Автор: grigory_zvyagintsev (X5 Tech)
QA-инженер подключил нейросеть к документации и базам данных
Автоматизатор тестирования связал ИИ-агента с корпоративной wiki, базами данных и системой управления тестами. Нейросеть помогает быстро находить нужную информацию, проверять гипотезы по данным и избегать дублирования проверок. Это ускоряет погружение в новые задачи и снижает время на рутинный поиск.
Результат: ускорение погружения в новые задачи
- Для кого
- Разработчик
- Интеграции
- Битрикс24
- amoCRM
- 1С
- Wildberries
- Ozon
- Яндекс Маркет
- Авито
- Яндекс Директ
Что понадобится
- Инструменты
- Нужно
- Доступ к корпоративной wiki
- Доступ к базе данных PostgreSQL
- Доступ к системе управления тестами
- Редактор кода с поддержкой MCP
- Локальная модель эмбеддингов (Ollama)
- Настройка
- несколько часов на настройку
- Сложность
- Нужен терминал
Как повторить
- Установить редактор кода (например, VS Code) и плагин для работы с ИИ-агентом (Roo Code).
- Подключить корпоративную модель языка через API, совместимый с OpenAI.
- Настроить доступ к wiki: сначала прямой, затем через векторную базу (Qdrant) для умного поиска по тексту.
- Подключить базу данных в режиме «только чтение», чтобы агент мог выполнять запросы SELECT.
- Подключить систему управления тестами, ограничив права только на чтение и создание.
- Запускать сервисы в правильном порядке: сначала база векторов, потом модель, затем агенты.
Подробности
QA-инженер столкнулся с типичной проблемой: в компании много сложной документации, баз данных и тестов, а разбираться в них вручную долго. Генерация тестов «по щелчку» оказалась бесполезной. Вместо этого автор настроил ИИ-агента как умного помощника, подключив его к рабочим инструментам через протокол MCP.
Он использовал редактор кода VS Code с расширением Roo Code. К нему подключили четыре источника информации:
- Корпоративную wiki. Сначала просто по ссылкам, потом добавили векторный поиск. Это помогло находить нужные куски текста в огромных документах, не перечитывая их целиком.
- Базы данных PostgreSQL. Дали агенту только право на чтение. Теперь он может сам писать запросы, чтобы проверить данные, а не ждать ответа от коллег.
- Систему управления тестами Allure TestOps. Агент помогает найти уже существующие проверки, чтобы не делать дубли и понять, что уже покрыто.
- Репозиторий кода. Помогает находить похожие автотесты.
Главный результат — ускорение адаптации. Инженер стал быстрее вникать в новую бизнес-логику. ИИ не заменяет специалиста, но берет на себя механический поиск и первичный анализ. Автор отмечает, что для настройки потребовалось время на решение технических проблем с сертификатами и сетью, но в итоге процесс стал значительно эффективнее.
Источник
Оригинал: Опыт QA-автоматизатора: как я подключил нейросеть к wiki, базам данных и тест-менеджменту (habr.com, рус.)
Добавлено 27 октября 2026 г.