Strona główna / Artykuły

Testowanie typu Shift-Left z użyciem agentów kodujących: wybór najbardziej niezawodnego poziomu testów

Testowanie typu shift-left z agentami kodującymi: inżynierowie QA czytają repozytorium, wybierają najniższy, najbardziej niezawodny poziom testów dla każdego scenariusza i eliminują wolne testy w przeglądarce. Z przykładem.

Wydawca: REACTAPP.TOP7 min czytania1577 słów

Źródła: Shift-Left Testing in the AI Era: How Coding Agents Can Change the QA Engineer’s Role

Testowanie na wczesnym etapie cyklu życia rozwoju jest zalecanym praktyką od lat, ale rzadko jest ono prawidłowo stosowane. Agenty kodujące oparte na sztucznej inteligencji mogą w końcu dać inżynierom QA praktyczny sposób na skuteczne wdrażanie tej zasady z pewnością siebie.

Przesunięcie procesów w stronę wczesnych etapów oznacza przeniesienie procesów walidacji do początkowych warstw, czyli testów jednostkowych, komponentowych, API oraz integracyjnych, zamiast wykrywania każdego błędu poprzez testy end-to-end lub automatyzację interfejsu użytkownika. Sam pomysł nie jest nowy. Jego wdrożenie zawsze było trudniejsze niż jego opisanie, a główną przyczyną jest różnica pomiędzy wiedzą z zakresu QA a wiedzą na poziomie kodu.

Inżynier QA potrafi dogłębnie zrozumieć scenariusz biznesowy. Typowe pytania brzmią następująco:

  • Co się stanie, jeśli zniżka wygasła?
  • Co się stanie, jeśli kwota płatności przekroczy dozwolony limit?
  • Co się stanie, jeśli API zwróci wartość niesprawdzoną?
  • Co się stanie, jeśli obliczenie da nieważny wynik?

To są dobre scenariusze. Trudniejsze pytanie brzmi, gdzie należy je testować. Czy test jednostkowy tego obejmuje? Czy powinien znajdować się w warstwie komponentów? Czy potrzebny jest test integracyjny? A może rzeczywiście od początku do końca wymagany jest przeglądarka? Historycznie to właśnie w tym miejscu inżynierowie QA utknęli.

Dlaczego zespoły QA mieli trudności z przeniesieniem procesów testowania na wcześniejsze etapy

Testy jednostkowe i integracyjne są ściśle powiązane z implementacją. Programista, który stworzył dany funkcjonalność, wie, gdzie znajduje się logika biznesowa, które klasy lub funkcje biorą w tym udział, co można symulować oraz jakie zależności znajdują się poza kodem.

Inżynier QA może dokładnie wiedzieć, co musi zostać zweryfikowane, a mimo to nie posiadać wystarczającej wiedzy o implementacji, by z pewnością stwierdzić, że dany scenariusz nie powinien przechodzić przez interfejs użytkownika, ponieważ warstwa jednostkowa może go bezpośrednio obsłużyć. Dlatego w wielu zespołach QA pisze scenariusze, pyta programistów, jakie testy jednostkowe lub integracyjne już istnieją, a następnie polega na odpowiedziach, gdyż samodzielna weryfikacja zakresu pokrycia na poziomie kodu jest trudna.

W tej sytuacji nikt nie ma racji ani nie ma się w błędzie. To problem widoczności. QA odpowiada za ryzyko biznesowe, a deweloperzy za implementację, a gdy te dwie grupy działają oddzielnie, podejście shift-left staje się jedynie tematem rozmów, a nie skuteczną strategią. Scenariusze testowe przenoszą się wtedy do warstwy interfejsu użytkownika po prostu dlatego, że to właśnie tę warstwę QA potrafi kontrolować. To jeden z powodów powiększania się zestawów automatyzacji: więcej uruchomień przeglądarek, więcej zależności od środowiska, więcej problemów z danymi testowymi, większe obciążenie konserwacyjne i wolniejsze uzyskiwanie informacji zwrotnych.

Co zmieniają agenci kodujący

Narzędzia takie jak Claude Code i GitHub Copilot mogą teraz pracować bezpośrednio z repozytorium, czytając jego strukturę i zawartość. Wyobraźmy sobie funkcję z 20 przygotowanych scenariuszy testowych. Zamiast od razu decydować, które z nich zautomatyzować za pomocą Playwright lub Selenium, inżynier QA może najpierw poprosić agenta programistycznego o analizę repozytorium i określenie, gdzie każdy scenariusz najlepiej pasuje: które należą do poziomu jednostkowego, które wymagają testów komponentowych lub integracyjnych, które nadają się do testowania za pomocą API, a które naprawdę wymagają automatyzacji end-to-end.

To zupełnie inny sposób podejścia do automatyzacji testów. QA nie patrzy już na aplikację tylko z zewnątrz. Sztuczna inteligencja może przeanalizować implementację i pokazać, gdzie znajduje się rzeczywista logika biznesowa, co sprawia, że piramida testów staje się znacznie bardziej praktyczna.

Przykład procesu zakupowego

Rozważmy proces zakupowy w sklepie internetowym. QA przygotowuje pięć scenariuszy:

  1. Wykorzystany kupon jest odrzucany.
  2. Nieważny kupon zostaje odrzucony.
  3. Całkowita kwota zamówienia jest poprawnie przeliczana.
  4. Awaria płatności jest prawidłowo radzona sobie z nią.
  5. Udałe zamówienie wyświetla potwierdzenie.

W tradycyjnym podejściu wszystkie te pięć przypadków prawdopodobnie stają się testami przeglądarki. Załóżmy teraz, że agent skanuje repozytorium. Stwierdza on, że walidacja kuponów znajduje się w izolowanej funkcji logiki biznesowej, więc pierwsze dwa scenariusze stanowią idealne testy jednostkowe. Obliczanie kwoty zamówienia jest również realizowane oddzielnie i można je sprawdzić bez przeglądarki, więc trzeci scenariusz znajduje się na niższym poziomie. Awaria płatności lepiej pasuje jako test integracyjny lub na poziomie usługi. Tylko pełny, udany proces zakupowy wymaga testu end-to-end w przeglądarce.

Pięć testów interfejsu użytkownika staje się jednym testem interfejsu użytkownika plus czterema szybszymi testami niższego poziomu. To dokładnie taki efekt, którego dąży do osiągnięcia podejście shift-left, a zmianą jest to, że dział QA ma teraz praktyczny sposób na kierowanie tym procesem decyzyjnym.

Rozwijający nadal bierze udział

Ślepe zaufanie do agenta zamiast ślepego zaufania do rozwojownika nie jest celem. Sztuczna inteligencja może się mylić – może błędnie zinterpretować architekturę, przeoczyć zależności lub zaproponować niewłaściwe granice testowania, dlatego nie powinna stać się ostatecznym autorytetem.

Jego wartość stanowi o wiele silniejszy punkt wyjścia. Zamiast pytać programistę, czy dany scenariusz można objąć testami jednostkowymi, zespół QA może powiedzieć coś w stylu: ta weryfikacja odnosi się do tego usługi i wydaje się odizolowana od interfejsu użytkownika, więc czy nie można jej objąć na poziomie jednostek zamiast dodawać kolejny test w przeglądarce? To o wiele bardziej konkretowa rozmowa techniczna. Sztuczna inteligencja nie wyklucza programistów z testowania na wczesnym etapie. Daje zespołowi QA wystarczającą wiedzę techniczną, aby z pewnością się w niej uczestniczyć.

Dostarczanie agentom kontekstu testowania

Agenty kodujące stają się znacznie bardziej przydatne, gdy znają filozofię testowania zespołu, a nie tylko jego kod. To właśnie jest zadaniem instrukcji repozytorium, plików instrukcji dla agentów lub plików umiejętności. Wiele agentów czyta stały plik instrukcji, który ładowuje się sam. CLAUDE.md umieszczony w korzeniu repozytorium jest jednym z takich plików.

Prosta wersja mogłaby zacząć się od nagłówka:

# Testing Strategy Instructions

A teraz przejdźmy do samych zasad:

- Prefer the lowest reliable testing layer for any new scenario.
- Do not recommend UI automation if the same behavior can be
  validated reliably at a lower layer.
- Before suggesting a test, identify what unit, API, integration,
  and end-to-end frameworks already exist in this repo.
- Explain *why* a scenario belongs to a specific layer.
- Flag duplicate coverage — check if a scenario is already
  tested before recommending a new test.

Dokładny format różni się w zależności od narzędzia, ale zasada pozostaje ta sama: należy dostarczyć agencie wystarczająco dużo kontekstu, aby mógł analizować kod z perspektywy strategii testowania, a nie tylko jako zwykły kod.

Zaczynaj od warstwy, a nie od narzędzia

Błędem, który często występuje w procesach automatyzacji, jest rozpoczynanie od narzędzia. Zespół używający Playwright pyta, jak zautomatyzować dany scenariusz w tym narzędziu, podczas gdy zespół używający Selenium zadaje to samo pytanie w odniesieniu do tego narzędzia. Lepszym pytaniem jest to, jaka jest najniższa, najbardziej niezawodna warstwa, w której można przetestować dane zachowanie.

Czasami odpowiedzią nadal jest warstwa interfejsu użytkownika, ponieważ wiele procesów rzeczywiście wymaga weryfikacji na poziomie przeglądarki. Warstwę interfejsu użytkownika należy wybrać dlatego, że scenariusz tego wymaga, a nie dlatego, że zespół QA nie może zobaczyć, co znajduje się poniżej. Agenci doskonale nadają się do zamknięcia tej luki.

Co zmienia się dla inżynierów QA

Podstawowe umiejętności pozostają takie same: rozumienie ryzyka biznesowego, znajdowanie przypadków krawędziowych, projektowanie znaczących scenariuszy oraz wiedza o tym, co wymaga pełnej ochrony. Jedna nowa umiejętność nabrała dużego znaczenia – polega ona na wykorzystywaniu agentów programistycznych do poznania rzeczywistego sposobu implementacji aplikacji, a następnie sprawdzenia tych ustaleń z zespołem rozwojowym. Zanim zautomatyzujesz scenariusz, zadaj agentowi następujące pytania:

  • Gdzie znajduje się logika biznesowa tego scenariusza?
  • Czy istnieje już test, który go obejmuje?
  • Od czego zależy ten scenariusz i czy jest odizolowany, czy ściśle powiązany z interfejsem użytkownika?
  • Jaki jest najszybszy i najbardziej niezawodny warstwa dostarczająca rzeczywistych informacji zwrotnych?

To jest znacznie bliższe prawdziwemu testowaniu od samego początku procesu.

Dlaczego może w końcu zadziałać

Przesunięcie procesów w lewo zawsze brzmiało dobrze w teorii. W wielu zespołach jednak dział QA nie miał wystarczającej widoczności na poziomie kodu, by to realizować. Specjaliści od programowania zmieniają tę sytuację, pomagając działowi QA sprawdzać repozytoria, określać granice implementacji, analizować istniejące testy i proponować odpowiedni poziom dla każdego scenariusza.

To nie oznacza, że sztuczna inteligencja dostarczy doskonałą piramidę testów. Architektura zespołu, systemy starsze, odpowiedzialność za projekty, terminy oraz kultura inżynieryjna wciąż mają znaczenie. Jednak jedna z barier wyraźnie się zmniejsza. Stwierdzenie „Nie znam kodu na tyle dobrze, by wiedzieć, do którego testu należy ten element” staje się coraz trudniejsze do usprawiedliwienia, gdy istnieją narzędzia pomagające znaleźć odpowiedź. Przyszłość automatyzacji leży w pisaniu odpowiednich testów na odpowiednim poziomie, a nie w tworzeniu ich większej liczby.

Częste pytania

Co to jest testowanie typu shift-left? Jest to testowanie przeprowadzane wcześniej w cyklu życia produktu, poprzez przeniesienie procesów walidacji na poziom jednostek, komponentów, API oraz integracji, zamiast polegać głównie na automatyzacji end-to-end lub interfejsu użytkownika.

Dlaczego jest to trudne dla zespołów QA? Zespoły QA zazwyczaj dobrze rozumieją ryzyka biznesowe, ale nie mają dostępu do implementacji, więc nie mogą samodzielnie określić, do którego poziomu należy dany scenariusz, bez konsultacji z programistami.

W jaki sposób pomagają agenci kodujące? Agent taki może przeanalizować repozytorium i wskazać, w którym obszarze najlepiej przeprowadzić test danego scenariusza – czy to na poziomie jednostek, komponentów, API, integracji, czy end-to-end – co zapewnia zespołom QA lepszą widoczność implementacji, której wcześniej nie mieli.

Czy agenci zastępują programistów w strategii testowania? Nie. Agenci mogą błędnie ocenić architekturę lub przeoczyć zależności, dlatego ich rekomendacje wymagają weryfikacji z zespołem rozwojowym i nie powinny być traktowane jako ostateczne.

Co powinno znaleźć się w pliku instrukcji skupionym na QA? Preferencja dla najniższego, najbardziej niezawodnego poziomu testowania, zasada zakazująca rekomendowania automatyzacji interfejsu użytkownika, gdy działa niższy poziom, najpierw sprawdzenie istniejącego zakresu testowania oraz wyjaśnienie, dlaczego dany scenariusz pasuje do danego poziomu.