Κοινοποίηση μέσω

Δυνατότητες δημιουργίας AI στο Power Apps Test Engine (προεπισκόπηση)

Σημείωμα

Οι λειτουργίες προεπισκόπησης δεν προορίζονται για παραγωγική χρήση και ενδέχεται να έχουν περιορισμένη λειτουργικότητα. Αυτές οι δυνατότητες είναι διαθέσιμες πριν από μια επίσημη κυκλοφορία έτσι ώστε οι πελάτες να έχουν πρόσβαση από νωρίς και να κάνουν σχόλια.

Power Apps Το Test Engine προσφέρει ολοκληρωμένες δυνατότητες δημιουργίας AI που καλύπτουν ολόκληρο τον κύκλο ζωής των δοκιμών. Αυτή η σελίδα παρέχει μια επισκόπηση του τρόπου με τον οποίο η παραγωγική τεχνητή νοημοσύνη μπορεί να βελτιώσει την εμπειρία δοκιμών σας, από τη δημιουργία δοκιμών έως την εκτέλεση και την επικύρωση.

Οι παραγωγικές δυνατότητες AI του Test Engine καλύπτουν τρεις βασικούς τομείς της διαδικασίας δοκιμών:

Δυνατότητα δημιουργίας AI Description
Δημιουργία δοκιμών με τη βοήθεια τεχνητής νοημοσύνης Δημιουργήστε γρήγορα τεστ χρησιμοποιώντας GitHub Copilot και άλλα μεγάλα γλωσσικά μοντέλα (LLM) ή μικρά γλωσσικά μοντέλα (SLM)
Διακομιστής πρωτοκόλλου περιβάλλοντος μοντέλου Ντετερμινιστική ανάλυση και παραγωγή κώδικα με MCP
Μη ντετερμινιστικές δοκιμές AI Δοκιμάστε εφαρμογές που υποστηρίζονται από AI με ειδικές τεχνικές επικύρωσης

Δημιουργία δοκιμών με τη βοήθεια τεχνητής νοημοσύνης

Η δημιουργία ολοκληρωμένων σχεδίων δοκιμών μπορεί να είναι χρονοβόρα, ειδικά για πολύπλοκες εφαρμογές. Το Test Engine υποστηρίζει τη δημιουργία γενετικής σύνταξης με τη βοήθεια AI μέσω:

  • GitHub Copilot ενσωμάτωση: Δημιουργήστε πρότυπα δοκιμών, βήματα δοκιμής και ισχυρισμούς με βάση τον κώδικα της αίτησής σας
  • Δημιουργία τεστ φυσικής γλώσσας: Περιγράψτε σενάρια εξετάσεων σε απλά αγγλικά και μεταφράστε τα σε εκτελέσιμα τεστ
  • Παραγωγή δοκιμών βάσει δείγματος: Αναφορά σε υπάρχοντα δείγματα για τη δημιουργία δοκιμών σχετικών με τα συμφραζόμενα

Αυτή η προσέγγιση βοηθά τους συντάκτες δοκιμών να επικεντρωθούν στην επιχειρηματική λογική και τους κανόνες επικύρωσης αντί να δοκιμάσουν τη σύνταξη και τον στερεότυπο κώδικα.

Μάθετε περισσότερα σχετικά με τη σύνταξη δοκιμών με τη βοήθεια τεχνητής νοημοσύνης

Υλοποίηση διακομιστή πρωτοκόλλου περιβάλλοντος μοντέλου

Power Apps Το Test Engine περιλαμβάνει μια υλοποίηση διακομιστή Model Context Protocol (MCP) που παρέχει ντετερμινιστική ανάλυση των εφαρμογών σας και δημιουργεί συστάσεις δοκιμών.

Ο διακομιστής MCP:

  • Αναλύει τη δομή της εφαρμογής για τον εντοπισμό ελέγξιμων στοιχείων
  • Δημιουργεί μοτίβα δοκιμών με βάση τύπους και σχέσεις στοιχείων ελέγχου
  • Παρέχει συστάσεις κώδικα με βάση τα συμφραζόμενα
  • Ενσωματώνεται με πελάτες MCP όπως Visual Studio και GitHub Copilot
  • Χρησιμοποιεί τη Σχεδίαση σχεδίου για να οργανώσει και να ιεραρχήσει τις προσπάθειες δοκιμών
  • Ενσωματώνει στοιχεία ορισμού λύσης και σχήματα δεδομένων για ολοκληρωμένες δοκιμές
  • Χρησιμοποιεί μετα-δεδομένα από τη λύση σας για τη δημιουργία δοκιμών σχετικών με τα συμφραζόμενα

Όταν συνδυάζετε την ντετερμινιστική ανάλυση με τις δυνατότητες γενετικής τεχνητής νοημοσύνης, αυτή η προσέγγιση σας προσφέρει περισσότερο μια πιο αξιόπιστη και ακριβή παραγωγή δοκιμών σε σύγκριση με τις καθαρές γενετικές προσεγγίσεις μόνο.

Μάθετε περισσότερα σχετικά με την υλοποίηση του Model Context Protocol

Δοκιμή μη ντετερμινιστικών δυνατοτήτων AI

Κατά τη δοκιμή εφαρμογών που χρησιμοποιούν δυνατότητες AI, όπως AI Builder εξαρτήματα ή μοντέλα Generative Pretrained Transformer (GPT), απαιτείται ιδιαίτερη προσοχή για το χειρισμό μη ντετερμινιστικών εξόδων.

Το Test Engine παρέχει:

  • Η Preview.AIExecutePrompt λειτουργία: Εκτελέστε προτροπές AI με ελεγχόμενες εισόδους και επικυρώστε τις εξόδους
  • Επικύρωση βάσει ανοχής: Επαληθεύστε ότι οι έξοδοι AI ανταποκρίνονται στις προσδοκίες εντός αποδεκτών ορίων
  • Επικύρωση δομημένης απόκρισης: Ανάλυση και επικύρωση σύνθετου περιεχομένου που δημιουργείται από AI
  • Επικύρωση βάσει σχεδίου: Χρησιμοποιήστε ορισμούς σχεδίασης σχεδίου για να επικυρώσετε τις εξόδους AI με βάση τα αναμενόμενα κριτήρια

Αυτές οι δυνατότητες διασφαλίζουν ότι μπορείτε να δημιουργήσετε αξιόπιστες, επαναλαμβανόμενες δοκιμές ακόμη και όταν εργάζεστε με εγγενώς μεταβλητά συστήματα AI.

Μάθετε περισσότερα σχετικά με τη δοκιμή μη ντετερμινιστικών δυνατοτήτων AI

Επιλογή της σωστής γενετικής προσέγγισης AI

Για βέλτιστα αποτελέσματα, λάβετε υπόψη αυτές τις οδηγίες:

Αν θέλετε να... Εξετάστε το ενδεχόμενο να χρησιμοποιήσετε...
Δημιουργήστε γρήγορα δοκιμές για μια νέα εφαρμογή Γενετική σύνταξη με υποβοήθηση AI με GitHub Copilot
Αποκτήστε ακριβή, ντετερμινιστική ανάλυση των δοκιμαστικών εξαρτημάτων Διακομιστής πρωτοκόλλου περιβάλλοντος μοντέλου
Συνδυάστε ντετερμινιστική ανάλυση με παραγωγικές δυνατότητες MCP με συμβατό πελάτη LLM
Δοκιμάστε εφαρμογές που υποστηρίζονται από AI με μεταβλητές εξόδους Μη ντετερμινιστικές δοκιμές AI με Preview.AIExecutePrompt
Δομήστε τις προσπάθειες δοκιμών σας με βάση τις επιχειρηματικές απαιτήσεις Plan Designer με ενσωμάτωση διακομιστή MCP
Δημιουργία δοκιμών χρησιμοποιώντας μεταδεδομένα λύσεων και σχήματα δεδομένων Διακομιστής MCP με σάρωση ορισμού λύσης

Σύνταξη δοκιμών με τη βοήθεια AI με GitHub Copilot
Χρήση του διακομιστή Model Context Protocol με το μηχανισμό δοκιμής
Δοκιμή μη ντετερμινιστικών στοιχείων AI
Περιηγηθείτε στον κατάλογο δειγμάτων του μηχανισμού δοκιμής
Δοκιμάστε τις λειτουργίες Test Engine power-fx-functions
Χρήση της Σχεδίασης σχεδίου

  • Last updated on