📚 ProTestingInfo 🔷 Канал по тестированию 📚

​​ 🛠️ SKILLs - правила, которые не нужно повторять Skill — это заранее подготовленный, переиспользуемый набор инструкций, правил и ограничений для AI. Вместо: ❌ каждый раз писать огромный промпт можно: ☑ один раз описать правила в Skill ✅ переиспользовать их в разных задачах ✅ стандартизировать формат результата ✅ уменьшить количество повторяющихся инструкций Например, Skill для API-тестирования может содержать: • правила и ограничения проекта; • требования к формату тест-кейсов; • правила работы с тестовыми данными; • позитивные и негативные сценарии; • проверки статус-кодов; • проверки тела и структуры ответа; • требования к документации А скоро я покажу примерный скилл, который использую на работе, но сперва познакомлю от куда ноги растут, поэтому делись с коллегами этим постом и пусть подписываются на @protestinginfo Также в карусели указаны имеющиеся скиллы в postman, в ближайшем времени планирую провести также вебинар.

Manual QA меняется. Что учить прямо сейчас? 👇для начинающих 🫶🏼💙 Как обычно от Manual QA ждут не только умения находить баги, но и понимания того, как работает система целиком. Важно постепенно расширять технический стек. 1️⃣ API и сети • HTTP и REST: методы, статус-коды, заголовки, параметры. • Postman: коллекции, переменные, авторизация, тесты. • DevTools: Network и Console. • Понимание взаимодействия фронтенда, бэкенда и внешних сервисов. 👉 Практика: возьмите учебный API и соберите коллекцию в Postman с позитивными, негативными и граничными сценариями. 2️⃣ SQL и данные Минимальный набор: • SELECT, WHERE, ORDER BY; • JOIN; • GROUP BY и агрегатные функции; • подзапросы и CTE. 👉 Не учите SQL только по теории. Проверяйте данные после реального сценария: регистрация, заказ, платеж или добавление товара в корзину. 3️⃣ Мост к разработке Полезно освоить: • основы Python или JavaScript; • чтение простого кода; • Git; • логи; • основы CI/CD; • моки и стабы. Не обязательно писать сложные программы. Важно понимать, что происходит «под капотом», и уметь самостоятельно разобраться с проблемой. 4️⃣ AI-грамотность AI уже становится рабочим инструментом QA. Стоит научиться: • правильно формулировать задачи для AI; • использовать его для тест-кейсов, тестовых данных и анализа; • понимать, что такое AI-агенты и MCP; • проверять результаты AI, а не принимать их на веру. 🎯 Главный навык QA в эпоху AI верификация. AI может за секунды написать тест-кейс или SQL-запрос. Но может пропустить граничный сценарий, ошибиться в логике или предложить небезопасное решение. Поэтому важно уметь задавать вопросы: Что здесь может пойти не так? Что не учтено? Какие данные проверить? Где границы решения? С чего начать? Если вы Manual QA, я бы двигалась так: API → SQL → DevTools → логи → Git → основы кода → AI-инструменты. Не пытайтесь изучить всё сразу. Выберите один навык и закрепите его на практике. 📌 Сохрани пост как чек-лист развития Manual QA. подписывайся на @protestinginfo

🔸🔸🔸 Всем привет! промокоды на октябрь для закрепления знаний. Промокод SKILL900 - 900 ₽ Действует до 31 октября 2026 г. 💙Практический курс по gRPC API для тестировщиков - https://stepik.org/a/254052?promo=76489123b34ec96d 💙Практический курс по GraphQL API для тестировщиков https://stepik.org/a/252924?promo=5c86917bdac7641f 💙Тесты по тестированию ПО для подготовки к собеседованиям https://stepik.org/a/276076?promo=baaaaf96a70cf20e Промокод PROMO1800 - 1800 ₽ Действует до 31 октября 2026 г. 💙Тестирование API: GraphQL и gRPC для QA https://stepik.org/a/276996?promo=42eb98b06ad8548e Готовимся вместе к собеседованию💙 Вебинары планирую переносить , и курс по Кафке доделываю. Наконец-то я на 2 недели в отпуск 🙏💙

Дальше будут еще подробнее посты с подключением. Ответ от ИИ после того как подключила MCP: Postman MCP Server успешно подключён в ваших настройках MCP. Детали подключения: Имя сервера: postman Команда запуска: npx -y @postman/mcp-server Тип: STDIO Сервер появится в списке в открытой вкладке MCP Servers. После первого запуска npx автоматически скачает пакет и поднимет сервер. Что теперь доступно: Прямой доступ агента к вашим коллекциям, запросам, окружениям Запуск коллекций и папок через агент Массовые операции: обновление описаний, добавление тестов, реорганизация запросов Работа с историей запусков Можем сразу переходить к Блоку 1 из постановки — навести порядок в коллекции API task. 🔹 Что такое MCP? Model Context Protocol — это протокол, который связывает ИИ-агента с внешними инструментами. Упрощённо: ИИ → MCP → Postman Агент получает доступ к нужным инструментам Postman и может выполнять действия через них. 🔹 Вариант 1 — подключение прямо в Postman В интерфейсе Postman можно создать MCP-подключение и выбрать способ транспорта: Local (STDIO) или Remote (SSE/HTTP). После подключения Postman показывает доступные инструменты MCP. 🔹 Вариант 2 — ИИ управляет Postman Можно подключить Postman MCP Server к Claude, Cursor и другим MCP-клиентам. Для локального варианта используется npx, а доступ к Postman API передаётся через POSTMAN_API_KEY. npm (Node Package Manager) — это стандартный менеджер пакетов для платформы Node.js, который устанавливает, обновляет и удаляет библиотеки, а npx (Node Package Execute) — это утилита для запуска пакетов без их постоянной установки в систему или проект Postman официально поддерживает конфигурации Minimal, Code, Full и Learn. (Postman Docs) Postman есть несколько наборов инструментов: Minimal, Code, Full и Learn. Идея простая: подключать агенту только те инструменты, которые действительно нужны для конкретной задачи. Это помогает не перегружать контекст лишними инструментами. Сохрани пост, чтобы вернуться к настройке позже, и подписывайся на @protestinginfo здесь простыми словами разбираются API, backend, Postman и AI-инструменты для QA. Дальше будет про скиллы, практика и дойдём до вебинара

Присоединяйся к нельзяграму Постепенно буду раскрывать эту тему пока на таких картинках, раскрывая тему глубже: Представь: AI умеет анализировать требования, находить проблемы и генерировать идеи для тестов. Но сам по себе он не получает доступ к Jira, GitHub, браузеру или базе данных. И здесь появляется MCP — Model Context Protocol. MCP — открытый стандарт, который задаёт единый способ взаимодействия AI-приложения с внешними системами. MCP-сервер может предоставлять AI: 🔹 Tools — инструменты и действия 🔹 Resources — данные и контекст 🔹 Prompts — готовые шаблоны инструкций А что это даёт QA? 🐞 Jira → прочитать задачу или создать баг 📚 Confluence → получить требования 🌐 Browser → открыть сайт и выполнить сценарий 💻 GitHub → посмотреть код или изменения 🗄 БД → получить данные для проверки И тогда получается уже не просто: «AI, подскажи, как протестировать эту фичу» А, например: «Проанализируй задачу → проверь данные → выполни сценарий → зафиксируй результат». Но есть важный нюанс 👇 MCP НЕ превращает AI автоматически в автономного QA-инженера. Он предоставляет стандартизированный способ взаимодействия с инструментами и данными. Что именно AI сможет сделать, зависит от подключённых MCP-серверов, доступных инструментов и настроек доступа. Главная мысль: MCP не заменяет знания QA. Он помогает AI перейти от простого разговора к взаимодействию с рабочими системами. А значит, у QA появляется ещё один инструмент для автоматизации рутины и работы с информацией. Сохрани пост, если хочешь разобраться, как MCP можно применять именно в тестировании. Подписывайся на @protestinginfo здесь разбираю сложные AI- и QA-технологии простыми словами. Ставь 🔥, если уже завтра продолжить❤️

Ссылка на все расширения - сохранить и использовать в работе

🚀 Открытый бесплатный курс для тестировщиков «Что под капотом у ИИ» 29 сентября в 21:00 мск стартует бесплатный курс «Что под капотом у ИИ» в @qa_road_channel 🧑‍🏫 Ведущие: Дима Алексеев, Senior QA-аналитик @qa_road_channel Александр Бугров, Senior QA Engineer, магистр компьютерной лингвистики LMU München, автор канала «Тестирование из первых рук» @qa_iz_pervyx_ruk 📌 Курс состоит из 6 блоков 1. История и термины AI, ML, DL, LLM, предпосылки прорыва, пионеры отрасли 2. Как работает LLM Токенизация, эмбеддинги, attention, вероятность и сэмплинг, reasoning-модели 3. LLM в использовании Промптинг, prompt injection, галлюцинации, RAG, fine-tuning 4. Что такое AI-агент Отличие от чата с LLM, типы агентов, цикл работы агента, инструменты и память 5. Практическое применение Паттерны внедрения агентов, vibe coding, здоровье кодовой базы, данные из исследований 6. Итоговый разбор Как всё пройденное работает вместе 🧑‍💻 Для всех, кто хочет разобраться, что происходит под капотом у современного ИИ 💎 Результат: понимание архитектуры LLM и агентов, а не просто "ИИ работает как-то там" 💡 Формат: живые созвоны с вопросами в прямом эфире. Запись будет. Бесплатно! 👉 Приходить будет на канале @qa_road_channel 🚀Старт 29 сентября в 21:00 мск, не пропусти!

КУДА РАЗВИВАТЬСЯ QA? 👇 У QA нет одной карьерной лестницы. Можно развиваться вглубь профессии, уходить в управление, разработку, инфраструктуру или AI. Вот основные направления 👇 🔹 AUTOMATION QA Python / Java / JS, Playwright, Selenium, API-автоматизация, Git, CI/CD. → SDET / Automation Engineer 🔹 PERFORMANCE QA JMeter, k6, нагрузочные сценарии, Response Time, Throughput, анализ узких мест. → Performance Engineer 🔹 SECURITY QA 🔐 OWASP Top 10, Burp Suite, ZAP, уязвимости и безопасность приложений. → Security Engineer / AppSec 🔹 DEVELOPMENT 👨‍💻 Программирование, алгоритмы, архитектура, Git, code review. QA-бэкграунд можно использовать как основу для перехода в разработку. 🔹 DEVOPS / SUPPORT ☁️ Docker, Kubernetes, CI/CD, облака, мониторинг, логи, инциденты и стабильность production-систем. 🔹 QA ANALYTICS 📊 SQL, Python, метрики качества, анализ дефектов, дашборды и data-driven решения. 🔹 TEST ARCHITECT 🏗️ Тестовая стратегия, архитектура автоматизации, выбор инструментов, стандартизация процессов и техническое лидерство. 🔹 MANAGEMENT / DELIVERY Команда, процессы, найм, планирование, риски и релизы. → QA Lead → QA Manager → Head of QA Также возможен переход в Delivery. 🔹 AI TESTING 🤖 LLM — Large Language Model RAG — Retrieval-Augmented Generation MCP — Model Context Protocol SDD — Spec-Driven Development Здесь QA проверяет не только UI и API, но и ответы моделей, контекст, hallucinations, работу AI с инструментами и внешними данными. И главное: не нужно учить всё сразу. Можно начать с базы → API + SQL → Automation → выбрать направление, которое действительно интересно. AI, DevOps, аналитика, архитектура, разработка или управление вариантов намного больше, чем кажется. 💾 Сохрани карту и напиши в комментариях: куда сейчас хочешь расти? Делись с коллегами и подписывайся на @protestinginfo

DoQA 4.3 (Titanium) — самый крупный релиз для автоматизированного тестирования Что внутри: ☑️ Раздел «Автотесты». Единый каталог всех автотестов пространства с деревом структуры и фильтрами по ветке, тегам, источнику и карантину. У каждого теста — понятное состояние: здоровый, нестабильный, сломанный, в карантине. ☑️ Запуск в CI/CD. Подключение к GitLab, Jenkins и TeamCity. Один прогон может держать сразу несколько пайплайнов — разнородный набор автотестов разбивается на группы и закрывается, когда завершился последний из них. ☑️ Quality Gate. Задаёте критерии, при которых прогон считается пройденным: доля успешных тестов, предельное число падений, обязательные окружения. Никакого «позеленения» прогона за счёт повторов — а команда doqactl gate возвращает вердикт прямо в пайплайн. ☑️ Карантин нестабильных тестов. DoQA сама находит флак по истории прогонов — разный исход на одном коммите, «прошёл со второй попытки». Нестабильный тест уходит в карантин: продолжает выполняться, но больше не роняет пайплайн. Как только тест успокоился — карантин снимается автоматически. ☑️ Кластеры ошибок. Падения с одинаковой причиной группируются в один кластер по сигнатуре ошибки. Кластер можно отметить известной проблемой — она перестаёт шуметь в отчётах и открывается заново только при реальном регрессе. ☑️ Дашборд «Автотесты». Доля автоматизации, здоровье парка тестов, топ падающих тестов, экономия времени CI — всё в одной вкладке аналитики. ☑️ Адаптеры и IDE. JUnit 5, JUnit 4, TestNG, PyTest отправляют результаты в DoQA без файлового отчёта. Плагины для IntelliJ IDEA и VS Code показывают привязку теста к кейсу прямо в редакторе. Не забыли и про ручное тестирование: глобальный поиск по всей документации, автораспределение исполнителей, прогноз времени прохождения прогона, выгрузка отчётов в Excel и CSV. ⚙️Почему Titanium Титан — металл, на котором строят то, что должно выдержать нагрузку: авиацию, морские конструкции, импланты. Его используют там, где на первом месте стоит прочность под давлением. Три CI-системы, каталог автотестов, Quality Gate, карантин и кластеризация — это именно та несущая конструкция, на которой держится вся работа с автотестами в DoQA. Читать статью целиком ➡️ https://clck.ru/3Vwv8u ⚙️ Присоединиться к DoQA и получить 14 дней бесплатного пользования можно здесь. Для связи с нами: 📧 Почта - support@doqa.app 🥸 Telegram 🤩 Мы в MAX

Всем привет, на курсе по тестированию бэкенда возникла идея делиться знаниями про AI и MCP старт 5-го ноября. но можно присоединиться по скидке 25% с октября - подробности по ссылке https://protestinginfo.ru/practice_api_sql , а в целом постараюсь провести интенсив или вебинар заранее MCP (Model Context Protocol) — открытый протокол, который позволяет AI-приложениям взаимодействовать с внешними системами и инструментами. Упрощённо это можно представить так: AI-модель → MCP → внешний инструмент MCP-сервер предоставляет AI определённые возможности внешней системы. Это могут быть инструменты для чтения информации, создания или изменения объектов и выполнения определённых действий. Что можно делать через Postman MCP По официальной документации Postman MCP Server поддерживает различные сценарии работы с ресурсами Postman. Например, AI-агент может помогать: создавать и изменять коллекции; обновлять документацию запросов; работать с окружениями; выполнять операции с workspace; синхронизировать код и коллекции; создавать спецификации; работать с другими API-ресурсами Postman. В зависимости от конфигурации MCP доступны разные наборы инструментов. Postman предлагает несколько конфигураций: Minimal — базовый набор; Code — инструменты, связанные с генерацией клиентского кода; Full — полный набор инструментов; Learn — поиск по документации Postman. При этом сама документация Postman прямо отмечает, что загрузка меньшего количества инструментов снижает расход токенов и помогает агенту выбирать нужный инструмент. Локальный и удалённый MCP Server Есть два основных варианта. Remote Server Сервер работает на стороне Postman, а AI-клиент подключается к нему по сети. Local Server MCP Server запускается локально на компьютере пользователя. Для локального варианта Postman использует STDIO. Для работы требуется Postman API key. Также Postman предоставляет установку через npm/npx и Docker. Для европейского региона Postman отдельно предоставляет EU endpoint для удалённого MCP-сервера. Доступы и безопасность Чтобы MCP мог работать с внешними системами, ему необходимо предоставить соответствующие права. Например, для доступа к Postman API может использоваться API key. Важно: API-токен нельзя хранить в открытом виде в общем файле или отправлять другим людям. Postman отдельно рекомендует хранить API key в переменных окружения или защищённом хранилище, а не в общих файлах. Это особенно важно, если MCP получает возможность не только читать данные, но и изменять их. MCP и Jira / Confluence / GitHub В рамках занятия рассматривается идея подключения нескольких инструментов. Например: AI-агент ↓ MCP ↓ Jira + Confluence + GitHub + Postman Тогда AI может использовать информацию из нескольких систем. Например: Получить требования из Confluence. Проанализировать API в Postman. Подготовить тестовые сценарии. Создать задачу в Jira. Сформировать или изменить коллекцию. Подготовить документацию. Однако конкретные действия зависят от того, какие MCP-серверы подключены, какие инструменты они предоставляют и какие права доступа выданы.

REST vs SOAP: как отвечать на собеседовании Главный вопрос по способам взаимодействия с API. Секрет успеха — адаптировать ответ под свой опыт, избегая заученных определений. ⚖️ Базовое правило: SOAP — это протокол, а REST — архитектурный стиль.📊 Сравнение в деталях: 🔹 SOAP (Строгий) • Формат: строго XML • Транспорт: HTTP, SMTP, FTP • Методы: обычно только POST • Описание: WSDL • Сфера: финтех, госсектор, legacy 🔹 REST (Гибкий) • Формат: чаще JSON, реже XML • Транспорт: только HTTP • Методы: GET, POST, PUT, PATCH, DELETE • Описание: OpenAPI (Swagger) • Сфера: современные веб-сервисы 💼 Как отвечать с коммерческим опытом: Не начинайте с сухой теории. Начинайте с реальных кейсов! 🗣 Вариант 1 (был SOAP, перешли на REST): «Начинала работу с SOAP в [Компания], тестировала интеграции сервисов. Но основной мой опыт сейчас — это глубокое тестирование REST API: работа с HTTP-методами, авторизацией и валидацией JSON». 🗣 Вариант 2 (опыт в UI, API изучила сама): «Раньше я тестировала UI, но самостоятельно изучила бэкенд и прошла практику по REST API. Я отлично понимаю принципы REST, уверенно работаю в Postman и готова применять эти знания на проекте». 💡 Лайфхак: такой ответ сразу показывает вашу вовлеченность. Интервьюер оценит практику и перейдет к уточняющим вопросам (идемпотентность, коды ответов) #тестирование #QA #собеседование #RESTAPI #SOAP

Разбираем SQL-задание с sqltest.online👇 нужно найти фильмы, которые реже всего берут напрокат. 📋 ЗАДАНИЕ: — вывести title и rentals_count — найти минимальное количество аренд — вывести все фильмы с этим минимумом — отсортировать по названию 💡 РЕШЕНИЕ ЧЕРЕЗ CTE на слайдах смотри и сохраняй А ГДЕ ЗДЕСЬ CTE? WITH film_rentals AS (...) создаёт временный именованный результат. Дальше мы обращаемся к нему два раза: → FROM film_rentals → FROM film_rentals внутри подзапроса MIN() Именно в такой ситуации CTE особенно удобен: не приходится повторять большой запрос с JOIN. В карусели все подробно описано💙 💬 НА СОБЕСЕДОВАНИИ МОЖНО СКАЗАТЬ: «Я вынесла расчёт количества аренд в CTE, потому что этот результат используется дважды. Так запрос проще читать и поддерживать». А если спросят, почему LEFT JOIN, а не JOIN: «Чтобы не потерять фильмы, у которых пока нет аренд». 📌 Сохраняй, если готовишься к SQL-вопросам на собеседовании. А хочешь закрепить SQL? Лови короткий тест по SQL 🔥 https://stepik.org/lesson/2241991/step/1?unit=2275473 Промокод, если хочешь продолжить готовиться к собеседованию https://stepik.org/a/276076/pay?promo=4ae1bbb0dcf4696b А также подписывайся на @protestinginfo , здесь я направляю по подготовке к собеседованиям по тестированию ПО, QA #SQL #CTE #QA #тестирование #собеседованиеQA

Как системы могут обмениваться данными? 🔄 В интеграционном тестировании важно понимать не только API, но и как именно системы обмениваются данными. На слайдах собрала основные способы — сохраняй, пригодится и в работе, и на собеседовании 👇 🔹 Синхронные интеграции Клиент отправляет запрос и ждёт ответ от сервера. Пока ответа нет, операция может быть заблокирована. 🔹 Асинхронные интеграции Отправителю не нужно ждать результат. Обработка может произойти позже. Для этого используют, например, Polling или Webhook. 🔹 Брокеры сообщений Система-производитель отправляет сообщение в брокер, а consumer забирает его, когда готов обработать. Примеры: RabbitMQ, Kafka. 🔹 Интеграции в реальном времени Данные передаются практически сразу после события. WebSocket — двусторонний обмен. SSE — поток событий от сервера к клиенту. Также используются GraphQL Subscriptions. 🔹 Общая база данных Несколько систем работают с одной БД напрямую. Такой подход создаёт сильную связанность и чаще встречается в legacy-системах. 🔹 Обмен файлами Системы передают файлы через FTP/SFTP или общее хранилище. Например, CSV, XML или JSON. А есть ещё способы, которые часто встречаются в современных системах: 🔹 SDK — готовый набор инструментов для взаимодействия приложения с сервисом. Особенно часто встречается в мобильной разработке. 🔹 API Gateway — единая точка входа перед backend-сервисами. Может отвечать за маршрутизацию, авторизацию, ограничения запросов. 🔹 CDC — передача изменений из базы данных дальше в другие системы, например через Kafka. 🔹 ETL / ELT — перенос и преобразование данных между источниками и хранилищами. 🔹 Push-уведомления, Deep Links, Object Storage — тоже часть интеграционного ландшафта мобильных и backend-систем. Для QA главное понимать кто инициирует обмен, куда попадают данные, когда приходит результат и что произойдёт при ошибке. Сохраняй шпаргалку 📌 И отправляй коллегам, которым тоже приходится тестировать интеграции. подписывайся на @protestinginfo , здесь мы готовимся к собеседованиям

Иногда кажется: если ты QA и не пишешь автотесты, то рынок уже прошёл мимо. Но это не так. Вакансии для Manual QA по-прежнему есть от Junior до Senior. При этом требования к сильному ручному тестировщику постепенно становятся шире. И вот здесь начинается самое интересное 👇 Если ты Manual QA, стоит прокачивать не всё подряд, а то, что усиливает твою экспертизу: 🔹 API, HTTP, REST, JSON, Postman, Swagger/OpenAPI 🔹 SQL: SELECT, JOIN, GROUP BY, подзапросы 🔹 DevTools: Network, Console, Storage, Headers 🔹 Тест-дизайн: классы эквивалентности, граничные значения, таблицы решений 🔹 Клиент-серверное взаимодействие и понимание архитектуры 🔹 Логи и анализ ошибок 🔹 Git и базовое понимание CI/CD А дальше уже можно выбрать специализацию: 💻 Web QA 📱 Mobile QA 🔌 Backend / API QA 🏦 FinTech QA 🔗 Интеграционное тестирование ⚡ Performance QA А что такое FullStack QA? Это отдельная карьерная траектория, где QA сочетает экспертизу по бизнес-логике с автоматизацией. Например: Тестирование → API → SQL → Automation → CI/CD Но это не означает, что каждый QA обязан становиться FullStack QA. Если автоматизация тебе неинтересна можно построить карьеру и в Manual QA. Еще есть время, но я рекомендую уже изучать ИИ, агенты, MCP Главное не писать в резюме: ❌ «Занимался ручным и автоматизированным тестированием». Гораздо сильнее показать: ✅ что именно тестировал ✅ какие задачи решал ✅ какими инструментами пользовался ✅ какой получил результат Не количество технологий делает QA сильным. А глубина понимания продукта и способность решать задачи. А ты сейчас кто? Manual QA → развиваешься в глубину или уже смотришь в сторону Automation? 👇

Поздравляю с Днём тестировщика! 🤩 Ваш труд делает программы качественнее и стабильнее благодаря множеству подходов и методов тестирования. Пусть каждый проект приносит ценный опыт для дальнейшего роста. 😎Желаю вам карьерного развития и продуктивного закрепления знаний. И сейчас от всей души хочу пожелать тем, кто в поиске работы: верьте, действуйте, изучайте новое. Хочу вас поддержать и крепко обнимаю 🫂

🔥 Нейросети и AI-агенты: от сильных запросов до персонального AI-агента 24/7 Набор во второй поток открыт. 📱 Старт – 17 сентября или по мере формирования группы. Нейросети сегодня есть у всех. Но у большинства это всё ещё вкладка, которую открывают, когда нужно быстро переписать письмо или придумать пару вариантов текста. На курсе собираем другой рабочий контур: нейросеть помогает разобрать требования, подготовить тест-кейсы, собрать исследование, навести порядок в документах, сделать презентацию, визуал или отчёт. А затем участник переходит к coding-агенту и личному ассистенту Hermes, который держит регулярные задачи и отвечает в удобном канале. Курс ведёт Евгений Гусинец – эксперт по нейросетям и QA-инженер с опытом в IT более четырёх лет. Курс подходит QA-инженерам, аналитикам, PM, рекрутерам, дизайнерам, маркетологам, разработчикам и всем, чья работа состоит из информации, решений, документов и повторяющейся рутины. Что внутри: • Базовый уровень – модели, исследования, документы, таблицы, презентации, визуал и практика на задачах своей роли. • AI-агентные системы – Cline, Kilo Code или Antigravity, рабочие файлы и правила, затем личный ассистент Hermes с навыками, памятью и автозадачами. • Бонус для QA – мини-курс по использованию агентов в автоматизации тестирования: локаторы, починка упавших тестов, автотесты по Swagger и ревью покрытия. Формат гибкий: предзаписанные материалы, шпаргалки, домашние задания, дополнительные разборы и живые воркшопы. Ориентир по нагрузке – 2–4 часа в неделю. 👉 Как попасть на курс: напишите в личку @Eugeniusz_1 сообщение «хочу на курс» – вышлю условия обучения. 📋 Подробное описание курса 📚 Примерная программа 🗺 Разбивка по урокам ━━━━━━━━━━━━━━━━━━━━ QA❤️4Life — канал о тестировании AI❤️4Life — канал об искусственном интеллекте