AI-автогенерація інтеграційних тестів

Інтеграційні тести часто стають вузьким місцем у CI пайплайні: вони або відсутні, або падають через крихкі фікстури. Ми вирішуємо це за допомогою AI-генерації, яка аналізує архітектуру сервісів, схему бази даних та OpenAPI-специфікації. Результат — готові pytest-тести, які знаходять реальні баги, а не плодять хибні спрацьовування. Час регресії скорочується до 4 годин замість трьох днів, а витрати на тестування — до 40%.

Які проблеми вирішує AI-генерація тестів?

Ручне написання інтеграційних тестів забирає 2–3 дні у QA-інженера на кожен реліз. При цьому 80% коду тестів шаблонні: однотипні CRUD-перевірки, виклики API з різними параметрами, підняття тестових даних. AI-генератор бере на себе рутину, звільняючи команду для аналізу складних кейсів.

Неповне покриття — часта біль мікросервісних архітектур. Вручну легко пропустити ланцюжок "замовлення → оплата → сповіщення → склад". AI перебирає всі комбінації контрактів і генерує тести для кожного інтеграційного шляху, включаючи граничні випадки. Покриття зростає в 4–6 разів порівняно з ручним підходом.

Крихкі тести — фікстури, зав'язані на бойові дані, ламаються при кожній зміні схеми. Ми генеруємо ізольовані фікстури через factory_boy з транзакціями та rollback, що дає стабільність і повторюваність.

Як AI генерує інтеграційні тести?

Використовуємо зв'язку LangChain + ChatOpenAI (GPT-4o з temperature 0.1 для детермінованості). Генерація проходить у кілька проходів: спочатку аналіз схеми та контрактів, потім створення коду, потім валідація синтаксису та запуск на mock-оточенні. Фінальний код тестів відповідає стандартам pytest і готовий до включення в репозиторій.

Кейс з нашої практики: e-commerce платформа, 15 мікросервісів. Проблема: інтеграційне тестування робилося вручну перед кожним релізом (2 QA × 3 дні). Ми згенерували 180 інтеграційних тестів для критичних шляхів: замовлення → оплата → сповіщення → оновлення складу. З 180 тестів при першому запуску впало 23 — знайшли реальні баги: помилки в обробці currency conversion, дублювання подій в черзі, неправильний статус при partial payment. Після виправлення coverage з інтеграцій виріс з 15% до 85%, а час регресії скоротився з 3 днів до 4 годин. Клієнт скоротив витрати на тестування на 40%.

from langchain_openai import ChatOpenAI
import json
from pathlib import Path

class IntegrationTestGenerator:
    INTEGRATION_PROMPT = """Створи інтеграційний тест для взаємодії компонентів.

Компоненти та їх контракти:
{components}

Схема бази даних:
{db_schema}

Інтеграційний сценарій:
{scenario}

Вимоги:
- pytest + SQLAlchemy для роботи з БД (використовуй транзакції з rollback)
- httpx.AsyncClient для HTTP-викликів
- pytest-asyncio для async тестів
- Тестова база даних через pytest fixture (не бойова!)
- Перевіряй не лише HTTP-статус, але й стан в БД після операції
- Використовуй factory_boy або pytest-factoryboy для тестових даних

Поверни повний код тесту з fixtures."""

    def __init__(self):
        self.llm = ChatOpenAI(model="gpt-4o", temperature=0.1)

    def generate_db_integration_tests(
        self,
        model_code: str,
        repository_code: str,
        db_schema: str
    ) -> str:
        prompt = f"""Створи pytest інтеграційні тести для Repository та Model.

SQLAlchemy Model:
```python
{model_code}

Repository:

{repository_code}

DDL схема:

{db_schema}

Створи тести:

1. CRUD операції (create, read, update, delete)
2. Фільтрація та сортування
3. Транзакції (успішний commit, rollback при помилці)
4. Унікальні обмеження (спроба вставити дублікат)
5. Foreign key constraints
6. Пагінація (якщо є в Repository)

Fixtures:

• db_session: SQLAlchemy session з rollback після кожного тесту
• test_data factories через factory_boy

Поверни код тестів.""" return self.llm.invoke(prompt).content

def generate_service_integration_tests(
    self,
    service_a_spec: dict,
    service_b_spec: dict,
    interaction_patterns: list[str]
) -> str:
    """Генерує тести для взаємодії між сервісами"""
    prompt = f"""Створи pytest інтеграційні тести для взаємодії сервісів.

Сервіс A (клієнт):

• Base URL: {service_a_spec['base_url']}
• Викликає: {json.dumps(service_a_spec['calls'], ensure_ascii=False)}

Сервіс B (сервер):

• Endpoints: {json.dumps(service_b_spec.get('endpoints', []), ensure_ascii=False)}

Паттерни взаємодії: {chr(10).join(f"- {p}" for p in interaction_patterns)}

Використовуй:

• pytest + respx для мокування HTTP-відповідей сервісу B
• Тести на retry-логіку (що відбувається при тайм-ауті сервісу B)
• Тести на circuit breaker (якщо є)
• Тести на коректну обробку 4xx/5xx від сервісу B

Поверни код тестів з fixtures.""" return self.llm.invoke(prompt).content

## Генерація фікстур та тестових даних

```python
class TestDataGenerator:
    FACTORY_PROMPT = """Створи factory_boy factories для моделей.

SQLAlchemy моделі:
{models_code}

Створи:
1. Factory для кожної моделі
2. SubFactory для пов'язаних об'єктів
3. Trait для специфічних станів (напр. expired_user, admin_user)
4. Batch-створення через factory.build_batch

Поверни код factories."""

    async def generate_factories(self, models_code: str) -> str:
        result = await self.llm.ainvoke(
            self.FACTORY_PROMPT.format(models_code=models_code)
        )
        return result.content

    async def generate_fixtures_from_schema(self, schema: dict) -> str:
        """Створює pytest fixtures зі схеми БД"""
        prompt = f"""Створи pytest fixtures для тестової бази даних.

Схема: {json.dumps(schema, ensure_ascii=False, indent=2)}

Fixtures потрібні:
- engine: SQLAlchemy engine до test DB (PostgreSQL через pytest-postgresql)
- db_session: сесія з rollback після кожного тесту
- Fixtures для кожної таблиці: мінімальний валідний об'єкт
- seeded_db: база з початковими даними для e2e тестів

Використовуй scope='function' для db_session, scope='session' для engine.
Поверни Python код."""
        return (await self.llm.ainvoke(prompt)).content

Для черг повідомлень (RabbitMQ/Kafka) ми використовуємо testcontainers-python, генеруючи тести з перевіркою відправки, обробки та dead letter queue. Детальні приклади — в індивідуальній консультації.

Чому AI-генерація надійніша за ручне написання?

AI-тести в 5 разів швидше створюються і забезпечують покриття на рівні 80–90% проти 10–20% при ручній роботі. Вони перевіряють всі інтеграційні шляхи, включаючи граничні випадки та обробку помилок, які QA часто пропускають. Крім того, згенеровані тести не залежать від бойових даних і стабільні при змінах схеми.

Що входить в роботу?

Порівняння ручного та AI-підходу

Гарантія якості згенерованих тестів

Кожен згенерований тест проходить двоетапну перевірку: синтаксичний аналіз за допомогою pytest --co та запуск в ізольованому staging-оточенні з реальними залежностями. Ми фіксуємо coverage на рівні модуля і виправляємо всі хибні спрацьовування. Досвід показує, що 90% тестів проходять з першого разу. Решта 10% — це граничні випадки, які ми доопрацьовуємо вручну. В результаті клієнти отримують стабільний набір тестів, готовий до інтеграції в pytest пайплайн.

Терміни орієнтовно

• Базовий пакет (БД + сервіси): від 3 до 5 тижнів.
• Повний пакет (БД + сервіси + черги + testcontainers): від 5 до 7 тижнів.

Вартість розраховується індивідуально після аудиту проєкту. Зв'яжіться з нами для оцінки вашого проєкту. Заповніть форму на сайті, і ми оцінимо обсяг робіт за 1 робочий день.

AI-генерація не пропускає жоден endpoint, не забуває про dead letter queue і не помиляється в типізованих asserts. Покриття інтеграційними тестами зростає з 10–20% до 80–90% за один цикл генерації. Наші інженери гарантують, що згенеровані тести проходять код-рев'ю і готові до запуску в CI.

Замовте впровадження AI-генерації тестів зараз і отримайте консультацію інженера. Зв'яжіться з нами — ми допоможемо прискорити регресійне тестування та знизити витрати.

Практичний розбір LLM: fine-tuning, RAG, агенти, деплой

Модель GPT‑4 або Claude 3.5 Sonnet через публічне API — не рішення, а просто інструмент. Коли приходить вимога «зробити як ChatGPT, але на наших даних», за нею стоїть реальна інженерна задача: від налаштування промптів до навчання 70B‑моделі на власній інфраструктурі. LLM розробка під ключ — це складний стек, і ми займаємося цим понад 5 років. За цей час реалізовано понад 20 проєктів у галузі генеративного AI: від RAG‑систем для юридичних департаментів до кастомних агентів для техпідтримки. Де саме знаходиться ваша задача — залежить від даних, latency‑вимог, бюджету та того, наскільки критична конфіденційність.

Типова ситуація: клієнт уже спробував ChatGPT, але результати нестабільні — то відповідає точно, то галюцинує. Або потрібна інтеграція в корпоративний портал з дотриманням політик безпеки. Розберемо кожен шар стеку в деталях — від RAG до production‑деплою.

Чому RAG‑системи ламаються і як це виправити?

RAG (Retrieval‑Augmented Generation) виглядає просто: знайшли релевантні документи, поклали в контекст, модель відповіла. На практиці збоїть у кількох місцях.

Chunking без перекриття. Класична помилка: chunk_size=512, overlap=0. Якщо відповідь лежить на межі двох чанків, retrieval не знайде жодного з достатньою впевненістю. Рішення: overlap 15–25% від chunk_size, а краще sentence‑aware splitting через spaCy або NLTK, а не наївне розбиття за символами.

Поганий embedder. Текст‑embedding‑ada‑002 — хороший для загального випадку, але на юридичних або медичних текстах програє спеціалізованим моделям: E5‑large‑v2, BGE‑M3 або fine‑tuned sentence‑transformers на доменних даних. Різниця в Recall@5 може становити 15–25%.

Відсутність re‑ranking. Векторний пошук оптимізований за швидкістю, не за релевантністю. Cross‑encoder re‑ranker (ms‑marco‑MiniLM‑L‑6‑v2, bge‑reranker‑large) після первинного retrieval піднімає точність топ‑3 при прийнятній затримці (+50–150 ms). Це часто важливіше за покращення embedding‑моделі.

Гібридний пошук. Тільки dense вектори погано працюють на точних запитах: імена, артикули, коди. BM25 (sparse) добре знаходить точні збіги, але не розуміє семантику. Гібрид через RRF (Reciprocal Rank Fusion) — оптимальний компроміс. Qdrant, Weaviate та pgvector 0.7+ підтримують гібридний пошук нативно.

Коли варто fine‑tune, а не промпт‑інжиніринг?

Промпт‑інжиніринг вирішує ~70% завдань адаптації LLM під домен. Решта 30% вимагають донавчання. Три ознаки: модель ігнорує специфічний формат виведення навіть при детальному описі в промпті; задача вимагає глибокого знання спеціалізованої лексики (медицина, право); потрібно значно знизити витрати на токени, замінивши велику модель меншою спеціалізованою.

LoRA та QLoRA — стандарт для SFT. LoRA додає trainable low‑rank матриці до attention‑шарів. Типова конфігурація для Llama‑3 8B: r=64, lora_alpha=128, target_modules=["q_proj","v_proj","k_proj","o_proj"] — параметрів, що навчаються, ~0.8%, навчання на одній A100 40GB. QLoRA додає 4‑бітну квантизацію (NF4) і дозволяє fine‑tune 70B модель на двох A100 40GB, хоча швидкість падає вдвічі порівняно з bf16.

DPO замість RLHF. Direct Preference Optimization вимагає лише пари (chosen, rejected), а не скалярні reward‑сигнали. DPOTrainer з бібліотеки trl (Hugging Face) реалізує це кількома десятками рядків.

Типова помилка. Датасет з 500 прикладів, 5 епох, validation loss 0.8 — здається норм. Але на тесті модель деградувала на загальних інструкціях. Причина: catastrophic forgetting. Рішення — додати 10–20% загальних instruction‑following прикладів (Alpaca, FLAN) у навчальну вибірку, щоб не зруйнувати вихідні здібності.

Як обрати базову модель: 8B чи 70B?

Для більшості задач fine‑tuning 8B моделі достатньо. 70B потрібен, коли потрібне глибоке міркування або baseline 8B не досягає потрібної якості навіть після донавчання. Вартість інференсу Llama‑3 8B через vLLM на A100 значно нижча, ніж у GPT‑4, що робить його економічно вигідним.

Що дає PagedAttention в production?

vLLM — перший вибір для serving open‑source моделей. PagedAttention — ключове технічне рішення: KV‑cache керується як virtual memory в ОС, без фрагментації. Це дає throughput у 2–4 рази вище порівняно з наївним HuggingFace Transformers inference. Документація vLLM підтверджує: continuous batching та PagedAttention — стандарт для високонавантажених LLM‑сервісів.

Типові числа на A100 80GB для Llama‑3 8B (bf16): 400–600 req/s, P50 latency 200–400ms, P99 latency 600–900ms при concurrency 64. Для 70B на двох A100 з tensor parallelism: 80–120 req/s, P99 latency 1.5–2.5s. Квантизація AWQ або GPTQ знижує споживання пам'яті в 2 рази при втраті якості в межах 1–3%.

Мультиагентні системи

Агенти — LLM з доступом до інструментів: пошук, виконання коду, запити до API, робота з БД. Основні патерни:

• ReAct (Reason + Act): модель розмірковує → обирає інструмент → спостерігає результат → знову розмірковує. LangChain та LlamaIndex реалізують з коробки.
• Multi‑agent orchestration: кілька спеціалізованих агентів з координатором зверху. Приклад: coordinator → researcher (пошук + summarization) → coder (генерація та виконання коду) → critic (перевірка). Інструменти: AutoGen (Microsoft), CrewAI, кастомна реалізація на LangGraph.

В продакшені агентні системи недетерміновані. Обов'язкові guardrails, ліміти кроків, логування кожного кроку, human‑in‑the‑loop для критичних дій.

Як ми гарантуємо якість LLM рішення?

Ми використовуємо RAGAS для автоматичної оцінки відповідей: faithfulness, answer relevancy, context precision. Система трекінгу експериментів на базі MLflow фіксує всі метрики, датасети та конфіги. Це дозволяє порівнювати різні гіпотези та доводити покращення з цифрами. Гарантію стабільної роботи забезпечує continuous integration з тестами на специфічних сценаріях (prompt injection, edge‑cases).

Як почати LLM розробку: наступні кроки

Ми передаємо:

• Технічну документацію (model card, конфіги, інструкції з розгортання)
• Доступ до інфраструктури (репозиторій з кодом, навчені ваги)
• 1 місяць підтримки після деплою (консультації, виправлення багів)
• Навчання команди замовника (2–3 заняття з експлуатації системи)

Терміни: базовий RAG‑прототип — 1–2 тижні. Fine‑tuning з даними замовника — 3–6 тижнів (з урахуванням підготовки даних). Production‑система з моніторингом та перенавчанням — 2–4 місяці.

Вартість розраховується індивідуально і залежить від обсягу даних, складності моделі та вимог до інфраструктури. Хочете оцінити свій проєкт? Зв'яжіться з нами — ми підготуємо попереднє резюме за 1–2 робочі дні. Або замовте консультацію фахівця з вибору підходу: RAG, fine‑tuning або гібрид — розповімо, що підійде саме вам.