Zbudujesz własnego agenta AI wspierającego analizę wymagań, projektowanie testów, analizę defektów i pracę z wiedzą projektową.
Połączysz referencyjne środowisko do budowy agentów z lokalnym modelem LLM i zobaczysz, jak to samo podejście przenieść na inne modele oraz rozwiązania chmurowe.
Poznasz RAG, embedding i, fragmentowanie dokumentów i wyszukiwanie semantyczne, dzięki czemu agent będzie mógł korzystać z kontrolowanej bazy wiedzy projektu.
Rozwiniesz prostego asystenta o pamięć, reguły, narzędzia i kontrolowane działania, ucząc się jednocześnie oceniać jakość jego odpowiedzi, źródła i ograniczenia.
Po szkoleniu będziesz potrafić samodzielnie zbudować, przetestować i bezpiecznie wykorzystywać agenta AI jako wsparcie testera, bez przenoszenia na niego odpowiedzialności za decyzje i jakość.
formuła:
online na żywo / stacjonarna
dla kogo: tester / QA / analityk QA / lider zespołu
Cel nauczania
Celem szkolenia jest praktyczne przygotowanie uczestników do projektowania, budowania, testowania i bezpiecznego wykorzystywania agentów AI wspierających codzienną pracę testera. Program prowadzi od zrozumienia architektury agenta, przez uruchomienie i integrację modelu językowego oraz przygotowanie bazy wiedzy, aż po budowę działającego rozwiązania realizującego konkretne zadania kontroli i zapewnienia jakości.
Uczestnicy poznają kluczowe elementy architektury agenta: instrukcję systemową, model, kontekst, pamięć, bazę wiedzy, mechanizm wyszukiwania informacji, narzędzia oraz kontrolę wyniku. Podstawowy wariant warsztatowy wykorzystuje model lokalny i referencyjne środowisko do budowy agentów, jednak omawiane podejście pozostaje niezależne od konkretnej platformy. Uczestnicy poznają również możliwość wykorzystania innych modeli lokalnych i chmurowych oraz kryteria ich wyboru, takie jak jakość odpowiedzi, prywatność, koszt, wydajność i możliwości integracji.
Istotnym elementem szkolenia jest praca z wiedzą projektową w podejściu RAG. Uczestnicy nauczą się przygotowywać wymagania, przypadki testowe, listy kontrolne, raporty i inne artefakty zapewnienia jakości, a następnie wykorzystywać fragmentowanie dokumentów, reprezentacje wektorowe i wyszukiwanie semantyczne do budowy odpowiedzi opartych na źródłach. Agent będzie wspierał m.in. projektowanie testów, analizę defektów i logów, wyszukiwanie informacji oraz podsumowywanie sesji eksploracyjnych.
Szkolenie kładzie również nacisk na kontrolę jakości i bezpieczeństwo: weryfikowanie źródeł, oddzielanie faktów od założeń modelu, ocenę zachowania przy braku danych, ochronę informacji, ograniczanie uprawnień i human-in-the-loop. Uczestnicy nauczą się traktować agenta jak element systemu podlegający testowaniu i dobierać poziom jego autonomii do rodzaju zadania i ryzyka. Celem nie jest stworzenie „magicznego” bota, lecz zrozumienie, jak budować rozwiązania, których działanie można kontrolować, oceniać i bezpiecznie wykorzystywać w procesie dostarczania jakości.
Zakres tematyczny
Przejdziesz od uruchomienia własnego modelu i pierwszego asystenta kontroli i zapewnienia jakości do agenta korzystającego z wiedzy projektowej i narzędzi. Każdy etap szkolenia kończy się praktycznym sprawdzeniem działania oraz oceną, czy odpowiedź agenta jest właściwa w kontekście dostarczonych danych. AI jest w szkoleniu narzędziem wspierającym decyzje testera, a nie źródłem gotowych odpowiedzi.
Agenda szkolenia
- Agent AI w pracy testera
- Różnice między modelem językowym, chatbotem, asystentem, workflow i agentem oraz zadania testera, które warto wspierać AI
- Przykładowy dzień pracy z agentem: analiza wymagania, projektowanie testów, wyszukiwanie informacji, analiza błędu i podsumowanie sesji eksploracyjnej
- Modele lokalne i chmurowe – świadomy wybór
- Porównanie modeli uruchamianych lokalnie z usługami chmurowymi pod kątem jakości, prywatności, kosztu, dostępności, wydajności i wymagań sprzętowych
- Środowisko uruchamiania modeli lokalnych i dobór modelu warsztatowego do możliwości komputera
- Konfiguracja środowiska
- Uruchamianie lokalnego modelu i łączenie go z dostawcą modelu wykorzystywanego przez aplikację AI
- Budowa pierwszego prostego asystenta kontroli i zapewnienia jakości oraz sprawdzenie przepływu: polecenie – model – odpowiedź – weryfikacja
- Instrukcja agenta, kontekst i pamięć
- Przygotowanie roli agenta, zasad odpowiedzi, formatu rezultatu i kryteriów odmowy zgadywania zamiast opierania działania na pojedynczych, przypadkowych promptach
- Wpływ kontekstu rozmowy i pamięci na kolejne odpowiedzi oraz sytuacje, w których przechowywanie historii pomaga lub wprowadza ryzyko
- Wiedza projektowa i podstawy RAG
- Rola dokumentów, embeddingów, dzielenia treści na fragmenty, bazy wektorowej, retrievalu i generowania odpowiedzi na podstawie znalezionego kontekstu
- Budowa bazy wiedzy z przykładowych wymagań, przypadków testowych, checklist i eksportów danych oraz weryfikacja, czy agent potrafi wskazać źródło odpowiedzi
- Warsztat: agent znający projekt
- Przygotowanie agenta odpowiadającego na pytania o wymagania i istniejące testy oraz wykrywającego brak informacji zamiast dopowiadania nieistniejących faktów
- Porównanie odpowiedzi bez RAG i z RAG oraz ocena, czy problem wynika z modelu, wyszukania niewłaściwego fragmentu czy jakości dokumentacji
- Generowanie i przegląd artefaktów testowych
- Wykorzystanie agenta do przygotowania szkicu przypadków testowych na podstawie historyjki użytkownika i kryteriów akceptacji, z rozdzieleniem wymagań od założeń modelu
- Generowanie checklist regresyjnych, danych testowych, raportów i podsumowań z zachowaniem określonej struktury oraz obowiązkowego przeglądu rezultatów
- Agent jako analityk informacji testowych
- Analiza chaotycznego zgłoszenia błędu, logu lub notatek z sesji eksploracyjnej i przygotowanie uporządkowanego wyniku: obserwacje, brakujące dane, hipotezy i dalsze kroki
- Wykorzystanie bazy wiedzy do wyszukiwania powiązanych przypadków testowych, wymagań i wcześniejszych informacji bez ręcznego przeglądania wielu plików
- Workflow agentowy – od odpowiedzi do procesu
- Budowa przepływu obejmującego wejście użytkownika, warunki, wyszukanie wiedzy, wywołanie modelu, walidację i formatowanie rezultatu
- Różnice między przewidywalnym workflow a agentem samodzielnie wybierającym kolejne działania oraz dobór właściwego podejścia do poziomu ryzyka
- Narzędzia, integracje i kontrolowane działania
- Możliwości wykorzystania przez agenta narzędzi, wtyczek i API, np. do pobierania danych lub przygotowania działania w zewnętrznym systemie
- Zasada najmniejszych uprawnień, potwierdzanie operacji przez człowieka oraz rola MCP jako sposobu udostępniania agentom kontrolowanych narzędzi i kontekstu
- Jak testować własnego agenta
- Przygotowanie zestawu pytań referencyjnych i weryfikacja trafności odpowiedzi, poprawności źródeł, stabilności, zachowania przy braku danych i odporności na błędny kontekst
- Przypadki negatywne: halucynacje, sprzeczne dokumenty, nieaktualne dane, prompt injection w dokumencie oraz próby wykonania działania bez odpowiedniego potwierdzenia
- Warsztat końcowy: własny Agent AI dla testera
- Budowa mini-projektu agenta realizującego wybrany proces, np. analizę wymagania i generowanie testów, przegląd regresji, analizę defektu lub podsumowanie sesji eksploracyjnej
- Definiowanie źródeł wiedzy, instrukcji, kryteriów poprawności, ograniczeń, zasad bezpieczeństwa i planu dalszego rozwoju rozwiązania w realnym projekcie
Metody nauczania i formuła szkolenia
Będziesz uczyć się przez budowanie działającego rozwiązania. Każdy blok zaczyna się krótkim wprowadzeniem i demonstracją, po czym przechodzisz do konfiguracji, ćwiczenia oraz wspólnej analizy wyniku.
Pracujesz na materiałach zbliżonych do realnych produktów projektowych: wymaganiach, przypadkach testowych, listach kontrolnych, eksportach źródeł do CSV, opisach defektów, logach czy notatkach z eksploracji. Zobaczysz, jak te same dane zachowują się w prostym czacie, w systemie RAG i w workflow agentowym.
Główne środowisko warsztatowe określamy bazując na najbardziej dostępnym, otwartym i bezpiecznym rozwiązaniu na rynku. Może się ono zmieniać w czasie.
Wdrażana jest procedura, w ramach której każdy wynik agenta jest oceniany z założeniem, że może się mylić. Sprawdzasz więc źródła, porównujesz odpowiedź z wymaganiami, testujesz przypadki negatywne i uczysz się rozpoznawać sytuacje, w których automatyczny agent pomaga, ale nie może podejmować decyzji samodzielnie.
Co dostajesz w kursie
| Element |
Opis |
| Kurs na żywo |
Dwa dni warsztatów z trenerem-praktykiem obejmujące demonstracje, konfigurację środowiska, ćwiczenia praktyczne oraz bieżącą analizę i omawianie wyników. |
| Materiały szkoleniowe |
Prezentacja, instrukcje do ćwiczeń, przykładowe dokumenty projektowe oraz opis architektury agenta AI wspierającego proces zapewnienia jakości. |
| Instrukcja instalacji środowiska |
Kroki instalacji i konfiguracji lokalnego modelu, integracji z referencyjnym środowiskiem do budowy aplikacji i agentów AI oraz uruchomienia pierwszego rozwiązania zapewnienia jakości. |
| Materiały do budowy bazy wiedzy RAG |
Przykładowe wymagania, przypadki testowe, listy kontrolne, opisy defektów, raporty oraz dane szkoleniowe umożliwiające przygotowanie i przetestowanie własnej bazy wiedzy. |
| Szablony agentów i przepływów pracy |
Przykładowe instrukcje systemowe, schematy przepływów, struktury wejścia i wyniku oraz wzorce kontroli rezultatów dla typowych zadań testera. |
| Zestaw promptów |
Przykłady i wzorce promptów do analizy wymagań, projektowania testów, regresji, analizy defektów i logów oraz podsumowywania sesji eksploracyjnych, wraz ze wskazówkami dotyczącymi ich dostosowywania do własnego kontekstu. |
| Lista kontrolna testowania agenta |
Zestaw kryteriów do oceny jakości odpowiedzi, działania RAG, poprawności źródeł, zachowania przy braku danych, halucynacji, uprawnień, bezpieczeństwa narzędzi oraz mechanizmów human-in-the-loop. |
| Opieka poszkoleniowa |
Wsparcie po szkoleniu w zakresie zagadnień, narzędzi i problemów omawianych podczas zajęć. |
| Dyplom ukończenia |
Potwierdzenie udziału w szkoleniu po jego zakończeniu. |
Korzyści
Dla uczestnika
- Zbudujesz własnego agenta i połączysz go z modelem uruchomionym lokalnie.
- Zrozumiesz, z jakich elementów składa się agent: modelu, instrukcji, pamięci, wiedzy, retrievalu, workflow i narzędzi.
- Nauczysz się przygotowywać bazę wiedzy projektu i wykorzystywać RAG do odpowiedzi opartych na wymaganiach, testach i dokumentacji.
- Będziesz potrafić wykorzystać agenta do tworzenia szkiców testów, checklist, raportów, analizy zgłoszeń i porządkowania notatek z eksploracji.
- Przećwiczysz budowę workflow, w którym AI wykonuje dobrze określone kroki zamiast swobodnie podejmować wszystkie decyzje.
- Nauczysz się testować własnego agenta: weryfikować źródła, wychwytywać halucynacje, badać zachowanie przy braku danych i oceniać jakość retrievalu.
- Poznasz zasady bezpiecznej pracy z modelami lokalnymi i chmurowymi, ochrony danych, minimalnych uprawnień i zatwierdzania działań przez człowieka.
- Będziesz potrafić przenieść poznaną architekturę na inne modele i platformy, zamiast uzależniać rozwiązanie od jednego produktu.
Dla organizacji
- Rozwinięcie praktycznych kompetencji zespołu w zakresie budowy agentów AI wspierających codzienne zadania testera bez konieczności tworzenia rozwiązania od zera w kodzie.
- Możliwość wykorzystania lokalnych modeli w scenariuszach wymagających większej kontroli nad sposobem przetwarzania danych i infrastrukturą.
- Szybszy dostęp do wiedzy projektowej dzięki wykorzystaniu RAG do przeszukiwania wymagań, przypadków testowych, checklist i dokumentacji.
- Ujednolicenie sposobu wykorzystywania AI do projektowania testów, analizy defektów, dokumentowania sesji i pracy z danymi szkoleniowymi.
- Ograniczenie ryzyka niekontrolowanego użycia AI poprzez zasady weryfikacji źródeł, human-in-the-loop, minimalnych uprawnień i testowania agentów.
- Lepsze przygotowanie zespołu do dalszego wykorzystania workflow agentowych, narzędzi, API i MCP w procesach testowych.
Dodatkowe informacje
Jak się przygotować
- Musisz znać podstawy testowania oprogramowania: przypadek testowy, defekt, dane testowe, oczekiwany rezultat i podstawowe elementy dokumentacji kontroli i zapewnienia jakości.
- Nie musisz programować. Przyda Ci się podstawowa swoboda w instalowaniu aplikacji, pracy z plikami oraz wykonywaniu prostych poleceń w terminalu.
- Przed szkoleniem otrzymasz instrukcję przygotowania środowiska.
- W ćwiczeniach wykorzystujemy wyłącznie materiały szkoleniowe lub zanonimizowane. Nie wprowadzamy danych produkcyjnych, danych klientów, haseł, tokenów ani poufnych dokumentów bez odpowiedniej zgody.
Organizacja i warianty
- Podstawowy wariant warsztatowy narzędzie wspierające budowę agenta i lokalny model. Wybrane ćwiczenia mogą pokazać podmianę modelu na usługę chmurową, jeśli grupa ma do niej dostęp.
- W szkoleniu zamkniętym materiały RAG, przykładowe workflow oraz zadania agenta mogą zostać dopasowane do procesu kontroli i zapewnienia jakości organizacji i jej zasad bezpieczeństwa.
- Używane narzędzie jest rozwiązaniem referencyjnym. Celem szkolenia jest zrozumienie architektury i wzorca pracy z agentem, dlatego omawiamy też, jak przenieść rozwiązanie do innych platform.
Po tym szkoleniu zainteresują Cię
Skorzystaj z dofinansowania
Sprawdź możliwości otrzymania dofinansowania na udział w szkoleniu.
Trenerzy