Как оцениваешь свои знания Python?

Что проверяют

Хватит ли вашего Python для автотестов, которые пишут в этой команде, и насколько честно вы оцениваете себя. Для QA это не вопрос про метаклассы: за оценкой почти сразу следует небольшая задача вроде «напиши фикстуру» или «распарси ответ API и проверь поле».

Как отвечать

Оценку привяжите к тому, что умеете делать руками в автоматизации:

• pytest: фикстуры и их области видимости (scope), conftest.py, @pytest.mark.parametrize, маркеры для разбивки прогона, плагины вроде pytest-xdist для параллельного запуска и Allure для отчётов;
• API и UI: requests или httpx, Playwright или Selenium, Page Object, явные ожидания вместо time.sleep;
• язык: списки и словари, comprehension, генераторы, декораторы, контекстные менеджеры, исключения, классы, аннотации типов, валидация ответов через pydantic;
• окружение: виртуальные окружения, зависимости через pip, Poetry или uv, запуск тестов в CI.

Формулировка может быть такой: «Уверенный уровень для автоматизации: сам поднял фреймворк на pytest и Playwright, пишу фикстуры и параметризацию. Слабее в асинхронном коде и в упаковке своих библиотек». Подставьте свой стек и срок. Если автотестов вы писали мало, скажите прямо, покажите учебный проект на GitHub и расскажите, что в нём сделано.

Где спотыкаются

Отвечают историей по STAR с цифрами вроде «регресс сократился на 30%». Вопрос был про уровень языка, а проценты без объяснения метода только вызывают сомнения.

Называют уровень «уверенный», но пишут фикстуру без yield и не могут объяснить, где выполняется очистка после теста.

Не знают базовых ловушек языка: изменяемый аргумент по умолчанию def f(items=[]) или разницу между is и ==. На лайвкодинге они всплывают первыми.