AI + QA Demo

Репозиторий для демо по применению AI в тестировании.

План воркшопа

1. Теория проектирование контекста AI - примеры скиллов и агентов

2. От требований к тестам — автоматизируем анализ спецификаций и генерируем качественные ручные тест-кейсы.

3. API Test Automation — ускоряем написание API тестов с помощью AI.

4. UI & L10n — применение AI для сравнения скриншотов: проверка UI и мультиязычных интерфейсов.

Кому будет полезно

QA-инженерам (Manual & Auto), желающим ускорить ежедневные задачи.

🛠 Формат

Что понадобится:

1. IDE — IntelliJ IDEA, Cursor, VS Code или OpenCode.
2. Доступ к AI (любой вариант):
   • CLI: Claude Code (будет использоваться для демонстрации)
   • Встроенный (обычно чат в IDE): GitHub Copilot, Cursor AI, Claude и т.д.
3. Этот репозиторий — склонируйте и откройте в IDE

---

🔄 Адаптация под вашу среду

"Скиллы" на Claude Code — это Markdown-файлы с инструкциями.

🗺 Схема для других сред:

Файл воркшопа	🟣 Claude Code	🟢 OpenCode (CLI)	⚪️ Cursor	🔵 VS Code Copilot	⚫️ IntelliJ Copilot
CLAUDE.md	Нативно ✓	Нативно ✓	Нативно ✓	→ copilot-instructions.md	→ copilot-instructions.md
qa_agent.md	Нативно ✓	Нативно ✓	→ .cursor/rules/*.mdc	→ copilot-instructions.md	→ copilot-instructions.md
skills/*.md	Нативно ✓	Нативно ✓	→ .cursor/rules/*.mdc	Нативно ✓	Открыть в редакторе

для VS Code Copilot добавлен .github/copilot-instructions.md.

Cursor: В .cursor/rules/*.mdc уже настроены "умные ссылки" на основные файлы проекта.

Лайфхак: Если инструмент не поддерживает "скиллы" — держите SKILL.md открытым в редакторе и дайте на него ссылку в промпте. AI прочитает из контекста.

ВНИМАНИЕ: Подробные промпты для каждого шага и IDE: docs/workshop-commands.md

---

Структура проекта: схемы самоулучшения

Архитектура Progressive Disclosure

Трёхуровневая система контекста CLAUDE.md → qa_agent.md → SKILL.md, которая динамически подгружает инструкции только по требованию — экономит токены и снижает галлюцинации.

Протокол самоулучшения (Gardener)

Встроенный механизм Dependency Injection, позволяющий агентам проактивно выявлять проблемы в ходе работы и обновлять базу знаний проекта прямо в процессе работы.

Инженерные Quality Gates

Результат работы ИИ проходит через жёсткие фильтры: например библиотека из 21+ анти-паттерна и авто-линтеры Markdown — для гарантии качества на выходе.

Мета-управление конфигурацией

ИИ использует собственные мета-скиллы (/init-*, /update-ai-setup) для генерации, аудита и поддержания актуальности своей же документации и правил.

docs/ai-setup.md

---

📚 Полезные ресурсы

🧠 Prompt Engineering

• Anthropic Prompt Guide

Официальные гайды по настройке контекста:

🟣 Anthropic (Claude)

• Anthropic Cookbook
• The-Complete-Guide-to-Building-Skill-for-Claude
• Sub-agents

🔵 VS Code & GitHub Copilot

• Custom Instructions — настройка .github/copilot-instructions.md