Увійти Реєстрація
Вакансії
Вакансії Laravel Компанії Статистика
Підготовка
Як підготуватися < href="https://laravelukraine.com/interviews" wire:navigate.hover class="flex items-center gap-3 rounded-md px-3 py-2 text-base font-medium text-gray-600 hover:bg-gray-50 hover:text-gray-900 dark:text-gray-400 dark:hover:bg-gray-900 dark:hover:text-white" >Співбесіди Тестування Документація
Блог
Всі статті Серії
Екосистема
Пакети Ресурси Проєкти Інструменти Події Відео
Інше
Про нас Реклама
Переклади 17 листопада 2026

Тести як дані: як переконатися, що код від AI-агента робить те, що потрібно

Це переказ статті Маттео Ваккарі, розробника й Technical Principal у Thoughtworks Italia, опублікованої 11 листопада 2026 року на martinfowler.com. Ми зберегли структуру й технічні тези автора, скоротили історичні відступи, а примітки редакції про Pest і PHPUnit позначили окремо - це не слова автора.

Автор висуває три тези:

  1. Коли код пише AI, розробники стають його замовниками.
  2. Тому головним контрактом між людьми й AI стають приймальні тести замовника (customer tests), а не тести розробника.
  3. Якщо перенести цей контракт із тестового коду в тестові дані, його легше захистити від несподіваних змін з боку агента.

Усе це заради тестів, які легко читає людина. Раніше парсери DSL і власні тест-раннери були дорогими в написанні й підтримці, тепер AI робить їх дешевими.

Проблеми коду, який пише AI

На початку 2026 року автор поговорив із 26 розробниками з організації, яка активно працює з AI-агентами, і спитав: «Ви довіряєте нашим тестам?» Відповідь була майже однакова: «Не дуже. Навіть якщо я переглянув тести, коли їх згенерували, з кожною новою фічею AI рефакторить і код, і тести, тож я вже не певен, що вони досі перевіряють правильну поведінку».

Автоматичні тести, які пишуть самі розробники, - особливо test-first і TDD - свого часу дозволили командам здавати майже безпомилковий бізнесовий софт за частку вартості формальних специфікацій. Агенти генерують тести навіть без прохання, тож можна було б сподіватися на той самий результат. На практиці - ні. Звіти початку 2026 року фіксують погіршення якості: у Faros AI кількість багів на pull request зросла на 28,7%, а на розробника - на 54%; у звіті DX деякі компанії бачать на 50% більше дефектів; у CloudBees 81% із 213 опитаних технічних керівників повідомили про більше проблем у продакшні, а 70% вважають підтримку тестів більшим тягарем, ніж написання коду. Автор не стверджує, що знає причину, але вважає правдоподібним, що одна з них - падіння якості автоматичних функціональних тестів.

Проблеми тестів, які пише AI

Чому AI рефакторить тести? Найімовірніше, тому що змінюється сигнатура функції - це нормальна частина розробки, тож AI тут не «помиляється». Але читати згенерований тестовий код ще нудніше, ніж згенерований продакшн-код, і чекати, що розробник уважно перечитуватиме кожну зміну, нереалістично.

Друга проблема - зв'язаність із реалізацією. Попросіть агента «покрити модуль X юніт-тестами», і він охоче згенерує купу тестів із моками й стабами. Такі тести ламаються від нешкідливого рефакторингу, тобто дають хибні спрацювання, і водночас можуть не захистити, коли код поводиться неправильно. Замість «на вході X - на виході має бути Y» вони доводять «коли викликаємо A, воно викликає B». А найчастіше AI пише тести, які підтверджують поточну реалізацію разом з усіма її багами, а не специфікують правильну поведінку.

Отже, згенеровані тести проблемні, тому що:

  • тестового коду багато;
  • його важко читати;
  • він прив'язаний до реалізації;
  • він може навіть не доводити, що код правильний.

Вимагати, щоб усі тести писали люди, означає втратити більшу частину економічної вигоди від агентів. Але що, як є спосіб писати тести, які людям значно легше і читати, і писати?

Проблеми специфікацій, які пише AI

Багато хто працює через ту чи іншу форму spec-driven development. Узгодити з AI задачу до початку роботи корисно, але «специфікації» прозою в Markdown мають свої вади:

  • Обсяг. Прози стільки, що з якогось моменту настає втома і план приймається після побіжного погляду - те, що називають когнітивною капітуляцією (cognitive surrender).
  • Підтримка. Що робити з усіма специфікаціями після завершення фічі? Якщо їх тримати як довгострокові, їхній обсяг з часом теж стає непідйомним.
  • Неповне виконання. Мовні моделі виконують не всі деталі специфікації: буває, що AI відкидає частину, щоб швидше оголосити «готово».
  • Неоднозначність. Природна мова не дає тієї точності, що мова програмування. Специфікацію прозою не можна виконати, а тест - можна.

Що пропонує автор

Мета - тести, які:

  • передбачають успіх у продакшні: коли всі вони проходять, є впевненість, що функціональність реалізована правильно;
  • стійкі до рефакторингу;
  • читаються якомога легше.

Для цього чотири техніки:

  • Тести замовника: пишемо мовою замовника.
  • Чорна скринька: тестуємо систему або її компоненти ззовні, без деталей реалізації.
  • Тести як дані: лише важливе - вхід, очікуваний результат або побічні ефекти, і початковий стан. Тільки факти.
  • Тестова DSL: найпростіше текстове подання входу, виходу і стану системи, яке зрозуміє експерт предметної області і яке дає чистий diff, коли тест падає.

Тести - це контракт, що встановлює, що код має для нас робити. Перенесений у файли даних, які виконує порівняно невеликий тест-раннер, він краще захищений від несподіваних маніпуляцій. А сам раннер той самий AI пише легко.

Що тоді з TDD? Змусити AI дотримуватися канонічного TDD складно: зазвичай він генерує багато коду ще до тестів. Водночас агенти, схоже, працюють краще, коли їм кажуть, що потрібно і як перевірити результат, а інструкції «як саме це зробити» їм радше шкодять. Описані техніки дають агентові саме це «як перевірити». Це свого роду test-first, але з більшими кроками - і стаття про те, як робити великі кроки безпечно.

Тести замовника

Тести, які пишуть розробники, - одна з початкових практик Extreme Programming; більшість називає їх юніт-тестами. Інша початкова практика XP - тести замовника, вони ж приймальні тести (acceptance tests).

Тест замовника написаний мовою замовника: він описує, що має робити програма, з погляду користувачів.

Ідея в тому, щоб замовник розумів, що саме доводить тест, і це вирівнювало розуміння між ним і розробниками. Цікаво те, що коли більшу частину коду пише машина, люди-розробники дедалі більше грають роль «замовників» цього коду. Нас цікавить, що має робити програма, у термінах, вільних від деталей реалізації, бо реалізацію ми делегуємо AI. Тому автор вважає тести замовника основним видом тестів, на який варто спиратися, особливо коли продакшн-код згенерований. Юніт-тести лишаються корисними, але не як головне джерело правди про поведінку.

Тести замовника:

  • визначають функціональний зміст user story: коли вони проходять, історія функціонально завершена;
  • захищають від регресій: тест, що пройшов, має проходити завжди, доки не зміниться бізнес-правило;
  • підтримують рефакторинг, бо перевіряють поведінку, а не реалізацію;
  • і, мабуть, найважливіше - вирівнюють розуміння: замовник може прочитати тест і сказати, чи перевіряємо ми те, що треба.

Мінус - такі тести, особливо наскрізні (end-to-end), бувають повільними і нестабільними. Про те, як із цим впоратися, нижче.

Зосередитися на головному

Ось простий приклад (автор пише на Java):

@Test
void defaultGreeting() throws IOException, InterruptedException {
  HttpRequest request = HttpRequest.newBuilder()
    .uri(URI.create(baseUrl + "/hello"))
    .GET()
    .build();

  HttpResponse<String> response =
    client.send(request, HttpResponse.BodyHandlers.ofString());

  assertEquals(200, response.statusCode());
  assertEquals("Hello, world!", response.body());
}

@Test
void personalisedGreeting() throws IOException, InterruptedException {
  HttpRequest request = HttpRequest.newBuilder()
    .uri(URI.create(baseUrl + "/hello?name=Joe"))
    .GET()
    .build();

  HttpResponse<String> response =
    client.send(request, HttpResponse.BodyHandlers.ofString());

  assertEquals(200, response.statusCode());
  assertEquals("Hello, Joe!", response.body());
}

Що саме доводять ці тести? Досвідчене око вихопить назву, вхід і очікуваний результат: стандартне привітання - «Hello, world!», а з іменем - «Hello, <ім'я>!». Усе інше - шаблонний код, який лише заважає побачити намір. То чому б не записати тільки ці три речі:

suite: greetings
tests:
  - name: "default greeting"
    request:
      resource: "/hello"
      name: null
    greeting: "Hello, world!"
  - name: "personalised greeting"
    request:
      resource: "/hello"
      name: "Joe"
    greeting: "Hello, Joe!"

Цей YAML-файл стає джерелом випадків для параметризованого тесту, який AI пише дуже легко. Звичайний процес такий:

  1. Накидати зразок тестової DSL, яку ви хотіли б мати.
  2. Попросити AI написати для неї тест-раннер.
  3. Далі і люди, і AI додають нові корисні випадки, наприклад:
- name: "name must not be entirely whitespace"
  request:
    resource: "/hello"
    name: " "
  error: "Name must not be entirely whitespace"

Ще стисліше - винести все в таблицю у CSV-файлі:

test_name,             resource, name, greeting,         error
default greeting,      /hello,   null, "Hello, world!",
personalised greeting, /hello,   Joe,  "Hello, Joe!",
not whitespace,        /hello,   " ",  null,             Name must not be entirely whitespace

Чому таблиці? Тому що з таблиці одразу видно, які випадки покриті, яких бракує і які дублюються, і в неї легко додати новий рядок. Але не варто кодувати в таблиці стан чи послідовність дій - на кшталт «увійти як трейдер / перейти в адмінку / заборонено / увійти як адмін...». Кожен рядок має бути окремою операцією без стану, з входом і очікуваним виходом. Для складнішого є структуровані сценарії, про них далі.

Автор наводить і приклад того, що замість низки сценаріїв Gherkin «Given I am logged in as a trader / When I attempt to access the admin dashboard / Then I should be denied access» з варіаціями краще одна таблиця:

| admin_dashboard_access_control                                         |
| role    | session_state | resource          | expected_result | logged |
| trader  | valid         | admin dashboard   | denied          | yes    |
| trader  | valid         | admin API         | forbidden       | yes    |
| admin   | valid         | admin dashboard   | allowed         | no     |
| admin   | valid         | admin API         | allowed         | no     |
| viewer  | valid         | admin dashboard   | denied          | yes    |
| guest   | none          | admin dashboard   | login required  | yes    |
| trader  | expired       | admin dashboard   | login required  | yes    |
| trader  | tampered      | admin API         | unauthorized    | yes    |

У цьому, по суті, і полягають тести як дані. Чим вони допомагають розробникам, які не довіряють тестам? Тим, що (1) зосереджені на тому, що найбільше цікавить нас як розробників-замовників, (2) стійкіші до рефакторингу і (3) коли тести лежать у текстових файлах, значно легше помітити, що AI їх змінює.

Примітка редакції. У Pest таку таблицю природно виражають датасети, а в PHPUnit - атрибут #[DataProvider]. Але щоб отримати саме «тести як дані», таблицю варто тримати не в масиві всередині тестового файлу, а в окремому файлі, який тест лише читає:

// tests/Feature/GreetingTest.php
dataset('greetings', function () {
  $cases = json_decode(file_get_contents(__DIR__.'/../data/greetings.json'), true);

  return collect($cases)
    ->mapWithKeys(fn (array $case) => [$case['name'] => [$case['query'], $case['expected']]])
    ->all();
});

it('greets the visitor', function (array $query, string $expected) {
  $this->get('/hello?'.http_build_query($query))
    ->assertOk()
    ->assertSeeText($expected);
})->with('greetings');

Тепер контракт - це tests/data/greetings.json, а GreetingTest.php - лише маленький раннер. Ключі датасету стають назвами випадків у звіті Pest, тож упалий рядок видно одразу. Якщо в рядку таблиці з'являється стан («спершу увійти, потім...»), це сигнал перейти до сценаріїв, про які нижче.

Автор згадує і зворотний погляд: Макс Канат-Александер розповів, що найскладніший тест у його житті - для мови запитів Bugzilla, 20 операторів по 50 полях, що компілюються у різний SQL, - інакше як структурою даних і не можна було написати, і він досі живе в кодовій базі з 2011 року. Втім, загалом Макс воліє, щоб агенти писали тести як код: так на тести можна накласти правила через статичний аналіз.

Не все вміщається в таблиці

Коли вхід тесту - не просте значення, таблиці замало, і на допомогу приходять структуровані сценарії. Ще у 2004 році Рон Джеффріс у книжці «Extreme Programming Adventures in C#» почав розробку редактора з такого тесту замовника (| - курсор):

---- before ----
<p>Fo|o</p>
<p>Bar</p>
Переклад оригіналу: martinfowler.com
7

Читати в документації

Коментарі

Увійдіть, щоб залишити коментар

Будьте першим, хто залишить коментар!

Читайте також

MigrationFailed
Переклади 17 листопада 2026

Одна міграція на MySQL, PostgreSQL і SQLite: що змінює подія MigrationFailed у Laravel 13.42

Автор навмисно зламав ту саму міграцію на MySQL, PostgreSQL і SQLite і подивився, що кожна база лишає після збою. Звідки береться різниця, що дає нова подія MigrationFailed з Laravel 13.42 і як не застрягнути з напівзастосованою схемою.

8
Laravel Shift
Переклади 17 листопада 2026

Як одне питання на конференції стало бізнесом однієї людини на $50K на місяць

Jason McCreary розповів Tiny Empires, як Laravel Shift виріс із питання до Taylor Otwell у сервіс із доходом близько $50K на місяць: занизькі ціни на старті, п'ять років до нинішніх тарифів, робота наодинці й перший рік падіння.

12

Вакансії за темою

N-iX
11 днів тому

Senior / Lead PHP Engineer with AI skills (#5887)

Розробка та підтримка backend-сервісів і API на PHP та Laravel для нового великого релізу європейського онлайн-маркетплейсу автомобілів. Завдання включають інтеграцію агентних AI-потоків (LLM-агенти, tool-calling), менторство інженерів і відповідальність за фічі від дизайну до моніторингу. Вимоги: 6+ років PHP, 4+ роки з Laravel, практичний досвід GenAI, сильні знання MySQL/PostgreSQL, Docker та хмарних платформ, англійська Upper-Intermediate.

Bewort
13 днів тому

Senior Full-Stack Developer (PHP/Laravel, Vue)

Розробка та розвиток ключових функцій корпоративної платформи на Laravel з обробкою бекенду та фронтенду на Vue. Потрібні глибокі знання внутрішньої архітектури фреймворку, досвід застосування SOLID, DDD, подій і черг, а також досвід роботи зі складними проєктами. Обов'язкове активне використання AI-інструментів для написання коду та англійська не нижче B2. Переваги: досвід із Vue, мультитенантними SaaS, AWS, CI/CD та LLM-інтеграціями.

Vodworks
13 днів тому

Full Stack (JavaScript / PHP / AI)

Senior-розробник на позиції індивідуального контриб'ютора без керування людьми: архітектура та розробка масштабованих застосунків, мікросервісів і API, переважно на PHP з Laravel, а також JavaScript і сучасний фронтенд. Завдання включають обробку даних у реальному часі, кешування, черги повідомлень і розподілені системи. Вимоги: 7+ років досвіду, практичне використання AI-інструментів у розробці, англійська C1 і вище, менторство молодших розробників.

Пакети за темою

Pest

pestphp/pest

Тестовий фреймворк з лаконічним синтаксисом поверх PHPUnit: тести описуються функціями замість класів. Має паралельний запуск, тести архітектури, покриття і мутаційне тестування.

11,667 v5.1.1 4

Kalimera

welldigit/kalimera

Interactive installer that scaffolds Laravel applications the Well Digit way.

v1.0.0 17