Про Quality Assurance, Quality Assistance, автотесты
💡 Делюсь опытом, лайфхаками и полезными ресурсами
✏️ @prafair
📌 t.me/boost/qa_relia
😊 t.me/addemoji/TestAutomation
Post #120
900
🔹 ISTQB выпустила новую сертификацию — CT‑GenAI
(Certified Tester – Testing with Generative AI)
На днях ISTQB представила новую сертификацию уровня Specialist: Certified Tester – Testing with Generative AI (CT‑GenAI).
Это первая в мире программа, полностью посвящённая практическому применению LLM (типа ChatGPT) в тестировании ПО.
Вот что важно знать👇
🔹Что покрывает CT‑GenAI?
🔹Основы GenAI и LLM
— Что такое языковые модели (GPT, Claude и др.), как они работают: токены, окно контекста, temperature, zero/few-shot.
— Чем отличаются foundation models, fine-tuned, multimodal.
🔹Prompt Engineering для QA
Да, в будущем мы все станем промпт инженерами 😂
— Как правильно формулировать промпты: шестикомпонентная структура (роль, контекст, инструкция, вход, ограничения, формат).
— Техники:
🔹zero-shot — без примеров,
🔹few-shot — с примерами,
🔹chain-of-thought — пошаговое рассуждение,
🔹meta-prompt — генерация промптов.
— Как использовать LLM для генерации:
🔹тест-кейсов,
🔹чек-листов,
🔹edge-сценариев,
🔹баг-репортов.
🔹Риски и ограничения
— Галлюцинации, непредсказуемость, bias (предвзятость), утечки данных.
— Как снизить риск: temperature=0, проверка валидности, аудит результата.
— Приватность: нельзя передавать в промпт чувствительные данные (PII, логи с юзер-данными).
🔹LLM‑инфраструктура и LLMOps
— Что такое RAG (Retrieval Augmented Generation) и как он повышает точность ответов.
— Версионирование промптов, наблюдение за качеством генерации, управление стоимостью (inference cost).
— Использование AI-агентов - например, генерация тестов + запуск + отчёт.
🔹Внедрение в команду
— Как создавать шаблоны промптов для команды.
— Как измерять эффективность: ускорение подготовки, рост покрытия, снижение дефектов.
— Обучение QA-команды промптингу и ревью.
🔹 Примеры задач, которые можно делать с GenAI
✅ Сгенерировать чек-лист по user story
✅ Предложить edge‑cases, о которых забыли
✅ Оформить Gherkin-сценарии
✅ Составить баг-репорт на основе скриншота
✅ Сгруппировать баги по причинам (root-cause analysis)
✅ Сгенерировать отчёт по тест‑прогону
✅ Создать синтетические тестовые данные без PII
🔹 Зачем это нужно QA
LLM‑модели - уже не тренд, а реальность.
Их можно использовать не только как игрушку, а как ассистента: для ускорения анализа требований, тест‑дизайна, документации.
Но чтобы это делать грамотно и безопасно, нужен системный подход.
И именно его даёт CT‑GenAI от ISTQB.
💬 Что думаешь об этой сертификации? Пиши в комментарии) Надеюсь AI боты не придут в комментарии 😅
На мой взгляд выглядит интересно, думаю войдёт в базовый набор знаний и навыков для базового уровня.
#istqb@qa_relia #llm@qa_relia #prompt_engineering@qa_relia
(Certified Tester – Testing with Generative AI)
На днях ISTQB представила новую сертификацию уровня Specialist: Certified Tester – Testing with Generative AI (CT‑GenAI).
Это первая в мире программа, полностью посвящённая практическому применению LLM (типа ChatGPT) в тестировании ПО.
Вот что важно знать👇
🔹Что покрывает CT‑GenAI?
🔹Основы GenAI и LLM
— Что такое языковые модели (GPT, Claude и др.), как они работают: токены, окно контекста, temperature, zero/few-shot.
— Чем отличаются foundation models, fine-tuned, multimodal.
🔹Prompt Engineering для QA
Да, в будущем мы все станем промпт инженерами 😂
— Как правильно формулировать промпты: шестикомпонентная структура (роль, контекст, инструкция, вход, ограничения, формат).
— Техники:
🔹zero-shot — без примеров,
🔹few-shot — с примерами,
🔹chain-of-thought — пошаговое рассуждение,
🔹meta-prompt — генерация промптов.
— Как использовать LLM для генерации:
🔹тест-кейсов,
🔹чек-листов,
🔹edge-сценариев,
🔹баг-репортов.
🔹Риски и ограничения
— Галлюцинации, непредсказуемость, bias (предвзятость), утечки данных.
— Как снизить риск: temperature=0, проверка валидности, аудит результата.
— Приватность: нельзя передавать в промпт чувствительные данные (PII, логи с юзер-данными).
🔹LLM‑инфраструктура и LLMOps
— Что такое RAG (Retrieval Augmented Generation) и как он повышает точность ответов.
— Версионирование промптов, наблюдение за качеством генерации, управление стоимостью (inference cost).
— Использование AI-агентов - например, генерация тестов + запуск + отчёт.
🔹Внедрение в команду
— Как создавать шаблоны промптов для команды.
— Как измерять эффективность: ускорение подготовки, рост покрытия, снижение дефектов.
— Обучение QA-команды промптингу и ревью.
🔹 Примеры задач, которые можно делать с GenAI
✅ Сгенерировать чек-лист по user story
✅ Предложить edge‑cases, о которых забыли
✅ Оформить Gherkin-сценарии
✅ Составить баг-репорт на основе скриншота
✅ Сгруппировать баги по причинам (root-cause analysis)
✅ Сгенерировать отчёт по тест‑прогону
✅ Создать синтетические тестовые данные без PII
🔹 Зачем это нужно QA
LLM‑модели - уже не тренд, а реальность.
Их можно использовать не только как игрушку, а как ассистента: для ускорения анализа требований, тест‑дизайна, документации.
Но чтобы это делать грамотно и безопасно, нужен системный подход.
И именно его даёт CT‑GenAI от ISTQB.
💬 Что думаешь об этой сертификации? Пиши в комментарии) Надеюсь AI боты не придут в комментарии 😅
На мой взгляд выглядит интересно, думаю войдёт в базовый набор знаний и навыков для базового уровня.
#istqb@qa_relia #llm@qa_relia #prompt_engineering@qa_relia
- ❤ 9
- 👍 5
