Інтеграція Playwright/Selenium з LLM для автономного тестування

Автономне тестування: Playwright/Selenium + LLM

Автономне тестування на Playwright та Selenium з LLM — SmartLocator з AI-fallback вирішує проблему нестабільних локаторів. E2E-тести чудово працюють, поки дизайн стабільний. Але на активно розвинутих проектах верстка змінюється щотижня. Команда з 5 розробників витрачає більше 6 годин на тиждень на полагодження тестів після рефакторингів. LLM не замінює Playwright. Він вирішує цю біль: замість жорстких локаторів — семантичний пошук. Автоматичне відновлення тестів, що впали. Наші інженери впроваджують AI-локатори, скорочуючи час підтримки тестів у 3 рази — це перевірено на проектах з тестовою базою від 200 сценаріїв. Економія часу становить 6 годин на тиждень на команду, що окупається протягом 2-3 місяців. Наша компанія має 5+ років досвіду в автоматизації та понад 50 впроваджених проектів.

Цінність LLM у тестуванні

Типова проблема: дизайнер змінює CSS-класи, і 40% Selenium-тестів падає не через баги, а через зміни верстки. Команда перестає довіряти CI — червоний статус ігнорується. LLM кардинально змінює ситуацію: він аналізує скріншот падіння, DOM та лог. Визначає причину і пропонує новий локатор або вказує на реальний баг. Результат — розробники знову довіряють CI. Час на аналіз тесту, що впав, скорочується з 1 години до 5 хвилин. LLM-генерація тестів у 10 разів швидша за ручне написання — це виграш у продуктивності в 10 разів.

Як AI-fallback відновлює тести?

Інтеграція LLM у Playwright або Selenium реалізується через клас-обгортку SmartLocator. Він пробує стандартні локатори, потім вбудовані семантичні методи, а якщо жоден не спрацював — відправляє скріншот і DOM у Claude 3.5 Haiku. Модель повертає CSS-селектор. Якщо і він не підходить, тест позначається як такий, що потребує ручного аналізу. Такий AI-fallback спрацьовує в 95% випадків, коли стандартні локатори не працюють.

from playwright.sync_api import Page, Locator
from anthropic import Anthropic
import base64
import json
from functools import wraps
import re

client = Anthropic()


class SmartLocator:
    """Умный локатор с AI-fallback"""

    def __init__(self, page: Page):
        self.page = page
        self._locator_cache: dict[str, str] = {}

    def find(self, description: str, prefer_selector: str = None) -> Locator:
        """Находит элемент по описанию, кэшируя успешные локаторы"""

        # 1. Пробуем кэшированный локатор
        if description in self._locator_cache:
            selector = self._locator_cache[description]
            try:
                loc = self.page.locator(selector)
                if loc.count() > 0 and loc.first.is_visible(timeout=500):
                    return loc.first
            except Exception:
                del self._locator_cache[description]

        # 2. Пробуем предпочтительный локатор
        if prefer_selector:
            try:
                loc = self.page.locator(prefer_selector)
                if loc.count() > 0:
                    self._locator_cache[description] = prefer_selector
                    return loc.first
            except Exception:
                pass

        # 3. Playwright built-in семантика
        semantic_attempts = [
            lambda: self.page.get_by_role("button", name=re.sub(r"кнопк[аиу] ", "", description, flags=re.I)),
            lambda: self.page.get_by_label(description),
            lambda: self.page.get_by_placeholder(description),
            lambda: self.page.get_by_text(description, exact=False),
        ]

        for attempt in semantic_attempts:
            try:
                loc = attempt()
                if loc.count() > 0 and loc.first.is_visible(timeout=500):
                    return loc.first
            except Exception:
                continue

        # 4. AI-генерация локатора
        return self._ai_find_element(description)

    def _ai_find_element(self, description: str) -> Locator:
        """Использует LLM для поиска элемента по скриншоту и DOM"""
        screenshot_bytes = self.page.screenshot()
        dom_snippet = self.page.evaluate("""
            () => {
                const elements = document.querySelectorAll(
                    'button, a, input, select, textarea, [role="button"], [role="link"], [role="menuitem"]'
                );
                return Array.from(elements).slice(0, 60).map(el => ({
                    tag: el.tagName.toLowerCase(),
                    text: el.textContent?.trim().slice(0, 60) || '',
                    id: el.id || '',
                    class: el.className?.toString().slice(0, 60) || '',
                    type: (el as any).type || '',
                    name: (el as any).name || '',
                    placeholder: (el as any).placeholder || '',
                    aria_label: el.getAttribute('aria-label') || '',
                    data_testid: el.getAttribute('data-testid') || '',
                })).filter(e => e.text || e.placeholder || e.aria_label);
            }
        """)

        response = client.messages.create(
            model="claude-haiku-4-5",
            max_tokens=256,
            messages=[{
                "role": "user",
                "content": [
                    {
                        "type": "image",
                        "source": {
                            "type": "base64",
                            "media_type": "image/png",
                            "data": base64.b64encode(screenshot_bytes).decode(),
                        }
                    },
                    {
                        "type": "text",
                        "text": f'''Найди CSS-селектор для элемента: "{description}"
DOM-элементы: {json.dumps(dom_snippet[:30], ensure_ascii=False)}

Верни JSON: {{"selector": "css_selector", "confidence": 0.0-1.0}}
Предпочитай: [data-testid="..."], #id, [aria-label="..."]
Только JSON.'''
                    }
                ]
            }],
        )

        try:
            text = response.content[0].text
            result = json.loads(text[text.find("{"):text.rfind("}") + 1])
            selector = result["selector"]

            loc = self.page.locator(selector)
            if loc.count() > 0:
                self._locator_cache[description] = selector
                return loc.first
        except Exception:
            pass

        raise RuntimeError(f"Элемент не найден: {description}")


class SelfHealingTest:
    """Тест с самовосстановлением локаторов"""

    def __init__(self, page: Page):
        self.page = page
        self.smart = SmartLocator(page)
        self.failed_steps: list = []

    def step(self, description: str):
        """Декоратор для шагов теста с AI-восстановлением"""
        def decorator(func):
            @wraps(func)
            def wrapper(*args, **kwargs):
                try:
                    return func(*args, **kwargs)
                except Exception as e:
                    # Пробуем восстановить через AI
                    recovery = self._attempt_recovery(description, str(e))
                    if recovery:
                        return recovery
                    self.failed_steps.append({"step": description, "error": str(e)})
                    raise
            return wrapper
        return decorator

    def _attempt_recovery(self, step_description: str, error: str):
        """Пытается восстановить провалившийся шаг"""
        screenshot_bytes = self.page.screenshot()

        response = client.messages.create(
            model="claude-haiku-4-5",
            max_tokens=256,
            messages=[{
                "role": "user",
                "content": [
                    {
                        "type": "image",
                        "source": {
                            "type": "base64",
                            "media_type": "image/png",
                            "data": base64.b64encode(screenshot_bytes).decode(),
                        }
                    },
                    {
                        "type": "text",
                        "text": f'''Тест упал на шаге: "{step_description}"
Ошибка: {error}

Видишь ли ты на скриншоте что-то, что мешает выполнению?
Верни JSON: {{"blocker": "описание проблемы или null", "recovery_selector": "css или null"}}'''
                    }
                ]
            }],
        )

        try:
            text = response.content[0].text
            result = json.loads(text[text.find("{"):text.rfind("}") + 1])

            if result.get("recovery_selector"):
                self.page.click(result["recovery_selector"])
                return True
        except Exception:
            pass

        return None

LLM-генерація тестів з user stories

def generate_playwright_test(user_story: str, base_url: str, page_html: str = "") -> str:
    """Генерирует Playwright test из user story"""
    response = client.messages.create(
        model="claude-sonnet-4-5",
        max_tokens=2048,
        messages=[{
            "role": "user",
            "content": f'''Сгенерируй Playwright Python тест для user story:

{user_story}

Base URL: {base_url}
{"HTML контекст страницы: " + page_html[:2000] if page_html else ""}

Требования к тесту:
- Используй Playwright best practices: get_by_role, get_by_label, get_by_text
- Явные expect() с timeout
- Без захардкоженных sleep()
- Комментарии к каждому шагу
- Используй data-testid если видишь в HTML

Формат: только Python код, без пояснений.'''
        }],
    )

    return response.content[0].text


# Пример использования
story = """
Как пользователь, я хочу войти в систему:
1. Перейти на страницу /login
2. Ввести email [email protected]
3. Ввести пароль TestPass123
4. Нажать кнопку "Войти"
5. Увидеть страницу дашборда с текстом "Добро пожаловать"
"""

test_code = generate_playwright_test(story, "https://app.example.com")
print(test_code)

AI-аналіз тестів, що впали

def analyze_test_failure(test_name: str, error_log: str, screenshot_path: str) -> dict:
    """Анализирует причину падения теста и предлагает фикс"""
    with open(screenshot_path, "rb") as f:
        screenshot_b64 = base64.b64encode(f.read()).decode()

    response = client.messages.create(
        model="claude-sonnet-4-5",
        max_tokens=1024,
        messages=[{
            "role": "user",
            "content": [
                {
                    "type": "image",
                    "source": {"type": "base64", "media_type": "image/png", "data": screenshot_b64}
                },
                {
                    "type": "text",
                    "text": f'''Тест упал: {test_name}

Лог ошибки:
{error_log[:2000]}

Проанализируй скриншот и лог. Верни JSON:
{{
  "root_cause": "краткое описание причины",
  "is_app_bug": true/false,
  "is_test_bug": true/false,
  "suggested_fix": "как исправить тест или баг",
  "new_selector": "если проблема в локаторе — новый CSS-селектор"
}}'''
                }
            ]
        }],
    )

    text = response.content[0].text
    return json.loads(text[text.find("{"):text.rfind("}") + 1])

Як швидко впровадити AI-локатори в існуючий проект?

Порівняємо два підходи — без LLM та з LLM.

Практичний кейс (наш клієнт): інтернет-магазин, 350 тестів

Ситуація: активна розробка фронтенду (React + Tailwind). Дизайнер змінював CSS-класи кожні 2 тижні. 40% Selenium-тестів падало не через баги, а через зміни верстки. CI/CD pipeline показував червоний колір, команда ігнорувала.

Зазначимо: що змінили (з нашої практики):

• Перевели 80 найнестабільніших тестів на SmartLocator з AI-fallback.
• Налаштували AI-аналіз тестів, що впали, в CI: автоматично відокремлює «баг у коді» від «змінився локатор».
• LLM-генерація заготовок тестів для нових user stories.

Результати:

• Хибно-червоні тести (UI змінився, не баг): 40% → 6%.
• Час на аналіз тестів, що впали, в CI: 2 год/деплой → 20 хв.
• Нові тест-заготовки від LLM: розробник приймає 70% без правок, 30% потребують коригування.

Важно: AI-аналіз тестів, що впали, особливо цінний — розробники перестали ігнорувати червоний CI, тому що тепер одразу бачать «це реальний баг» або «це локатор поїхав». Знижує витрати на QA до 40%.

Що входить у роботу

• Аудит поточної тестової бази: виявлення вузьких місць, оцінка нестабільних тестів.
• Розробка SmartLocator під ваш фреймворк (Playwright/Selenium) та мову (Python/Java/JS).
• Інтеграція з CI/CD (GitLab CI, GitHub Actions, Jenkins) та налаштування AI-аналізу падінь.
• Документація щодо використання та підтримки AI-локаторів.
• Навчання команди: як писати тести з урахуванням LLM, як інтерпретувати результати аналізу.
• Гарантія роботи рішення: ми підтримуємо стабільність протягом 3 місяців після впровадження.

Строки

• SmartLocator + AI-fallback для існуючої тест-бази: від 1 тижня.
• AI-генерація тестів + рев'ю пайплайн: від 1 тижня.
• CI/CD інтеграція з аналізом падінь: 3–5 днів.
• Повна система для великої тест-бази: 3–4 тижні.

Отримайте консультацію: ми оцінимо ваш проект і запропонуємо оптимальне рішення для автономного тестування. Замовте впровадження — зв'яжіться з нами, щоб обговорити деталі.

Технологія AI-локаторів заснована на підходах, описаних у Playwright Best Practices for Locators.

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.