МАЯК: конвейер от ТЗ до тест-дизайна

Разработчик под ником с Хабра представил платформу МАЯК — конвейер автоматизации документации и тест-дизайна, собранный из 58 специализированных блоков. Система покрывает цепочку «ТЗ → канонизация → тест-дизайн → прогон» и построена на многоагентной архитектуре с использованием LangGraph и LangChain. Автор описывает её как микросервисную структуру, где каждый модуль имеет собственное назначение, состояние и контракт данных.

Ключевая идея платформы — формировать документацию до разработки, а не после. По словам автора, это позволяет выйти на границу «тестирование / доработка документации» параллельно, а не последовательно. Первый концепт появился в июле, но был признан несостоятельным из-за излишней широты: из первичных четырёх блоков система выросла до 32 блоков тестирования и 26 аналитики.

На макроуровне МАЯК состоит из двух платформ и общей инфраструктуры. BA Co-Pilot отвечает за канонизацию требований в EARS, User Stories и Use Cases, матрицу CRUD, стресс-тест противоречий и поиск «белых пятен» с готовым опросным листом. QA Platform включает четыре ступени: Requirements Hub, Test Design Hub, Automation Hub с Playwright и контуром Self-Healing, а также Execution & Triage с прогоном в песочнице и черновиками задач для Jira.

Центральный принцип работы — «LLM предлагает — гейты проверяют — человек смотрит только то, что не сошлось». Каждый критерий приёмки заземляется цитатой из исходника, а серые зоны превращаются в вопросы, а не в угаданную конкретику. Автор подчёркивает, что без такой проверки модель уверенно галлюцинирует: додумывает требования, показывает фиктивное покрытие 100% и молча превращает неоднозначности в конкретные цифры.

На синтетическом ТЗ с заложенными болезнями система поймала 9 ловушек из 10 автоматически, десятую — человек с вопросником от машины. За 90 секунд было сгенерировано 26 вопросов стейкхолдерам, выявлено 20 серых зон, а 37 BDD-сценариев созданы за 26 минут. Кэш ответов LLM делает повторный анализ документа бесплатным по токенам и обеспечивает воспроизводимость прогонов.

Платформа поддерживает любую модель через OpenAI-совместимый API, включая полностью локальный контур на Ollama или vLLM, что исключает утечку данных. Интеграции включают Confluence, Jira, Mattermost-бот, экспорт в Excel и Word, REST-шлюз на FastAPI. Новые блоки добавляются как плагины без правки ядра, а запуск возможен через Docker одной командой.

Автор отмечает, что название МАЯК осталось от предыдущих итераций проекта — задача та же: быть ориентиром в тумане требований. В статье он также обещает рассказать, где платформа врёт и что в ней не доработано. Это вторая его публикация о недоверии к моделям: первая касалась проекта ScanReader и чтения документов.