Kategorien durchsuchen
Entdecken
Fiverr Pro
Deutsch
$
USD
Ich werde Enterprise-AI-Agenten, Multi-Agent-Orchestratoren und n8n-Workflows aufbauen
Oleksii Y
Über diesen Service
Automatische Übersetzung
Multi-Agent AI Orchestrator für Jira & QA-Automatisierung
Verschwende keine Entwicklerstunden mehr für Routine-Ticket-Management, Anforderungsanalyse und Testdesign. Ich werde ein modulares, unternehmensgerechtes AI Multi-Agent System mit n8n, Ollama und Qdrant aufbauen, um deinen SDLC zu automatisieren.
So funktioniert die Architektur:
Das System nutzt ein Micro-Workflow-Design, bei dem ein zentraler "QA Orchestrator" als Router fungiert, Jira überwacht und dynamisch spezialisierte Sub-Agenten auslöst:
- Anforderungs-Agent: Bewertet User Stories, erkennt Lücken und stellt Klärungsfragen.
- Testfall-Agent: Erstellt automatisch detaillierte Testfälle (ID, Priorität, Schritte, erwartete Ergebnisse).
- Checklisten-Agent: Generiert nachvollziehbare funktionale und nicht-funktionale Verifizierungs-Checklisten.
- Bug-Enricher-Agent: Optimiert Roh-Bug-Reports für die Entwicklernutzung.
️ Produktionsmerkmale:
Context-Aware RAG: Verbunden mit Qdrant Vektor-Store, um projektspezifische Standards abzurufen.
Micro-Workflows: Sub-Agenten laufen über n8n toolWorkflow-Knoten für einfache Updates und Debugging.
100% lokale AI: Kompatibel mit Ollama (Qwen, Llama) für Firmendatensicherheit und GDPR.
Lerne Oleksii Y kennen
Oleksii Y
AI Native Quality Assurance Engineer
- AusRumänien
- Mitglied seitApr. 2026
- ⌀ Antwortzeit3 Stunden
Sprachen
Ukrainisch, Russisch, Englisch
Transforming Quality Assurance through AI-Driven Strategy & Deep Audit.
With 10+ years of experience in the QA trenches, I don't just "find bugs"—I build resilient quality ecosystems. I specialize in auditing complex software architectures and implementing AI-native workflows that accelerate testing cycles by up to 300%.
Automatische Übersetzung
FAQ
Automatische Übersetzung
Sind die Daten meines Unternehmens (Jira-Tickets, Quelldokumente) sicher? Können wir das lokal laufen lassen?
Absolut. Die Architektur ist vollständig kompatibel mit lokalen Open-Source-LLMs, die über Ollama (wie Qwen, Llama oder Mistral) und eine lokale Qdrant-Instanz laufen. Keine Daten verlassen deine Infrastruktur, was 100% GDPR-Konformität und Datensicherheit garantiert.
Warum baust du das mit mehreren Sub-Workflows statt mit einem einzigen n8n-Flow?
Ein einzelner monolithischer Flow bricht leicht und ist schwer skalierbar. Mit n8n's toolWorkflow-Knoten baue ich eine Micro-Service-Architektur. Der Haupt-QA-Orchestrator übernimmt das Routing, während spezialisierte Agenten (Testfall-Ersteller, Bug-Report-Enricher) in vollständig isolierten Workflows laufen.
Wie kennen die AI-Agenten unsere spezifischen Projektregeln und Standards?
Das System nutzt RAG (Retrieval-Augmented Generation), verbunden mit einem Qdrant Vektor-Store. Bevor ein Sub-Agent (wie QA oder BA) eine Ausgabe generiert, fragt er automatisch die Vektor-Datenbank mit Vektor-Embeddings ab, um projektspezifische Vorlagen und Terminologien zu ziehen.
Was muss ich bereitstellen, um dieses System zu starten?
Du brauchst eine aktive n8n-Instanz (Cloud oder Self-Hosted via Docker), Zugriff auf deine Jira API/Webhooks, Slack/Teams (falls Human-in-the-Loop erforderlich) und API-Zugangsdaten für deinen gewählten LLM-Anbieter oder lokalen Ollama-Host. Falls du n8n noch nicht deployed hast, kannst du mein "Self-Hosted n8n"-Extra wählen.
Können wir die Anweisungen oder Vorlagen, die die AI-Agenten verwenden, anpassen?
Ja. Alle Systemanweisungen, Qualitätsschecklisten und Formatierungsregeln sind klar in den Agenten-Prompts oder in der Qdrant-Datenbank gespeichert. Ich zeige dir, wie du diese Parameter anpassen kannst, um die Ausgaben an sich ändernde Projektanforderungen anzupassen.
