Тестовая стратегия и процессы - Построить тестовую стратегию релиза с нуля: что покрываем regression, что smoke на каждый релиз, что exploratory - Завести bug-report template и шкалу severity, синхронизировать команду по процессу - Выбрать систему тест-менеджмента (TestRail / Allure / Notion / собственное решение — на ваше усмотрение) - Вести регрессионный лист и поддерживать его актуальным
Ручное и exploratory тестирование - Проходить ключевые пользовательские флоу на staging перед каждым релизом - Тестировать новые фичи на основе ТЗ и обсуждений с продуктом - Проводить exploratory-сессии для поиска нестандартных багов - Тестировать мультиязычный интерфейс (три языка) и mobile-first-адаптив
Автоматизация - Закладывать базу e2e-автотестов на Playwright: критический путь (регистрация → создание объявления → модерация → публикация) обязателен - Писать API-тесты для проверки backend-эндпоинтов - Интегрировать автотесты в CI на GitHub Actions - Бороться с flaky-тестами и поддерживать стабильность набора
Релизы и инциденты - Координировать regression-тестирование релиз-кандидата - Совместно с CTO принимать go / no-go-решение перед релизом - Делать post-release smoke в production - Разбирать продакшен-инциденты в части QA: что должно было быть поймано в тестировании, что добавить в регрессию
Командная работа - Участвовать в ревью спецификаций новых фич и задавать вопрос «как это тестируется?» - Работать в связке с разработчиками как партнёр, а не как контролёр - Объяснять баги конструктивно, доводить до исправления
Работа с AI/LLM-инструментами - Использовать AI-ассистентов (Claude, Cursor, GitHub Copilot и аналоги) для генерации тест-кейсов, edge-кейсов, тестовых данных, Playwright-скриптов - Применять LLM для bug triage и анализа Sentry-логов - Грамотно валидировать AI-сгенерированные тесты — что они реально проверяют, а не имитируют - Видеть, где AI экономит часы, а где даёт мусор (особенно в exploratory и в работе с edge-кейсами)