Практические принципы и паттерны для написания более качественных промптов в работе QA-инженера.
Каждый AI-инструмент, который использует QA-инженер — для генерации тест-кейсов, составления баг-репортов или написания кода автоматизации, — даёт более качественный результат при более качественном промпте. Prompt engineering — это просто практика осознанного составления такого ввода, и это навык, который тестировщик может развивать практикой, так же как навык написания чёткого тест-кейса.
В этой статье рассматриваются:
Для большинства сценариев использования в QA prompt engineering — это не столько хитрые приёмы, сколько предоставление AI-инструменту той же информации, которая понадобилась бы коллеге-человеку для качественного выполнения задачи: реальное требование, релевантный контекст, формат, в котором нужен ответ, и любые важные ограничения. Тестировщик, который уже хорошо пишет чёткий баг-репорт или точный тест-кейс, уже обладает большей частью навыка, нужного для хорошего промпта, — базовая дисциплина та же.
Несколько принципов стабильно улучшают результат:
Несколько переиспользуемых паттернов часто встречаются в промптинге для QA:
Первый ответ редко бывает окончательным — относитесь к промптингу как к короткому диалогу, а не к единственной попытке. Если в результате чего-то не хватает, укажите конкретно, чего именно, вместо повторения всего запроса; если модель что-то выдумала, прямо укажите на это и попросите использовать только данную информацию. Ведение личной библиотеки промптов, хорошо сработавших для повторяющихся задач — генерации граничных тест-кейсов, составления баг-репорта, резюме тестового прогона, — экономит время на каждой будущей задаче того же типа.
Тестирование промптов и валидация ввода
Генерация тест-кейсов с помощью AI