В третьей статье цикла о применении ИИ в тестировании на Habr автор детально описывает процесс генерации тестовой документации с помощью нейросетей. Основные причины для внедрения — скорость работы на объёмных требованиях и детализация, которую тестировщики часто не успевают обеспечить. При этом на маленьких фичах из двух абзацев затраты на подготовку промпта могут превысить выгоду.
Для старта требуется набор файлов: контекст продукта, требования по задаче, правила написания тест-кейсов, принятые в компании, и эталонный тест-кейс, выгруженный из TMS (например, Zephyr) в CSV. Также желательно добавить базовый сценарий для похожих фич — это унифицирует документацию. Промпт собирается из шаблона или генерируется самим ИИ: в нём фиксируются входные файлы, ожидаемые артефакты и ограничения (например, не выходить за рамки ТЗ).
После запуска генерации нейросеть выдаёт набор документов: use cases в.md, e2e-тесты с подробными шагами, чек-лист позитивных и негативных проверок, а также матрицу покрытия в.csv. Автор подчёркивает, что ревью должен проводить опытный специалист — миддл или сеньор, так как джуны могут пропустить ошибки. Промпт рекомендуется корректировать после каждой итерации, чтобы улучшить качество на следующих задачах.
