Odc. 1: Jak AI wspiera testowanie? | #TestArchitectsTalk
Z okazji międzynarodowego Dnia Testera zapraszamy na serię odcinków #TestArchitectsTalk, w której eksperci #SiiPolska odpowiadają na gorące pytania, dzielą się wiedzą i przedstawiają swoje prognozy na przyszłość 🤔 Obejrzyj pierwszy odcinek i dowiedz się: ✅ Jak #SztucznaInteligencja rewolucjonizuje pracę testerów ✅ Jak #ChatGPT oraz inne narzędzia wspomagają wykonywanie codziennych zadań ✅ Czy #AI ma szansę zastąpić testerów Uczestnicy debaty: 🎙️ Mateusz Tadla, Senior Test Architect 🎙️ Michał Ślęzak, Test Architect 🎙️ Remigiusz Bednarczyk, Senior Test & Analysis Engineer 🎙️ Krzysztof Bednarski, Solution Architect
Także to jest naprawdę świetną rzeczą. A jeżeli chodzi już o generowanie kodu, to też szkoda byłoby nie wspomnieć o Copilocie, bo wiem, że Ty, Krzysiek, trochę już z nim pracowałeś. Tak, tak. Wydaje mi się, że właśnie Copilot tutaj mimo wszystko będzie wiódł prym, nie? Bo no okej, no możemy poprosić czat, czy możemy, tak jak Michał wspominałeś, generować kod, jakby prosić go o wygenerowanie kodu, no ale później musimy to przeklejać. Wtedy też wszystko zależy od nas, jeśli chodzi o przekazanie kontekstu. Jeśli to będziemy mieli bezpośrednio w repozytorium, No to Copilot już jakby sam sobie skorzysta z otwartych plików, może też jakby korzystać powiedzmy z całego repozytorium, no to też tam zależy od ustawień, no ale generalnie jakby otwierając te pliki, no to my dajemy mu kontekst, on widzi w jaki sposób jest repozytorium pisane,
Jest w stanie zinterpretować część tych zasad i później faktycznie to wygenerowanie danej metody będzie już miało odpowiednie sygnatury czy nawet sposób dokumentacji, w jaki sposób jest pisana na innych metodach. Tu już od razu będzie wrzucone. I samym Copilotem zainteresowałem się zazwyczaj zaraz jak o nim było głośno, tylko wtedy jeszcze nie mogłem go używać albo nie chciałem go wtedy używać, no bo był tylko i wyłącznie do VS Code'a, a nie do mojej ulubionej rodziny produktów JetBrainsowych, więc od momentu kiedy faktycznie pojawiła się pierwsza wtyczka W IntelliJ czy w PyCharmie używam Copilota i mogę śmiało powiedzieć, że jeśli chodzi o moją pracę, to dużo czasu mi zaoszczędza.
A obecnie będzie to 50-60 stron, także ośmiokrotnie więcej. Stąd też jak wkładasz duże kawałki kodu, to pewnie teraz się to lepiej przetwarza, a kiedyś był trochę większy problem. Fajnie to intuicyjnie sobie rozegrałeś, bo w zasadzie sam sobie podzieliłeś na mniejsze części kodu. To też nam może się trochę wydawać, bo jakby jak na samym początku zaczynamy z jakimś narzędziem, no to pomimo tego, że ono było w jakiś sposób ograniczone, my też mogliśmy to tłumaczyć tym, że jakby dopiero też się uczymy używać. I on nie dość, że my zaczynamy coraz bardziej czuć Copilota, no to Copilot sam w sobie jeszcze się rozwija, więc to trochę potęguje ten efekt, że jakby to faktycznie zaczyna działać w którymś momencie. No powiem Wam, że ten kontekst to jest też coś, co pokazuje rzeczywiście, ile to w rok potrafi się to narzędzie rozwinąć, no nie?
Ze świata weryfikacji technicznych trafiają się już kandydaci, którzy faktycznie mówią, trwa sobie rozmowa naturalnie, asesor i kandydat na stanowisko i później już jest podsumowanie i kandydat w pewnym momencie mówi, że on w zasadzie teorii testerskiej to się uczył z czatu GPT. On sobie rozmawiał, dyskutował, jak nie znał odpowiedzi na jakieś pytanie, to poprosił o nadanie kontekstu, zyskiwał więcej tej informacji. Więc zauważcie, że nie ściągał podczas rozmowy, tylko przygotował się do rozmowy, rozmawiając z samym czatem, czyli naprawdę to już rezonuje. No i taki kandydat może otrzymać też pozytywny feedback, bo w zasadzie fajnie mówił i szerzej niż jakby czytał sam sylabus, powiedzmy. Ja mam jeszcze jeden taki dosyć może zabawny case, bo też zdarzało mi się prowadzić rozmowę i weryfikację techniczną, gdzie przy rozwiązywaniu zadania, takim typowym per codingu, gdzie faktycznie prosiłem kandydata o napisanie kawałka kodu, no korzystał z Copilota, nie?
Bo jakby no to widać, jak szerujesz ekran, no to jakby widać, że ten kod był generowany przez Copilota. Więc przy okazji jakby zobaczyłem, jak on sobie z tym Copilotem radzi, co jakby wpisuje, które rzeczy był w stanie akceptować, no ale jakby po dwóch zadaniach poprosiłem też o wyłączenie, żeby sprawdzić, czy faktycznie jakby to wie, czy jednak generuje głównie, jakby korzysta z samego Copilota. To jest problem, z którym musimy my sobie wewnętrznie procesowo poradzić, jak do tego podejść. Pozwólcie, jeszcze jeden krótki przykład, tak ku inspiracji, tutaj już się odniosę też do słuchaczy. Można tak naprawdę wspomniane przez Ciebie, wspomnianych agentów, można sobie, słuchajcie, samemu zamodelować. I może to brzmić skomplikowanie, ale naprawdę są naukowodowe rozwiązania na internecie.
Pokazano wszystkie 5 dopasowań. Transkrypcja generowana automatycznie i niesprawdzana ręcznie — może zawierać błędy.
Mateusz przedstawia gości: Krzysztof, Remigiusz i Michał. Rozmowa zaczyna się od przedstawień osobistych i zawodowych.
Krzysztof kontynuuje opowieść o korzyściach AI w testowaniu, podkreślając jego rolę w projekcie Scrumowym i prezentacji wyników.
Mateusz opisuje korzyści AI w projektowaniu przypadków testowych, porównując wersje chatów GPT i podkreślając zmiany w dostępnym potencjału.
Mateusz opisuje korzyści AI jako mentora w rozwijaniu umiejętności testowania, podkreślając jego rolę w analizie błędów i debugowaniu.
Krzysztof, Remigiusz i Mateusz omawiają zmiany w korzystaniu z Stack Overflow i chatów AI, podkreślając korzyści i różnice między wersjami modeli.
Krzysztof przedstawia techniki promptowania i roleplay, podkreślając ich znaczenie w uzyskiwaniu lepszych odpowiedzi od chatów AI.
Krzysztof opisuje hybrydowe modele AI, takie jak Perplexity, i techniki takie jak upload plików i formatowanie odpowiedzi.
Rozmowa o halucynacjach modeli AI i znaczeniu odpowiedniego kontekstu w generowaniu kodu.
Omówienie implementacji modeli AI w firmach, w tym onboardingu i przetwarzaniu dokumentów.
Przykłady zastosowania AI jako asystent w naukach i wytłumaczania skomplikowanych koncepcji.
Rozmowa o problemie halucynacji modeli AI i potrzebie sprawdzania wiarygodności informacji.
Omówienie wprowadzania kultury testowania jednostkowego i korzyści z shift left.
Analiza zmian rynkowych związanej z użyciem AI i konieczności korzystania z tych narzędzi.
Rozmowa o konkretnych przykładach zastosowania AI, takich jak Copilot i własni agenti do wykonywania zadań.
Rozmowa o problemach związanych z korzystaniem z Copilota podczas testowania kandydatów.
Podsumowanie i zamknięcie pierwszej części odcinka, z zachętą do obejrzenia części drugiej.
Rozdziały i streszczenia generowane automatycznie. Pełna transkrypcja nie jest publikowana — wyszukaj frazę, aby zobaczyć dopasowane fragmenty.
Kliknij, aby znaleźć fragmenty, w których pada.
Z okazji międzynarodowego Dnia Testera zapraszamy na serię odcinków #TestArchitectsTalk, w której eksperci #SiiPolska odpowiadają na gorące pytania, dzielą się wiedzą i przedstawiają swoje prognozy na przyszłość 🤔
Obejrzyj pierwszy odcinek i dowiedz się:
✅ Jak #SztucznaInteligencja rewolucjonizuje pracę testerów
✅ Jak #ChatGPT oraz inne narzędzia wspomagają wykonywanie codziennych zadań
✅ Czy #AI ma szansę zastąpić testerów
Uczestnicy debaty:
🎙️ Mateusz Tadla, Senior Test Architect
🎙️ Michał Ślęzak, Test Architect
🎙️ Remigiusz Bednarczyk, Senior Test & Analysis Engineer
🎙️ Krzysztof Bednarski, Solution Architect