Управление контекстом при растущей кодовой базе автотестов с помощью ИИ

Целевая аудитория: 

— автотестировщики;

— нагрузочные тестировщики;

— программисты.

Технологический стек: 

— Python, Rust;

— Git;

— HelixDB;

— Helixir-memory framework;

— Mem0 framework;

— Cursor IDE.

Проблема: сейчас все больше автотестов генерится с помощью ИИ — это дает увеличение скорости разработки. Но при росте кодовой базы возникает проблема — ИИ не может «прожевать» большой проект с множеством тестов. «Забывает», что делал, создает дубли модулей и кода. 

Для решения этой проблемы есть решения, которые могут помочь управлять большой кодовой базой, не давая ИИ забыть то, над чем вы работаете, помогая сохранять не только контекст, но и причины его возникновения. 

Я собираюсь рассмотреть различные форматы хранения контекста таких проектов: md -файлы, task/issues, фреймворки памяти.