Виктория Капаева, старший руководитель команды разработки и ведущий тестировщик в компании «Диасофт», приняла участие в крупнейшей в России конференции по тестированию программного обеспечения Heisenbug 2026. Виктория рассказала о практическом опыте внедрения локальной ИИ-модели для автономной генерации автотестов для микросервисов.
По словам Виктории, одной из ключевых проблем в процессе разработки стало отставание тестирования от темпов выпуска функциональности. При среднем времени написания одного автотеста от 4 до 6 часов команды не успевали обеспечивать требуемое покрытие в 50% по событиям и API. Это создавало риски для качества релизов и увеличивало нагрузку на специалистов.
Существующие на рынке решения не удовлетворяли требованиям. Облачные внешние модели (LLM, Large Language Models) обеспечивают высокую скорость, однако зависят от стабильности интернет-соединения, связаны с существенными затратами, а также в них нельзя отправлять документацию API из-за соображений безопасности. В то же время шаблонные скрипты требуют постоянной ручной адаптации под каждый микросервис, что снижает масштабируемость. В этих условиях команда «Диасофт» приняла решение о разработке локального автономного инструмента, способного работать внутри корпоративного контура без внешних вызовов.
Был реализован интерфейс тестировщика, где задаются параметры генерации автотестов – от номера задачи и ссылок на Swagger до настроек модели (температура, количество перезапусков, regexp-фильтры). Архитектура инструмента построена вокруг оркестратора: он получает сценарий тестирования, запрашивает контракт сервиса, инициирует генерацию тестов через LLM и запускает их выполнение с последующей валидацией.
Процесс генерации носит итеративный характер: тест создается, проверяется через SpecBase и запускается с использованием JUnit 5. В случае ошибок система автоматически возвращает результат в модель для доработки. После успешного прохождения тест фиксируется в репозитории и проходит через CI/CD-пайплайн.
Для повышения качества генерации применяются строгие промпты с запретом на догадки и требованием точного формата вывода. Также реализованы различные режимы работы для уменьшения контекста: API-only, event-only и комбинированный.
Отдельное внимание уделено контролю качества. Система включает многоуровневую валидацию и механизмы проверки корректности автотестов. При этом инструмент рассматривается как средство поддержки тестировщика, а не его замена – все результаты проходят дополнительную экспертную проверку.
В результате внедрения локальной ИИ-модели удалось существенно сократить время подготовки автотестов и повысить покрытие с 50% до 70%. Улучшилось и качество тестирования: помимо базовых сценариев, ИИ позволяет проверять сложные цепочки взаимодействия API и событий, а также автоматически подбирать и генерировать тестовые данные.
Опыт «Диасофт» демонстрирует, что использование локальных ИИ-решений в тестировании может значительно повысить эффективность разработки при сохранении высокого уровня контроля качества. Ключевыми факторами успеха стали продуманная архитектура (использование оркестратора и многоуровневая валидация) и строгие требования к промптам и генерации.
Для получения подробной информации заполните форму обратной связи.
Узнать подробности