1. Bối cảnh - Team 5‑7 lập trình viên thường xuyên phát hành tính năng mới mỗi sprint 2 tuần. - Việc viết test case thủ công tốn 30‑40% thời gian sprint, dễ bỏ sót trường hợp biên. - Không có QA chuyên trách, developer tự kiểm thử. 2. Quy trình AI 4 bước - Bước 1: Thu thập yêu cầu. Dùng công cụ ghi chú 회의 (Notion/Obsidian) xuất file markdown chứa user story, acceptance criteria. - Bước 2: Prompt engineering. Tạo prompt chuẩn: "Dựa trên user story sau, hãy sinh bộ test case bao gồm happy path, edge case, negative case, dữ liệu đầu vào và kết quả kỳ vọng. Định dạng bảng markdown." - Bước 3: Gọi mô hình LLM (GPT‑4o, Claude 3.5) qua API hoặc giao diện chat. Lưu kết quả vào repo test‑cases/feature‑xyz.md. - Bước 4: Tích hợp CI. Script Python đọc file markdown, chuyển sang format pytest, chạy tự động mỗi khi push. Nếu test fail, bot Slack gửi cảnh báo kèm link file test case để dev review. 3. Công cụ & chi phí - LLM API: ~0.02 USD / 1k token, trung bình 0.15 USD / feature. - GitHub Actions miễn phí cho private repo < 2k phút/tháng. - Slack webhook miễn phí. 4. Kết quả thực tế (sau 3 sprint) - Thời gian viết test case giảm từ 8h → 1.5h / feature. - Độ phủ code (coverage) tăng từ 62% → 88%. - Số bug production giảm 45%. - Team cảm thấy tự tin refactor vì có bộ test hồi quy tự động. 5. Lời khuyên áp dụng ngay - Chuẩn hóa template user story trước khi cho AI sinh test case. - Giữ phiên bản prompt trong repo để dễ rollback và review. - Chạy test case AI song song với test hand‑written ít nhất 2 sprint đầu để so sánh chất lượng. - Đặt quy tắc: mọi PR phải có ít nhất một file test case sinh bởi AI hoặc hand‑written trước khi merge. - Đầu tư thời gian 30 phút/tuần để tinh chỉnh prompt theo đặc thù domain (finance, e‑commerce, IoT…).