Q-Ace AI - עוזר בינה מלאכותית להבטחת איכות

ה-Q-Ace AI הוא סט כלים עוצמתי מבוסס בינה מלאכותית, שנועד לייעל את תהליכי העבודה ב-QA ולשפר את יעילות הבדיקות. המערכת נבנתה באמצעות Python ו-Streamlit, ומשתמשת במודל ה-LLM Gemini של גוגל כדי להפולה משימות QA סיזיפיות לאוטומטיות, לספק תובנות מובנות ולשפר את התקשורת בין צוותי הפיתוח.

🚀 תכונות עיקריות (מודולי AI)

🐞 מודול Bug Polisher (ליטוש באגים)

הפוך הערות מבולגנות ותיאורי באגים גולמיים לדיווחים מקצועיים, מובנים ומוכנים ל-JIRA. המערכת מזהה שלבי שחזור, תוצאות צפויות מול תוצאות בפועל וחומרה.

📊 מודול Test Analyzer (מנתח בדיקות)

נתח לוגים ותבניות בדיקה באמצעות גרפים ויזואליים. העלה דוחות בדיקה בפורמטים שונים וקבל תובנות מבוססות AI ודפוסי כשל חוזרים באופן מיידי.

📝 מודול Test Summary (סיכום בדיקות)

צור סיכומים ניהוליים מנתוני הרצת בדיקות גולמיים. הפק דוחות תמציתיים הכוללים מטריקות מפתח ובעיות עיקריות, מושלם עבור בעלי עניין.

🔌 מודול API Designer (מעצב API)

צור בדיקות Postman ותיעוד ישירות ממפרטי OpenAPI/Swagger. הבן בקלות את מבנה ה-API וייצר תרחישי בדיקה רלוונטיים.

🧠 מודול Logic Auditor (ביקורת לוגית)

בצע בדיקות תקינות לעקביות הדרישות. וודא שדרישות הפרויקט שלך לוגיות, עקביות וללא סתירות פנימיות.

🏆 מודול STR Master (ניהול תוצאות בדיקה)

ריכוז תוצאות בדיקות תוכנה (Software Test Results). אגד ונהל תוצאות בדיקה ממקורות מרובים לתצוגה מאוחדת אחת לקבלת החלטות טובה יותר.

🎲 מודול Data Generator (מחולל נתונים)

ייצר נתוני בדיקה סינתטיים למקרי קצה. צור נתונים איכותיים ורלוונטיים עבור תרחישי בדיקה מורכבים ומקרי קצה ייחודיים.

👁️ מודול UI Inspector (מפקח ממשק משתמש)

ניתוח ממשק משתמש מבוסס AI Vision. השתמש בראייה ממוחשבת מתקדמת כדי לנתח ממשקי משתמש, לזהות באגים ויזואליים ולהבטיח עקביות עיצובית.

🛠 ️ טכנולוגיות

• מודול צד לקוח: Streamlit (עם אינטגרציה של TailwindCSS)
• מודול צד שרת: FastAPI, Python
• ספק המודלים: Google Gemini AI (Vertex AI/Generative AI)
• מסד הנתונים: SQLAlchemy (SQLite)
• עיבוד קבצים: PyMuPDF (PDF), Pillow (Images), Pydantic (Data Validation)

📋 התקנה והגדרה

1. שיבוט המאגר (Clone):

   git clone https://github.com/your-repo/q-ace-ai.git
   cd q-ace-ai

2. הרצת סקריפטי התקנה:

   • Windows: לחץ פעמיים על install_windows.bat או הרץ:

     .\install_windows.bat

   • Mac/Linux:

     chmod +x install_mac_linux.sh
     ./install_mac_linux.sh

3. הגדרות סביבה: צור קובץ .env בתיקיית השורש והוסף את מפתח ה-API של Google Gemini:

   GOOGLE_API_KEY=your_api_key_here

4. הרצת האפליקציה:

   • Windows: לחץ פעמיים על run_windows.bat או הרץ:

     .\run_windows.bat

   • Mac/Linux:

     ./run_mac_linux.sh

📂 מבנה הפרויקט

• app.py: נקודת הכניסה הראשית לאפליקציית Streamlit.
• app/: לוגיקת הליבה של האפליקציה ושרת ה-FastAPI.
• utils/: מודולי עזר לאינטראקציה עם Gemini, ניתוח OpenAPI וייצוא נתונים.
• static/: נכסים סטטיים (תמונות, CSS).
• templates/: תבניות (Templates) עבור ה-AI.
• requirements.txt: תלויות Python.

🤝 תרומה לפרויקט

תרומות לפרויקט יתקבלו בברכה! מוזמנים להגיש Pull Request.

נבנה ב-❤️ על ידי עתיד האוטומציה