Телеграм канал «QA-Логия»

Как ИИ-агент проходит весь цикл мобильного тестирования в hh.ru

Александр Чернышев, который в hh.ru тестирует мобильные приложения, говорит, что за полгода его рабочие будни перевернулись с ног на голову — виной всему ИИ-тулзы, а в HeadHunter они давно в ходу. Лично у него в фаворе Claude Code с моделью Opus 5: по его опыту, с реальными тасками она справляется лучше прочих. Оговорка одна — подписка Max, так что лимиты его не душат. Агента он цепляет почти к каждой задаче.

Каркас всего процесса — скиллы: инструкции, которые жёстко прописывают агенту порядок шагов и не дают ему фантазировать на каждом заходе. Рядом с ними идут MCP-серверы и плагины — через них агент дотягивается до внешних инструментов, например до Figma (figma-mcp).

В статье автор раскладывает по полочкам полный цикл жизни задачи — от чеклиста и сверки с ТЗ до ретеста и автотестов — и показывает, где на каждом из этапов подключается ИИ-агент. Плюс разбирает, какие локальные и корпоративные скиллы и MCP выручают его в работе, и что в финале всё равно остаётся за тестировщиком. Читать далее

👉 QA-логия

ExploDrive: как я превратил запись экрана в отчет исследовательской тестовой сессии

Нейронки уже плотно влезли в рутину тестировщика. Разбирают требования, вылавливают в них противоречия, подкидывают идеи для проверок, клепают тест-кейсы, генерят тестовые данные, помогают с автоматизацией. То, на что раньше уходили часы ручной возни, теперь выдается за пару минут. Лучше всего это заходит там, где задачу можно формализовать: есть вход, правила, ожидаемый результат и внятный критерий полноты. Модель шустро перебирает варианты и не ноет от однотипных операций.

Итог: у тестировщика высвобождается время на то, что к заранее заданному алгоритму просто так не свести. Исследовательское тестирование — ровно из этой оперы. Тут мало прогнать заготовленный набор шагов: надо смотреть на продукт, цепляться за странности, строить гипотезы, разворачивать исследование в другую сторону и задавать вопросы, которых в исходных требованиях и близко не было. Иногда важнее не явное сообщение об ошибке, а мелкая задержка, внезапная смена состояния или ощущение, что система ведет себя непоследовательно.

Нейросеть может накидать тестовую идею или разобрать уже собранные материалы, но в самостоятельном исследовании живого продукта она человека пока не подменяет. Ей тяжело ухватить весь контекст взаимодействия, понять практическую значимость неожиданного поведения и решить, за какую случайную деталь стоит копать дальше. Исследовательская сессия как была, так и остается диалогом тестировщика с продуктом.

Читать далее

👉 QA-логия

Сайт на ИИ-агентах: 25 находок аудита из 111 — мусор, ещё 4 — чистая выдумка

Сайт у меня крутят ИИ-агенты: пишут код, правят тексты, ревьюят, собирают и выкатывают. 207 коммитов. Как именно это ускорило работу — автор молчит. Да и ускорило, чего там. Тема скучная, все давно в курсе.

Интереснее другое, про что говорят куда реже: узкое место съехало с написания кода на его проверку. Агент шпарит правки быстрее, чем человек успевает их прочитать, — и если проверку не вшить в конвейер, разница между «работает» и «выглядит как работает» просто растворяется.

Две цифры на затравку: 111 находок аудита, из них 25 отправились в мусор, а 4 оказались выдумкой. Читать далее

👉 QA-логия

Сказ про аккаунт OpenAI: паровозик, который так и не доехал

Хабровчанин делится: трёхлетний аккаунт OpenAI с подпиской Pro и кибер‑доступом Daybreak Blue улетел в бан — а заодно пропал доступ ко всему, что в нём накопилось. Ради этой истории он даже завёл себе профиль на Хабре — вдруг кому‑то из клиентов OpenAI это поможет не повторить его судьбу.

Аккаунт жил аж с 2023‑го: поначалу бесплатный, дальше $20 в месяц, а к 2026‑му дотянул до Pro за $100 ежемесячно. И жил он насыщенно: что‑то рисовал, копался в бытовых вопросах, клепал диеты и планы тренировок, поглядывал за крипторынком, интересовался путешествиями. Ну и пентестом тоже баловался.

Читать далее

👉 QA-логия

Тянуть ли топовую модель на рутину? Прогнал четыре штуки через пять одинаковых задач и сверил результаты

На Хабре всю неделю кипели: мол, нужен ли кодеру самый умный движок или на бытовухе прокатит бюджетный. Триста комментов — и ни единого замера, где всем выдали бы одно и то же.

Автор не стал спорить, а взял и сделал. Пять рутинных тасок, четыре модели из одного семейства, по два прогона на каждую, сверху — скрытые тесты. На выходе сорок запусков.

И вот сюрприз: самая дорогая оказалась самой шустрой — 341 секунда против 395 у самой дешёвой. Всё потому, что ей хватает меньшего числа ходов и вдвое меньшего объёма текста.

Четыре задачи из пяти затащили все, 32 прогона из 32. А на пятой младшенькая налепила баг и отчиталась двумя галочками кряду, причём вторая перечёркивает первую.

Читать далее

👉 QA-логия

Агент дописал «готово»? Это ещё не значит, что результат годный

Запуск закрыт, формат корректный, автопроверка пройдена. И что с того? В материале разбирают, почему для приёмки этого мало и какие отдельные гейты должны стоять между завершением и вердиктом человека.

Источник: Habr, 19 сентября 2026.

👉 QA-логия

Один Gmail — и тысячи адресов для сервиса: что мы случайно откопали в админке

Точка в адресе Gmail — и для сервиса ты уже другой юзер. Наткнулись на это случайно, а потом стало любопытно: докуда вообще можно докрутить?

Читать далее

👉 QA-логия