הערה
גישה לעמוד זה דורשת אישור. אתה יכול לנסות להיכנס או לשנות תיקיות.
גישה לעמוד זה דורשת אישור. אתה יכול לנסות לשנות מדריכים.
הערה
תכונות Preview אינן מיועדות לשימוש בסביבת ייצור, והפונקציונליות שלהן עשויה להיות מוגבלת. תכונות אלו זמינות לפני הפרסום הרשמי כך שלקוחות יוכלו לקבל גישה מוקדמת ולספק משוב.
Power Apps Test Engine מציעה יכולות מקיפות של בינה מלאכותית גנרטיבית המשתרעות על פני כל מחזור חיי הבדיקה. דף זה מספק סקירה כללית של האופן שבו בינה מלאכותית גנרית יכולה לשפר את חוויית הבדיקה שלכם, החל מיצירת הבדיקה ועד לביצועה ואימותה.
תכונות הבינה המלאכותית הגנרטיבית של Test Engine מטפלות בשלושה תחומים מרכזיים בתהליך הבדיקה:
| יכולת בינה מלאכותית גנרטיבית | Description |
|---|---|
| כתיבת בדיקות גנרטיביות בסיוע בינה מלאכותית | צור בדיקות במהירות באמצעות GitHub Copilot ומודלי שפה גדולים (LLMs) או מודלים שפה קטנים (SLMs) אחרים |
| שרת פרוטוקול הקשר מודל | ניתוח דטרמיניסטי ויצירת קוד עם MCP |
| בדיקות בינה מלאכותית לא דטרמיניסטיות | בדיקת אפליקציות המונעות על ידי בינה מלאכותית באמצעות טכניקות אימות מיוחדות |
כתיבת בדיקות גנרטיביות בסיוע בינה מלאכותית
יצירת תוכניות בדיקה מקיפות יכולה להיות גוזלת זמן, במיוחד עבור יישומים מורכבים. מנוע הבדיקה תומך בכתיבה יצירתית בסיוע בינה מלאכותית באמצעות:
- GitHub Copilot אינטגרציה: צור תבניות בדיקה, שלבי בדיקה וקביעה המבוססת על קוד האפליקציה שלך
- יצירת מבחן בשפה טבעית: תיאור תרחישי מבחן באנגלית פשוטה ותרגום שלהם לבדיקות ניתנות לביצוע
- יצירת בדיקות מבוססות דגימות: עיין בדוגמאות קיימות כדי ליצור בדיקות רלוונטיות להקשר
גישה זו עוזרת למחברי בדיקות להתמקד בלוגיקה עסקית ובכללי אימות במקום בתחביר הבדיקה ובקוד סטנדרטי.
יישום שרת פרוטוקול הקשר מודל
Power Apps מנוע הבדיקה כולל יישום שרת של פרוטוקול הקשר מודל (MCP) המספק ניתוח דטרמיניסטי של היישומים שלך ומייצר המלצות בדיקה.
שרת ה-MCP:
- מנתח את מבנה האפליקציה כדי לזהות רכיבים הניתנים לבדיקה
- יוצר דפוסי בדיקה המבוססים על סוגי בקרה וקשרים
- מספק המלצות קוד קונטקסטואלי
- משתלב עם לקוחות MCP כמו Visual Studio ו GitHub Copilot
- משתמש ב מעצב התוכניות לארגון ותעדוף מאמצי בדיקות
- משלב אלמנטים של הגדרת פתרון וסכמות נתונים לבדיקות מקיפות
- משתמש במטא-דאטה מהפתרון שלך כדי ליצור בדיקות רלוונטיות להקשר
כאשר משלבים ניתוח דטרמיניסטי עם יכולות בינה מלאכותית גנרטיבית, גישה זו מציעה לכם יצירת בדיקות אמינה ומדויקת יותר בהשוואה לגישות גנרטיביות טהורות בלבד.
בדיקת יכולות בינה מלאכותית לא דטרמיניסטית
בעת בדיקת יישומים המשתמשים ביכולות בינה מלאכותית כמו רכיבים או מודלים של שנאים גנרטיביים מאומנים מראש (GPT), נדרשת תשומת לב מיוחדת לטיפול בפלטים לא דטרמיניסטיים. AI Builder
מנוע הבדיקה מספק:
-
ה
Preview.AIExecutePromptפונקציה: ביצוע הנחיות בינה מלאכותית עם קלט מבוקר ואימות פלט - אימות מבוסס סובלנות: ודא שתוצרי הבינה המלאכותית עומדים בציפיות במסגרת ספים מקובלים
- אימות תגובה מובנית: ניתוח ואימות של תוכן מורכב שנוצר על ידי בינה מלאכותית
- אימות מבוסס תוכנית: השתמש בהגדרות של Plan Designer כדי לאמת את פלטי הבינה המלאכותית מול קריטריונים צפויים
יכולות אלו מבטיחות שתוכלו ליצור בדיקות אמינות וחוזרות, גם כשעובדים עם מערכות בינה מלאכותית משתנות מטבען.
בחירת גישת הבינה המלאכותית הגנרטיבית הנכונה
לקבלת תוצאות אופטימליות, יש לשקול את ההנחיות הבאות:
| אם אתם רוצים... | שקול להשתמש... |
|---|---|
| צור במהירות בדיקות עבור אפליקציה חדשה | כתיבה גנרטיבית בסיוע בינה מלאכותית עם GitHub Copilot |
| קבל ניתוח מדויק ודטרמיניסטי של רכיבים הניתנים לבדיקה | שרת Model Context Protocol |
| שלב ניתוח דטרמיניסטי עם יכולות יצירתיות | MCP עם לקוח LLM תואם |
| בדיקת יישומים המונעים על ידי בינה מלאכותית עם תפוקות משתנות | בדיקות בינה מלאכותית לא דטרמיניסטיות עם Preview.AIExecutePrompt |
| בנו את מאמצי הבדיקות שלכם בהתבסס על דרישות העסק | מעצב תוכניות עם שילוב שרת MCP |
| צור בדיקות באמצעות מטא-נתונים וסכמות נתונים של פתרונות | שרת MCP עם סריקת הגדרות פתרון |
מאמרים קשורים
כתיבת בדיקות בסיוע בינה מלאכותית עם GitHub Copilot
שימוש בשרת Model Context Protocol עם Test Engine
בדיקת רכיבי בינה מלאכותית לא דטרמיניסטית
עיין בקטלוג הדוגמאות של מנוע הבדיקה
נסה את פונקציות ה-power-fx של Test Engine
השתמש במעצב התוכניות