В QA обычно проблема не в тестах, а в зоопарке фреймворков. У каждой команды свой стек, свои костыли, свои «у

В QA обычно проблема не в тестах, а в зоопарке фреймворков. У каждой команды свой стек, свои костыли, свои «у нас так исторически». В итоге автоматизация не ускоряет, а расползается по компании и жрёт время на поддержку.

Что сделали здесь: собрали централизованное решение на базе Perfeccionista-framework, сверху подключили RAG и MCP-сервер для работы с LLM. Зачем? Чтобы языковая модель понимала не абстрактный текст, а контекст тестов: структуру, зависимости, домен, ограничения.

Что это меняет на практике:
— меньше ручной рутины в подготовке и разборе тестов
— меньше ошибок из-за отсутствия контекста у ИИ
— проще масштабировать автоматизацию на разные команды
— QA начинает работать не как «писатель скриптов», а как оператор системы тестирования 🤖

Главный вывод жёсткий: будущий QA — не просто автоматизатор, а человек, который умеет ставить задачу модели и при этом понимает предметку. Без этого ИИ в тестировании будет не ускорителем, а ещё одной дорогой игрушкой.