AI-powered software testing assistant: QA-ассистент полного цикла на GitHub

⚡ Главное за 5 секунд - На GitHub опубликован AI-powered software testing assistant — full-stack приложение для QA-инженеров: от анализа требований до диагностики багов. - Проект доступен в репозитории sirivennelaa2004-create, запускается локально (Python 3.10+, Node.js 18+) или через Docker Compose. - По умолчанию работает бесплатный MockAIProvider — для реального AI нужен API-ключ провайдера. ### 🔍 Что обнаружено Проект описывается как production-grade full-stack веб-приложение, ориентированное на софтверных QA-инженеров и тестировщиков. Его ядро — конвейер: пользовательские требования конвертируются в структурированные тест-сценарии и тест-кейсы, затем выполняются тест-раны, логируются дефекты, а AI используется для анализа требований и поиска первопричин багов (root cause diagnostics). Стек заявлен серьёзный. Бэкенд — Python, FastAPI, SQLAlchemy 2.0, Pydantic v2, аутентификация на PyJWT, хэширование паролей через Passlib (Bcrypt), базы SQLite/PostgreSQL. Фронтенд — React 18, Vite, React Router v6, Axios, Lucide Icons и собственная CSS-система с тёмной темой и глассморфизмом. AI-подсистема построена как подключаемый фасад AIService: поддерживаются OpenAI, Gemini, Ollama и Groq, плюс бесплатный MockAIProvider как fallback; есть устойчивый JSON-парсер с извлечением и «ремонтом» ответов. Тесты — pytest-сьют со 100% прохождением по auth, авторизации, CRUD, AI-парсеру, execution и баг-воркфлоу. Рабочий процесс выглядит так: требование → AI-анализ → генерация сценариев (позитивные, негативные, edge, boundary, security) → тест-кейсы с TC-ID, целью, предусловиями, шагами и ожидаемым результатом → выполнение (Passed/Failed/Blocked) → баг-репорты (автосоздание при падении или вручную) → AI-диагностика с root cause, предлагаемыми Severity и Priority и шагами фикса → дашборд качества с pass rate, распределением статусов и логами активности. ### 💡 Почему это важно Инструмент закрывает весь QA-цикл в одном приложении: вместо набора разрозненных утилит разработчик получает единый конвейер от требования до дашборда. Практически ценно то, что AI-слой подключаемый — можно выбрать OpenAI, Gemini, Ollama или Groq, а без ключей работать на MockAIProvider. Docker Compose поднимает PostgreSQL и бэкенд одной командой, Swagger UI доступен на /docs, health check — на /health, фронтенд — на localhost:5173. ### 🧩 Контекст Проект выложен пользователем sirivennelaa2004 (репозиторий sirivennelaa2004-create/ai-powered-software-testing-assistant). Конфигурация через.env: DATABASE_URL, SECRET_KEY, AI_PROVIDER (по умолчанию mock), AI_API_KEY, AI_MODEL_NAME (gpt-4o-mini), AI_BASE_URL (https://api.openai.com/v1). Насколько инструмент справляется с реальными задачами — по описанию репозитория судить нельзя.

🔗 Читать на github.com