Year: 2026
Type: dissertation
Abstract: Táto diplomová práca navrhuje službu založenú na umelej inteligencii pre zlepšenie interpretácie výsledkov v systéme Testing Farm. Jej cieľom je znížiť manuálne úsilie potrebné na pochopenie zlyhaní testov pomocou stručných, ľudsky čitateľných zhrnutí vytvorených z metadát požiadaviek, štruktúrovaných výsledkov, logov a externého prevádzkového kontextu. Jadrom riešenia je hierarchický agentný workflow implementovaný v jazyku Python pomocou BeeAI Frameworku a Vertex AI, ktorý oddeľuje analýzu na úrovni požiadavky, testovacej sady, testu a súvisiacich výpadkov. Dôraz sa kladie najmä na infraštruktúrne a prípravné zlyhania, ktoré sú zo samotných artefaktov ťažko interpretovateľné a môžu byť korelované so stavovými stránkami Testing Farm alebo záznamami v systéme Jira. Služba sa integruje do ekosystému Testing Farm prostredníctvom obohatených sprievodných artefaktov a zobrazuje zhrnutia vo webovom rozhraní Oculus. Implementovaný prototyp je vyhodnotený na reálnych dátach Testing Farm z hľadiska presnosti, užitočnosti a výkonnosti a jeho praktický potenciál je potvrdený nasadením ako produkčný prototyp pre ďalší vývoj.
Author: Bubáková, Natália
Language: English
Subfield: Software
Field: Computer Science
Domain: Physical Sciences
Open Access status: green
OpenAlex ID: W7166492500