AI4 Test Automation — Zbuduj własny zespół agentów AI

Rynek się zmienił

Firmy coraz częściej wybierają mida z AI zamiast seniora. Liczy się tempo i koszt dowożenia.

Jeszcze niedawno liczyło się doświadczenie. Dziś liczy się to, jak dobrze wykorzystujesz AI. I prawda jest prosta:

👉 Mid tester z AI często dowozi więcej niż senior bez AI — i firmy to już wiedzą.

😤

Bez AI

Piszesz testy ręcznie, gubisz kontekst, tracisz czas na refactor. Masz wrażenie, że zawsze jest za mało godzin w dniu.

🚀

Z systemem agentów AI

Jeden agent pisze testy, drugi robi refactor, trzeci planuje, czwarty robi code review. Ty nadzorując pracujesz jak tech lead.

Filozofia kursu

Nie jeden super-agent. Cały zespół AI.

Większość osób próbuje zbudować jednego „magicznego” agenta. To nie działa — tak samo jak w firmie nie masz jednego superbohatera. Masz specjalistów!

Firma ma strukturę

Dyrektor, eksperci, osoby techniczne, wykonawcy — każdy odpowiada za swój obszar.

Twój system AI też

Każdy agent ma rolę, model, ograniczenia i zadanie. Działa jak dobrze zorganizowany zespół.

Efekt: więcej, szybciej

Optymalny koszt, maksymalna wydajność. Dokładnie tak, jak w dobrze zarządzanej firmie.

Agent Pisania

Generuje testy UI i API

Agent Refactor

Page Objects, fixtures, komponenty

Agent Planowania

Planuje testy z dokumentacji API

Agent Code Review

Weryfikuje kod przed deployem

GitHub Copilot — subagenci w akcji Sub-agenci AI w VS Code — przykład pracy złożonego workflow

👆 Tak wygląda praca z subagentami w praktyce — każdy ma swoje zadanie, razem tworzą spójny workflow.

GitHub Copilot — subagenci, efekt końcowy Sub-agenci AI w VS Code — podsumowanie wyników workflow

👆 Efekt końcowy działania subagentów — gotowe wyniki po przejściu całego workflow.

Agent jako senior w zespole

Dobrze przygotowany agent podejmuje decyzje, nie tylko wykonuje polecenia

Zamiast ślepo generować kod, Twój agent najpierw analizuje projekt. Jeśli brakuje warstwy API, testów czy modeli — zablokuje pisanie nowych testów i zaproponuje wypełnić te luki. Dokładnie tak, jak zrobiłby to senior w zespole.

✓ Analizuje strukturę projektu i pokrycie tematów
✓ Zablokuje pisanie testów, jeśli brakuje warunków wstępnych
✓ Zaproponuje kroki potrzebne do ukończenia zadania
✓ Staje na straży jakości — nie akceptuje „dobre na razie”

Agent Blocker · walidacja pokrycia i gotowości Agent odmawia generowania testów E2E ze względu na brakujące warstwy API, testy i modele

GitHub Copilot — 12 agentów gotowych do użycia 12 gotowych agentów AI do testów UI, API i E2E — pliki .agent.md z kursu

👆 3 zestawy × 4 role — nie musisz ich tworzyć od zera. Dostajesz gotowe pliki .agent.md z repozytorium kursu — skopiuj, wklej, używaj.

VS Code z agentami AI — Copilot, Codex, Claude Code w akcji

Stack technologiczny

VS Code + Playwright + TypeScript. Ale to nie jest ograniczenie.

W kursie pracujemy na konkretnym stacku — bo tak najłatwiej pokazać realne przykłady. Ale to, czego się nauczysz, to mechanika działania agentów AI — sposób myślenia, który możesz przenieść dosłownie wszędzie.

⚙️

Kurs używa: VS Code · Playwright · TypeScript · Copilot · Codex · Claude Code

Gotowy setup, konkretny projekt, działający kod od pierwszej lekcji.

🔄

Zasady działają wszędzie

Cursor, JetBrains, Python, Java, Selenium — te same wzorce agentów przeniesiesz na swój stack w 5 minut.

💡

Uczysz się myśleć agentowo

To rzadka umiejętność niezależna od narzędzia — i właśnie to wyróżnia Cię na rynku.

Dlaczego ten kurs wygląda inaczej

AI zmienia się szybko. Musisz znać więcej niż jedno narzędzie.

Dlatego w tym kursie nie skupiam się na jednym narzędziu — uczę Cię, jak płynnie przełączać się między agentami i dostawcami modeli w zależności od sytuacji, kosztu i dostępności. Jeśli jedno narzędzie pada, masz gotową alternatywę.

🤖

GitHub Copilot

VS Code + agenty + sub-agenty. Pokażę Ci jak to działa w praktyce.

⚡

Codex

Autonomiczny agent od OpenAI. Doskonały do dużych, równoległych zadań kodowania.

🔮

Claude Code

Agent CLI od Anthropic. Jeden z najlepszych do rozumienia kontekstu i złożonych projektów.

🔀

OpenRouter

Ujednolicone API do 300+ modeli. Wybierasz najlepszy model do zadania w najlepszej cenie.

💡

Główny cel kursu to nauczyć Cię myśleć agentowo — jak delegować zadania, projektować systemy, zarządzać kosztami i przełączać się między narzędziami. Te umiejętności działają niezależnie od tego, jakie narzędzie zdominuje rynek jutro. Właśnie to wyróżnia Cię na rynku.

Koszty AI w codziennej pracy

Agenci piszą testy za Ciebie. Ale mają swoje koszty.

Zarządzanie kosztami AI to niedoceniana, a kluczowa umiejętność. Przez OpenRouter możesz wybrać model odpowiedni do zadania — nie przepłacasz za prostą robotę, a do złożonych zadań masz dostęp do najlepszych modeli. W kursie pokażę Ci, jak robić to efektywnie.

openrouter.ai — Unified Interface For LLMs · 300+ modeli · 60+ dostawców OpenRouter — Unified Interface for LLMs, 300+ modeli

🤖 GitHub Copilot

Zintegrowany z VS Code

✓ Doskonałe UX w VS Code
✓ Inline edits, chat, agenty, sub-agenty
✓ MCP, code review

✦ Omówione w kursie

🔀 OpenRouter

300+ modeli, jedno API, pay-per-use

✓ Claude Sonnet, GPT, Gemini, Gemma…
✓ Płacisz tylko za zużyte tokeny
✓ Wybierasz model pod każde zadanie
✓ Monitoring kosztów na żywo
✓ Backup gdy jeden dostawca pada

🔮 Claude Code

Agent CLI od Anthropic

✓ Doskonały przy złożonym kontekście
✓ Działa w terminalu autonomicznie
✓ Łatwo się przełączyć z Copilota

📊 Przykładowy raport kosztów z OpenRouter OpenRouter — podział kosztów wg modeli: Claude Sonnet, Qwen, Kimi

💰

Do prostego generowania testów możesz użyć taniego modelu za grosze. Do złożonego code review wybierasz najlepszy dostępny model. Taki system pozwala oszczędzić 60–80% kosztów bez utraty jakości. W kursie nauczysz się, jak dobierać modele efektywnie do każdego rodzaju zadania.

Moduł Farma Modeli

Wydałem własne pieniądze na 10 modeli LLM. Żebyś Ty nie musiał.

Każdy mówi „mój model jest najlepszy”. Nikt nie pokazuje rachunków. Więc sam je wystawiłem — wszystkim dziesięciu: GPT-5.3-Codex, Claude Sonnet 5 i 8 innych modeli (Qwen, Kimi, GLM, MiniMax, DeepSeek i inne) — te same zadania (planowanie testów, testy UI, testy API, refactor, code review), w tych samych warunkach, z policzonym co do centa kosztem.

📋 Fragment rankingu (pełny w kursie)

Model	Koszt pełnego cyklu
📍 GPT-5.3-Codex · OpenAI · model referencyjny	2,03 $
📍 Claude Sonnet 5 · Anthropic · model referencyjny	4,58 $
🥉 Model X · Dostawca X	3,33 $
4. Model Y · Dostawca Y	1,30 $
5. Model Z · Dostawca Z	1,87 $
… pozostałe 5 modeli	od 0,13 $

50× taniej

Wynik? To samo zadanie jeden model wykonał za 0,06 $, a inny za 3,30 $. Różnica jakości? Zaskakująco mała.

Moduł 5 · Farma Modeli

100+ lekcji o budowaniu własnej farmy modeli

Pokazuję, jak zbudować własny zestaw modeli do różnych zadań, gdzie wyszukiwać modele do kodowania i jak je dobierać, żeby nie przepłacać. Każdy z 10 modeli przechodzi ten sam cykl testowy: setup projektu, plan testu, napisanie testu (UI i API), refactor, code review — a na końcu porównanie kosztów.

✓ 10 modeli płatnych i darmowych porównanych 1:1
✓ Ten sam projekt, te same zadania, te same warunki
✓ Pełny ranking kosztów i jakości — bez marketingowego lania wody

Bonus kursowy · Moduł 6

Ollama & LM Studio. Twoje własne AI — prywatnie, za darmo.

W kursie pokażę Ci, jak zainstalować i uruchomić lokalne modele LLM (gpt-oss, Qwen3, Kimi, DeepSeek i inne) bezpośrednio na swoim komputerze — bez opłat za API, bez wysyłania kodu na zewnętrzne serwery. Następnie podłączymy je do VS Code, żebyś mógł korzystać z nich jak z każdego innego agenta AI.

Ollama

Najprostszy sposób na uruchomienie lokalnych modeli. Jedno polecenie i masz działającego gpt-oss, Qwen3, Kimi, DeepSeek czy Gemma na swoim komputerze.

LM Studio

Graficzny interfejs do zarządzania lokalnymi modelami. Pobierasz model, uruchamiasz lokalny serwer i masz API kompatybilne z OpenAI — gotowe do użycia w VS Code.

ollama list Ollama list — zainstalowane lokalne modele LLM

Modele dostępne lokalnie: gpt-oss:20b, Kimi K2, Qwen3, Qwen2.5-coder

VS Code Language Models — Ollama i OpenRouter w jednym miejscu

Lokalne modele Ollama dostępne bezpośrednio w VS Code — obok Copilota i OpenRoutera.

🔒Pełna prywatność

Kod zostaje na Twoim komputerze. Zero danych wysyłanych do chmury.

💸Zero kosztów API

Uruchamiasz model lokalnie i używasz go bez limitu.

🔌Backup gdy API pada

Lokalny model działa zawsze — bez internetu.

🧩Integracja z VS Code

Używasz lokalnych modeli tymi samymi narzędziami co chmurowe.

Dla kogo?

Ten kurs nie jest dla każdego.

✔ Jest dla Ciebie, jeśli:

✔ Jesteś mid-testerem automatyzującym
✔ Masz doświadczenie w Playwright / API / TypeScript — lub innych frameworkach do automatyzacji
✔ Jesteś zawalony robotą i nie masz czasu śledzić nowinek związanych z AI
✔ Czujesz, że AI jest ważne, ale nie wiesz, od czego zacząć
✔ Gubisz się w wyborze modeli i narzędzi
✔ Frustruje Cię, że modele halucynują i nie zawsze dają dobre wyniki
✔ Chcesz dostać gotowe rozwiązania zamiast tracić czas na eksperymenty
✔ Chcesz pracować szybciej i mądrzej — bez zwiększania wysiłku
✔ Chcesz być bardziej produktywny i wartościowy w zespole

✗ Nie jest dla Ciebie, jeśli:

✗ Dopiero zaczynasz jako junior tester
✗ Nie masz doświadczenia w automatyzacji (Playwright / API / TypeScript)
✗ Budujesz już własne agenty AI i używasz ich w codziennej pracy

Ukryta przewaga

Robisz więcej → szybciej → lepiej. A to ma cenę.

Efekt tego kursu jest prosty: jesteś bardziej wartościowy. I to przekłada się na konkretne liczby na koncie.

📈Więcej dowiezionych tasków

Twój output rośnie. Menedżer to widzi. Zespół to czuje.

💰Łatwiejsze podwyżki i zmiany pracy

Masz coś konkretnego do pokazania. Nie certyfikat — system pracy.

⏰Odzyskujesz czas

Najtrudniejsze do zmierzenia. Najlepsze do poczucia.

Zajrzyj do środka

Prawdziwe lekcje z kursu. Zanim zdecydujesz.

Dwie pełne lekcje — żebyś wiedział dokładnie, czego się spodziewać. Bez skrótów, bez demo, bez montażu.

Moduł 1 · Lekcja 19 · Subagenci — teoria i zastosowanie

2,5h materiału. Pełna lekcja z kursu, bez cięć.

Moduł 2 - Lekcja 32 - Subagenci planują, piszą, refactorują i robią code review testów API

Moduł 2 · Lekcja 32 · Subagenci robią pełen cykl testów API

Ponad 5h materiału. Planowanie, pisanie, refactor i code review — wszystko przez subagentów.

Opinie kursantów

Kursanci już przechodzą kurs i piszą opinie wprost z platformy.

Bez filtra, prosto po ukończeniu kolejnych modułów.

Twórca kursu

Nie uczę teorii. Od lat szkolę testerów automatyzujących.

Cześć, jestem Bartosz Kita 👋

Od ponad 15 lat zajmuję się testowaniem oprogramowania, a od ponad 10 lat specjalizuję się wyłącznie w automatyzacji testów.

Pracowałem zarówno przy automatyzacji frontendu (Java, Selenium, Playwright, TypeScript), jak i backendu (Postman, REST Assured, Playwright API, GitHub Actions i AI).

Od 4 lat tworzę kursy online i szkolenia dla testerów. Na platformie AkademiaQA.pl zaufało mi już prawie 3000 kursantów.

👉 Nie pokazuję teorii znalezionej na YouTube. Pokazuję workflow, którego sam używam podczas pracy z AI, Copilotem, Claude Code, Codexem i automatyzacją testów.

15+lat doświadczenia w testowaniu

3000+kursantów AkademiiQA

10+lat automatyzacji testów

2022nominacja „Ludzie Testowania”

Program kursu

To nie jest kurs „o AI”. To kurs o pracy testera z AI.

Ponad 230 lekcji podzielonych na 6 modułów. Poniżej skrót programu — pełną listę lekcji zobaczysz po zapisie.

→ Powitanie
→ Czego będziesz potrzebować
→ Kod na GitHubie
→ Certyfikat ukończenia kursu
→ Jak się ze mną komunikować

→ Początki AI i różnica między chatbotem a agentem AI
→ Co to jest model, agent i harness
→ Instalacja VS Code, przegląd Copilota, Claude Code i Codexa
→ Farma modeli i lokalne modele LLM — pierwsze spojrzenie
→ Context window, gnicie kontekstu i 4 strategie zarządzania nim
→ Sub-agenci — teoria i zastosowanie
→ Instalacja serwera Playwright MCP, uprawnienia agentów
→ Podsumowanie modułu
+ 14 kolejnych lekcji

→ Konfiguracja projektu i GitHub Copilota, agent robi setup
→ Dodanie agentów: planowania, pisania, refaktoryzacji i code review testów UI
→ Agent pisze pierwsze testy UI i test dodania nowego autora
→ Omówienie REST API projektu i agenci do testów API
→ Subagenci planują, piszą, refaktorują i robią code review testów API
→ Agent czyta screenshoty i naprawia testy
→ Agenci robią pełen cykl testów e2e
→ Podsumowania kosztów pracy agentów
+ 35 kolejnych lekcji

→ Instalacja Claude Code w terminalu, jak z nim pracować
→ Agent uruchomiony w terminalu robi setup i pisze testy UI
→ Refactor i code review testów przez agentów CLI
→ Omówienie REST API i agenci do planowania testów API
→ Subagenci planują, piszą, refaktorują i robią code review testów API
→ Agenci czytają screenshoty i poprawiają testy
→ Pełen cykl testów e2e w Claude Code
+ 35 kolejnych lekcji

→ Co to jest farma modeli i jak wybierać modele do kodowania
→ Podpięcie farmy modeli (OpenRouter) do VS Code
→ 10 modeli (GPT-5.3-Codex, Claude Sonnet 5, Qwen3.7 Max/Plus, Kimi K2.7, GLM 5.2, MiniMax M3, DeepSeek V4 Pro/Flash, MiMo-V2.5)
→ Każdy model: setup, plan testu, testy UI i API, refactor, code review
→ Podsumowania kosztów i jakości dla każdego modelu
+ ponad 90 kolejnych lekcji

→ Wprowadzenie do lokalnych modeli AI i omówienie sprzętu
→ Instalacja Ollamy, uruchomienie pierwszego i dużego modelu
→ Zmniejszenie rozmiaru modelu, wprowadzenie do LM Studio
→ Podłączenie lokalnego modelu LLM do VS Code
→ Lokalny model planuje, pisze i refaktoruje testy
+ 10 kolejnych lekcji

✅ Wszystkie moduły są już ukończone i dostępne od razu po zakupie.

Co dostajesz

Wszystko, czego potrzebujesz, żeby zacząć od razu.

🎬Materiał wideo

Konkretny, praktyczny kurs bez lania wody — tylko esencja.

🤖Gotowy framework

Pełny framework testów z agentami AI — do użycia od razu.

💬Zestaw promptów

Sprawdzone prompty do codziennej pracy testera.

🧩12 gotowych agentów

Pliki .agent.md gotowe do skopiowania do Twojego projektu.

💻Pełny kod projektu

Dostęp do repozytorium z całym kodem z kursu.

🎓Certyfikat ukończenia

Imienny certyfikat, który dodasz do CV lub LinkedIn.

Budżet szkoleniowy

Ten kurs może sfinansować Twoja firma.

Wiele firm ma budżet szkoleniowy, z którego rocznie korzysta zaledwie kilka osób. Zapytaj swojego przełożonego, czy możesz z niego skorzystać — to często najszybszy sposób, żeby podnieść kompetencje zespołu QA bez wydawania własnych pieniędzy.

✓ Szybsza automatyzacja testów dzięki agentom AI
✓ Mniej czasu na ręczne, powtarzalne testy regresyjne
✓ Realne wdrożenie AI w codzienną pracę zespołu, nie sama teoria
✓ Certyfikat ukończenia — do raportowania rozwoju kompetencji
✓ Jednorazowy koszt i dostęp dożywotni, bez powtarzalnych opłat

Dla przełożonego / działu HR

📄 Gotowa ulotka dla szefa

Przygotowałem jednostronicową ofertę, którą możesz przesłać swojemu przełożonemu — korzyści dla firmy, informacja o mnie i aktualna promocja 997 zł zamiast 1997 zł.

Zobacz ulotkę dla szefa >

FAQ

Najczęstsze pytania.

Nie. Kurs wymaga podstawowej znajomości Playwright, TypeScript i pracy z API. To kurs dla mida, który chce zacząć pracować jak senior dzięki AI. Jeśli dopiero uczysz się automatyzacji — najpierw opanuj podstawy.

Nie musisz. Kurs możesz przechodzić na darmowej wersji GitHub Copilota — rekomendowana jest jednak wersja płatna (10 USD/mies.), która daje wygodniejszy limit zapytań. W kursie pokazuję też Claude Code, Codex, OpenRouter i lokalne modele LLM — więc masz kilka działających alternatyw do wyboru.

Tak. Po zakupie otrzymujesz fakturę — napisz do mnie na bartek@akademiaqa.pl, jeśli potrzebujesz dodatkowych danych do faktury.

Wszystkie moduły są już gotowe i dostępne od razu po zakupie.

Masz 30 dni gwarancji zwrotu od startu kursu. Piszesz jedno zdanie na bartek@akademiaqa.pl i oddaję całą kwotę — bez pytań, bez tłumaczenia się.

Sam kurs nie generuje dodatkowych kosztów. Jeśli zdecydujesz się na płatne API modeli (np. przez OpenRouter), płacisz tylko za realnie zużyte tokeny — w kursie pokazuję też darmowe i lokalne alternatywy.

Zbuduj własny zespół agentów AI i pracuj jak senior (nawet jako mid)

Praktyczny kurs dla mid-testerów automatyzujących. Twoja przewaga bez względu na to, co w AI zmieni się za tydzień.