

Korzyści

• Praktyczne zrozumienie działania LLM w kontekście testowania.
• Umiejętność tworzenia promptów poprawiających jakość i użyteczność wyników.
• Lepsze wykorzystanie IDE wspieranych AI przy tworzeniu i utrzymaniu testów.
• Doświadczenie praktyczne w generowaniu i walidacji testów z pomocą AI.
• Świadomość ryzyk oraz wdrożenie bezpiecznych praktyk pracy zespołowej.
• Powtarzalny workflow, który można od razu zastosować w realnych projektach QA.