Нейросети, MCP и RAG в работе QA
HTML • 60 мин • Junior+ • 26 апреля 2026 г.
AI
LLM
RAG
MCP
Skills
QA Automation
Для QA и разработчиков, которые уже базово знакомы с LLM и хотят применять AI в реальной инженерной рутине.
Разберём принцип работы LLM, рынок моделей, RAG-пайплайн, MCP-инструменты, Skills, живое демо и настройку окружения с Docker и Qdrant.
Унесёшь понятную схему AI-напарника: модель получает знания через RAG, действия через MCP и рабочий процесс через Skills.
Оглавление
- • Intro: боль QA-рутины и обещание доклада
- • LLM за 5 минут: токены, контекст, температура, system prompt
- • Обзор рынка моделей: закрытые API, открытые веса, корпоративный доступ
- • RAG: как дать модели актуальные знания из документации
- • MCP: как дать модели инструменты и контролируемые действия
- • Skills, subagents и hooks: как задать процесс работы агента
- • Демо: один промпт, Confluence, Qdrant, TestOps и Postgres
- • Настройка: IDE, Docker, MCP-серверы, Qdrant и SSL под корп-VPN
- • Свёртка: LLM, RAG, MCP, Skills и финальный квиз
Просмотр доклада
Просмотр: HTML
Мемы из доклада
Все мемы по этому докладуLLM без контекста vs RAG + MCP + Skills
из доклада: Нейросети, MCP и RAG в работе QA
Когда LLM ответила уверенно, но QA всё равно проверяет
из доклада: Нейросети, MCP и RAG в работе QA
MCP: когда модель перестала советовать и начала действовать
из доклада: Нейросети, MCP и RAG в работе QA
Когда у LLM есть Skills, QA сразу видит разницу
из доклада: Нейросети, MCP и RAG в работе QA
MCP за 5 минут, пока контейнер не встретил корп-VPN
из доклада: Нейросети, MCP и RAG в работе QA