Привет, Хабр!

В этой статье я хочу рассказать о своем пет-проекте, который вырос в итоге в CRM-систему для прокатного бизнеса - Впрокате ПРО. Это история не просто "очередного стартапа". Для меня, как для человека, нацеленного на карьеру в QA Automation, этот проект стал (а в чем-то еще станет в ближайшем будущем) идеальным объектом для исследования: от применения Generative AI в разработке до построения сложной системы, которую теперь предстоит покрывать автотестами на Python.

Зачем рынку еще одна CRM?

Прокатный бизнес (лыжи, инструменты, декор, одежда) часто живет в Excel или на бумаге. Текущие решения либо слишком тяжелые, либо не учитывают специфику: например, гибридную оплату (нал + карта в одном чеке) или изменение стоимости при изменении тарифа "на лету". Кроме того, была возможность тестировать программу "на бою", так почему бы этим не воспользоваться? :)

Я решил сделать решение на стеке React + Node.js + PostgreSQL, которое будет быстрым, облачным и дружелюбным к мобильным устройствам. Кроме того, учитывая, что сейчас частенько наблюдаются проблемы с качеством интернета, мое решение должно было предусмотреть и внезапную потерю связи и при этом обеспечить возможностью продолжать работать прокатную точку.

AI как Co-pilot: ускорение без потери контроля.

Один из частых вопросов: "Зачем писать самому, если есть AI?". Отчасти я с этим согласен, в эпоху стремительного развития искусственного интеллекта довольно глупо отказываться от его помощи. Я использовал ИИ как высококвалифицированного ассистента.

Как это работало на практике:

1. Проектирование логики: Сложные узлы, такие как расчет стоимости доплаты за просрочку, расчет праздничных коэффициентов, редактирование активного заказа с пересчетом стоимости "на лету", я описывал концептуально, а ИИ помогал генерировать базовый код функций.

2. Интеграция: Работа с API ЮKassa или мессенджером требует много рутинного описания интерфейсов. Делегирование этих процессов ИИ сэкономило до 40 % времени (может и больше по факту).

3. Контроль: Важно понимать, что я не просто "копипастил". Моя роль заключалась в архитектурном надзоре и тщательном код-ревью, а также проверкой внедренного функционала "на бою". ИИ отлично справляется с генерацией алгоритма, но только человек может вписать его в контекст существующей бизнес-логики.

Такой подход позволил мне, как single разработчику, реализовать Enterprise - функционал за короткий срок. При этом, если в коде встречаются специфические оптимизации, предложенные нейросетью, я рассматриваю их как повод для глубокого рефакторинга и обучения.

Технические фишки и "QA-боли".
Для меня, как для автоматизатора это приложение - настоящая "золотая жила". В системе реализованы:

• Сложные финансовые транзакции: proration (пропорциональный расчет) при смене тарифа в середине периода

• Строгая логика открытия/закрытия рабочих смен сотрудникам

• Интеграция с RAG: чат-бот поддержки (пока хромой, но если ответить не сможет - создаст заявку, которая прилетит уже непосредственно ко мне)

Планы на будущее: Python QA Automation

Сейчас проект находится в стадии продакшена, и следующая большая цель - превратить его в эталон стабильности. Я начинаю разработку комплексного фреймворка на Python.

Почему Python, помимо того, что он просто мне нравится?

Это стандарт в индустрии автоматизации. Мой план покрытия включает:

• API Testing (Pytest + Requests): проверка всех эндпоинтов, от авторизации до обработки вебхуков платежных систем

• UI Automation (Playwright): сквозные сценарии (E2E), такие как "Создание клиента -> Оформление договора -> Возврат -> Формирование отчета"

• Contract Testing: валидация корректности обмена данными между фронтендом и бэкендом.

Этот проект стал для меня доказательством того, что современный инженер - это не тот, кто помнит все библиотеки наизусть, а тот, кто умеет оркестрировать современные инструменты (включая AI) для создания надежного продукта и выстраивания процессов контроля качества вокруг него.

Всем добра!