Witaj w cyklu „AI w pracy testera” — serii wpisów opartych na materiale szkoleniowym, który przygotowałem na bazie doświadczeń z modelami GenAI: Claude Opus, ChatGPT i Gemini Pro.
Dla kogo jest ten cykl?
Dla testerów — manualnych i automatyzujących — którzy chcą zrozumieć, jak praktycznie wykorzystać AI w codziennej pracy. Nie teoria, nie marketing. Konkretne frameworki, narzędzia i scenariusze.
Co znajdziesz w kolejnych wpisach?
- Frameworki promptowe — od prostych (RTF, ARC) po zaawansowane agentowe (ReAct+, P2P2). Każdy z przykładem z QA.
- Przegląd narzędzi AI — ChatGPT, Claude, Copilot, Codex, Rovo, Devin, Gemini, OpenClaw. Co do czego i kiedy.
- Model Context Protocol (MCP) — standard łączący AI z Jirą, Confluence, Slackiem i innymi narzędziami.
- Przykłady zastosowań — gotowe prompty do skopiowania: test cases, opis buga, business case, kod testowy.
- Multi-agent — jak orkiestrować kilka narzędzi AI razem w realnych scenariuszach QA.
- CLAUDE.md / AGENTS.md — jak skonfigurować agenta AI w repozytorium.
Legenda poziomów trudności
W całym cyklu stosuję oznaczenia:
- 🟢 Łatwy — nadaje się na start, nie wymaga doświadczenia z AI
- 🟡 Średni — wymaga zrozumienia kontekstu i precyzji
- 🔴 Zaawansowany — wymaga doświadczenia z agentami lub złożonym prompt engineeringiem
Źródła
Materiał opracowałem na bazie doświadczeń własnych, z wykorzystaniem Claude Opus 4.6, ChatGPT 5.4 i Gemini 3.1 Pro — zsyntetyzowanych i zweryfikowanych. Review: Konrad Gomulski, Rafał Walecki.
Zapraszam do kolejnego wpisu, w którym zaczynamy od dwóch najważniejszych frameworków: CRISPE i Chain of Thought.