Команда QA столкнулась с задачей по тестированию высоконагруженных потоков данных в микросервисной архитектуре. Для обеспечения тестового покрытия требовалось проанализировать более 8 000 документов в Confluence, что было невозможно выполнить вручную в сжатые сроки.
Для решения задачи был применен структурированный процесс с использованием нескольких ИИ-агентов. Общую задачу разделили на специализированные подзадачи с четкими границами, форматами данных и ограничениями контекста, что позволило повысить точность анализа.
На первом этапе агенты определили требования к публикации сообщений в Kafka и изменениям в SQL-базах, а также проанализировали код. На втором этапе полученные данные сопоставили с ожидаемым поведением, сформировав отчет с ссылками на документацию и участки кода.
После экспертной проверки отчета разработчиками и аналитиками, методологию превратили в переиспользуемую среду для агентов Cursor. Инструмент позволяет выявлять расхождения между требованиями и реализацией, а также объяснять поведение сервисов.
Система поддерживает обновление базы знаний, разделяя поведение в production, в текущей ветке разработки и задокументированные требования. Инструмент успешно применяется командой для поиска дефектов и анализа пробелов в функциональных спецификациях.
