34 lines
2.6 KiB
Markdown
34 lines
2.6 KiB
Markdown
есть облачный ЛЛМ 120В
|
|
КРАТКО - где его можно использовать в данном проекте ? и как и зачем
|
|
|
|
Список задач обновлен
|
|
|
|
Кратко — где 120B-LLM реально полезна в autotest (по убыванию ценности):
|
|
|
|
**1. Разбор упавших прогонов (лучшее применение).**
|
|
Где: История/панель прогона, где есть `error_log` + `stages`.
|
|
Как: отправить error_log + этапы → LLM возвращает «причина + что проверить».
|
|
Зачем: тестировщик не читает сырые терраформ/API-логи вручную — экономит время на триаже.
|
|
|
|
**2. Генерация сценариев из текста.**
|
|
Где: редактор сценариев (`scenario-*.js`, `/api/scenario/definitions`).
|
|
Как: «создай vDC → VM → удали» → LLM генерит `steps[]` JSON по схеме (service_id, operation, output/instance_ref).
|
|
Зачем: собрать цепочку автотеста словами вместо ручного JSON.
|
|
|
|
**3. Подсказка значений параметров.**
|
|
Где: форма параметров (params-render.js / operations).
|
|
Как: схема параметров (name, dataType, isRequired, valueList) → LLM предлагает разумные дефолты.
|
|
Зачем: меньше проб-ошибок при заполнении обязательных полей.
|
|
|
|
**4. Анализ трендов по истории.**
|
|
Где: таблица `runs` / история.
|
|
Как: агрегат прогонов → LLM: «операция X падает в 40% на стенде test, обычно на этапе Y».
|
|
Зачем: находить флаки и системные проблемы, а не единичные падения.
|
|
|
|
**5. Триаж HAR** (`development/*.har`).
|
|
Как: HAR → LLM извлекает последовательность API-вызовов/параметры для нового сценария.
|
|
Зачем: реверс реальных операций Nubes в автотест.
|
|
|
|
Архитектурно: отдельный бэкенд-эндпоинт (напр. `/api/llm/analyze`), который дёргает облачный 120B; фронт вызывает по кнопке «Разобрать ошибку»/«Сгенерировать». **Ничего не меняю — это ответ; скажешь «делай», добавлю в план как отдельную фазу.**
|
|
|