Разработать: AI-тестировщик веб-интерфейса: агент управляет Chrome и пишет баг-репорты

Бюджет: 120 USD Срок: 7 дней

😀 Здравствуйте!
Имею опыт разработки AI-агентов и скриптов автоматизации на Python с использованием Playwright и интеграцией API OpenAI/Claude.

🛠 Как сделаю:
1. Настрою автономное управление Chrome через Playwright (авторизация, прохождение сценариев, фиксация ошибок в консоли и упавших сетевых запросов).
2. Подключу LLM (OpenAI/Claude API) для проверки результатов на каждом шаге и анализа визуальных/логических отклонений.
3. Реализую авто-сборку структурированных баг-репортов со скриншотами, severity и шагами воспроизведения в удобный формат (Markdown/Notion/Google Docs).

🎥 Портфолио: Freelancehunt

Давайте обсудим детали в чате, готов приступить к работе! Развернуть

Бюджет: 125 USD Срок: 5 дней

Здравствуйте. Соберу AI-агента на Python + Playwright / Selenium с подгрузкой контекста через LLM API (OpenAI / Claude) для анализа DOM и скриншотов.

Прохождение сценариев с авторизацией, перехватом 4xx/5xx ответов и логов консоли (page.on('console'), page.on('response')).

Автоматическое сравнение DOM-дерева и визуального лейаута с ожидаемым поведением.

Генерация структурного репорта: воспроизведение step-by-step, скриншот упавшего шага, severity и логи. Экспорт в Notion / Markdown / Jira через API.

Запуск по cron, по вебу (FastAPI) или через Webhook при деплое (CI/CD pipeline).

Дайте текстовое описание 1–2 типовых сценариев — скажу точно по архитектуре и срокам. Развернуть

Бюджет: 120 USD Срок: 7 дней

Готов начать сразу. В первый день покажу каркас Playwright-раннера и демонстрационный прогон в Chrome. За 7 дней сделаю рабочего AI-агента: нормализация текстовых сценариев, проверка UI и данных, сбор console/network ошибок, скриншоты, trace и структурированный баг-репорт. Запуск настрою вручную, по расписанию или после деплоя. Подскажите, какой канал отчета выбираете и сколько стартовых сценариев будет и в каком формате?

Бюджет: 120 USD Срок: 7 дней

Добрый день, более 5 лет в разработке, много работал с AI-автоматизациями и интеграциями OpenAI API.

Реализую агента для Chrome: прохождение сценариев, логин в тестовый аккаунт, проверка элементов, оформление баг-репортов со скриншотами и severity (сохранять в нужном формате - Google Docs, Notion, Jira или Markdown).

Рабочую версию сделаю до недели. Точную стоимость подскажу после нескольких уточнений или в личных.

Какой нужен формат для баг-репортов - Google Docs, Jira или другой?

Жду сообщения в личных!

Бюджет: 650 USD Срок: 7 дней

Смотрите, тут нюанс - полноценный AI-тестировщик с Chrome, логином, проверкой консоли, сети, скриншотами, трейсами и отчётами в Jira или Notion обычно не укладывается в 125 USD. Но можно не усложнять - я бы предложил начать с короткого этапа на 7 дней и собрать рабочий прототип.

На первом этапе сделаем агента, который запускает Chrome, проходит 2-3 сценария, собирает ошибки консоли и сети, делает скриншоты, сохраняет шаги воспроизведения и формирует баг-репорт в Markdown или Jira. После этого будет понятно, где нужен AI, а где надёжнее обычная детерминированная проверка через Playwright.

Вопросы для оценки точнее
> сколько сценариев планируется на старте
> куда удобнее писать отчёт - Jira, Notion, Google Docs или Markdown в репозитории
> тестовый стенд уже есть и можно ли дать отдельный аккаунт без боевых данных

Похожие кейсы Ingello
> https://business.ingello.com/vorfahr - AI и автоматизация сложного рабочего процесса
> https://business.ingello.com/fractal - агентная архитектура и управляемые сценарии
> https://systems-fl.ingello.com - основной профиль Ingello Systems для проектов с архитектурой, автоматизацией и корпоративной разработкой

Если цель - не игрушечный скрипт, а инструмент, который команда сможет гонять каждый день на стейдже, лучше начинать с прототипа и потом расширять сценарии. Семь раз отмерь - один раз автоматизируй =) Развернуть

Бюджет: 125 USD Срок: 7 дней

Здравствуйте, я делал похожий агент для автоматического прохождения сценариев в браузере: управление Chrome через Playwright, вход в тестовый аккаунт, проверка появления элементов, ошибок консоли и упавших сетевых запросов. Формирование баг-репортов со скриншотами, severity и шагами воспроизведения тоже было частью этого проекта.

Если сценарии пишутся живым языком, стоит сразу добавить LLM-парсер, который преобразует их в четкие шаги, это убирает ручное переписывание ТЗ и экономит примерно 30% времени на поддержку.

Сколько сценариев на старте и куда складываем отчеты: Jira, Notion или Markdown в репозитории? И как планируете запуск, вручную кнопкой или на каждый деплой стейджа?

Предлагаю связаться, заодно накидаю схему решения под ваши сценарии и формат баг-репорта с видео прогона.

Бюджет: 120 USD Срок: 3 дня

Привет! Готов начать сегодня.

Отвечаю на ваш вопрос о GitHub: писать агента с нуля в 2026 году — это пустая трата вашего бюджета.

Для такой задачи лучше всего взять за основу современные open-source фреймворки browser-use или Stagehand в связке с Playwright. Они уже умеют управлять Chrome через LLM, понимают сценарии на обычном человеческом языке (без hardcoded-селекторов) и не ломаются, если на сайте немного изменился дизайн.
Как я реализую ваши 4 пункта за 4 дня (в рамках $125):
Запуск и интеграция: Сделаю CLI-команду для ручного запуска + готовый GitHub Action / Webhook, который автоматически будет запускать прогон после деплоя стейджа или по cron-расписанию.

Прохождение сценариев: Агент авторизуется (настроим обход капчи/2FA для тест-энва, если нужно) и читает сценарии текстом. LLM сама интерпретирует, куда кликать и что заполнять.

Контроль качества (самое важное):
Playwright перехватывает консольные ошибки (page.on('console')) и 4xx/5xx сетевые запросы.

Claude 3.5 Sonnet / GPT-4o (Vision) проверяет скриншот на каждом шаге: появился ли элемент и не сдвинулась ли верстка (классические селекторы этого не видят, а Vision-модель замечает мгновенно).

Playwright перехватывает консольные ошибки (page.on('console')) и 4xx/5xx сетевые запросы.

Claude 3.5 Sonnet / GPT-4o (Vision) проверяет скриншот на каждом шаге: появился ли элемент и не сдвинулась ли верстка (классические селекторы этого не видят, а Vision-модель замечает мгновенно).

Баг-репорты: После прогона генерируется структурированный отчет (для старта наиболее удобно сделать Markdown прямо в репозитории или интеграцию с Notion API): шаги воспроизведения, Ожидаемо / Фактически, Severity, скриншот ошибки и ссылка на Playwright Trace (можно воспроизвести по секундам). Развернуть

Бюджет: 125 USD Срок: 5 дней

Катерина, предлагаю начать не с универсальной системы на неопределённое число сценариев, а с проверяемого MVP, который затем можно безопасно расширять.

На первом этапе соберу раннер на Playwright для Chrome: авторизация тестовым аккаунтом, выполнение трёх согласованных сценариев, проверки элементов и данных, сбор ошибок консоли и неуспешных сетевых запросов. При дефекте сохраняются скриншот и trace, а в репозитории формируется структурированный Markdown-отчёт. Человекочитаемые сценарии будут преобразовываться в понятные шаги, но критичные проверки останутся детерминированными, чтобы результат не зависел от случайных решений агента.

Готовность этапа: запуск одной командой или из CI, три рабочих сценария с результатами pass/fail, баг-репорт со шагами, expected/actual, severity и доказательствами, README по настройке тестового аккаунта и добавлению новых сценариев. Интеграцию с Jira/Notion и расширение количества сценариев оценим отдельно после демонстрации MVP.

Стоимость первого этапа — 125 USD через Сейф, срок — 5 дней после получения тестового стенда и сценариев.

Какие три сценария берём в MVP и есть ли в тестовой авторизации CAPTCHA, 2FA или SSO?

Бюджет: 125 USD Срок: 12 дней

Добрый день!
Вижу задачу: AI-агент, который сам проходит сценарии в Chrome, ловит расхождения (упавшие запросы, ошибки в консоли, сломанную вёрстку) и оформляет баг-репорты со скриншотами, severity и трейсом прогона.

Это как раз мой профиль - Python + автоматизация браузера + интеграция LLM. По готовым репо: полностью «из коробки» такого нет, но фундамент реально собрать на связке Playwright (управление Chrome, трейсы, видео, перехват сетевых запросов и консоли) + LLM-слой, который парсит человекочитаемые сценарии и решает, что кликать и что проверять. Это быстрее и надёжнее, чем писать с нуля.

Уточню 2 момента:
1) Куда оформляем баг-репорты в первой версии - начнём с одного канала (Markdown в репо или Notion), а остальное добавим позже, или сразу нужен Jira с API?
2) Сколько сценариев на старте (N) и есть ли на тестовом стенде что-то нестандартное для логина - 2FA, капча, SSO?

Сделаю так:
1) Ядро на Playwright: запуск Chrome, логин, прохождение сценариев из текстового списка, сбор консоли/сети/скриншотов/видео и trace
2) LLM-слой: интерпретация сценариев на человеческом языке + анализ расхождений (ожидаемое vs фактическое, определение severity)
3) Генератор отчёта в выбранный канал + настройка запуска (кнопка / cron раз в сутки / хук на деплой стейджа)

Есть релевантный проект в портфолио: SaaS AI-аналитика - FastAPI + PostgreSQL с обработкой данных через AI, плюс отдельный опыт с автоматизацией и ботами.

Предлагаю разбить на этапы: сначала MVP (1 канал отчётов + базовые сценарии), потом расширение. Ориентир по MVP: от 18 000 грн / 12–18 дней — точнее после ответа на вопросы.

—
Денис Иванченко · Python-разработчик, AI-интеграции Развернуть

Бюджет: 120 USD Срок: 7 дней

Здравствуйте, Катерина! Ознакомился с вашим техническим заданием по разработке AI-агента для тестирования веб-интерфейсов. Готов реализовать эту систему на Python качественно, стабильно и под ключ. Я разработчик, специализируюсь на асинхронной автоматизации браузеров, парсинге и интеграции ИИ-моделей (стек: Python, asyncio, Playwright / Selenium, OpenAI / Gemini API). Реализую вашего AI-тестировщика по следующему четкому техническому плану: Запуск и Инфраструктура: Создам гибкий скрипт, который можно запускать как вручную одной командой, так и интегрировать по расписанию (cron на Linux VPS) или триггером после деплоя стадии. Управление браузером (Playwright): Использую Playwright для стабильного управления Chrome в асинхронном режиме. Скрипт будет безопасно авторизовываться в тестовых аккаунтах, обрабатывать динамический контент и переходить по страницам. Логика ИИ-агента (Vision API): Для распознавания сценариев «на человеческом языке» подключу мультимодальное API. На каждом шаге скрипт будет делать скриншот, передавать его модели вместе с текущей задачей из списка и получать четкие инструкции для следующего действия или фиксации отклонений. Генерация баг-репортов: Если ИИ обнаруживает баг (отсутствие элемента, ошибка 500, сдвиг верстки), скрипт автоматически собирает лог ошибки, прикрепляет скриншот экрана и формирует структурированный отчет в формате Markdown/Notion или шлет уведомление через Google Docs API. В конце цена будет ниже, чем указанная, потому что пока работаю на отзыв, рейтинг.

Бюджет: 125 USD Срок: 3 дня

есть много агентов например jimmytoan/qa-agent

можно взять одного и допилить его под ваше ТЗ.

Бюджет: 125 USD Срок: 7 дней

Доброго дня, Kateryna!

Разработка AI-агента для тестирования веб-интерфейсов - это сложная задача, требующая глубокого понимания как технологий, так и пользовательских сценариев. У меня есть опыт в создании автоматизированных решений, которые эффективно выполняют подобные задачи.

Понимаю, что вам нужен агент, который сможет пройти сценарии, проверить их корректность и оформить баг-репорты. Это позволит значительно сократить время на тестирование и повысить качество продукта.

Для начала, необходимо уточнить детали:
1. Какой функционал вы хотите реализовать в агенте?
2. Какие сценарии планируете протестировать и в каком формате они будут предоставлены?
3. Каковы ваши предпочтения по инструментам для отчетности (Google Docs, Notion, Jira)?

После получения этой информации, смогу предложить конкретный план действий и оценку сроков.

Предварительная стоимость разработки может составить от 1000$ в зависимости от сложности проекта и времени, необходимого для реализации.

В моем профиле есть примеры работ, которые могут продемонстрировать мой опыт в разработке автоматизированных решений: Oleg Kostylev - Freelancehunt.

Давайте обсудим детали вашего проекта в личных сообщениях, чтобы я мог лучше понять ваши требования и предложить эффективное решение. Развернуть

Бюджет: 125 USD Срок: 3 дня

По поводу готовых репо: смысл есть взять за основу связку Playwright с LLM-агентом, а не писать раннер с нуля.

Сделаю агента: логин, прохождение сценариев по шагам с проверкой элементов, ошибок консоли, упавших запросов и вёрстки. По итогам, отчёт с шагами воспроизведения, ожидаемым и фактическим поведением, скриншотом и severity.

Уточните, куда нужен отчёт: Markdown в репо, Jira или Notion, и сколько сценариев на старте. Срок около 3 дней.