Nata
Norint pasiekti šį puslapį, reikalingas leidimas. Galite pabandyti prisijungti arba pakeisti katalogus.
Norint pasiekti šį puslapį, reikalingas leidimas. Galite pabandyti pakeisti katalogus.
Pastaba.
Peržiūros funkcijos nėra skirtos naudoti gamybai ir gali būti apribotas jų funkcionalumas. Šias funkcijas galima naudoti prieš oficialų išleidimą, kad klientai galėtų gauti ankstyvą prieigą ir pateikti atsiliepimų.
Power Apps "Test Engine" siūlo išsamias generatyvinio DI galimybes, apimančias visą testavimo ciklą. Šiame puslapyje pateikiama apžvalga, kaip generatyvinis dirbtinis intelektas gali pagerinti jūsų testavimo patirtį nuo bandymų kūrimo iki vykdymo ir patvirtinimo.
"Test Engine" generatyvinio dirbtinio intelekto funkcijos apima tris pagrindines testavimo proceso sritis:
| Generatyvinės AI galimybės | Aprašą |
|---|---|
| Generatyvinis dirbtiniu intelektu paremtas testų kūrimas | Greitai kurkite testus naudodami GitHub Copilot ir kitus didelių kalbų modelius (LLM) arba mažus kalbų modelius (SLM) |
| Modelio kontekstinio protokolo serveris | Deterministinė analizė ir kodo generavimas naudojant MCP |
| Nedeterministinis DI testavimas | Išbandykite dirbtiniu intelektu pagrįstas programas naudodami specialius patvirtinimo metodus |
Generatyvinis dirbtiniu intelektu paremtas testų kūrimas
Išsamių bandymų planų kūrimas gali užtrukti daug laiko, ypač sudėtingoms programoms. "Test Engine" palaiko generatyvinį dirbtinio intelekto kūrimą per:
- GitHub Copilot integravimas: generuokite bandymo šablonus, bandymo veiksmus ir teiginius pagal programos kodą
- Natūralios kalbos testo kūrimas: aprašykite bandymų scenarijus paprasta anglų kalba ir paverskite juos vykdomaisiais testais
- Bandymų generavimas pagal pavyzdį: remkitės esamais pavyzdžiais, kad sukurtumėte kontekstiškai svarbius bandymus
Šis metodas padeda testų autoriams sutelkti dėmesį į verslo logiką ir tikrinimo taisykles, o ne į bandymo sintaksę ir katilinės kodą.
Modelio konteksto protokolo serverio diegimas
Power Apps Bandymo variklis apima modelio konteksto protokolo (MCP) serverio diegimą, kuris teikia deterministinę jūsų programų analizę ir generuoja bandymų rekomendacijas.
MCP serveris:
- Analizuoja programos struktūrą, kad nustatytų testuojamus komponentus
- Generuoja tikrinimo modelius pagal valdiklių tipus ir ryšius
- Teikia kontekstinio kodo rekomendacijas
- Integruojasi su MCP klientais, tokiais kaip Visual Studio ir GitHub Copilot
- Naudoja "Plan Designer", kad organizuotų ir nustatytų testavimo prioritetus
- Apima sprendimo apibrėžimo elementus ir duomenų schemas išsamiam testavimui
- Naudoja metaduomenis iš jūsų sprendimo, kad sugeneruotų kontekstą atitinkančius testus
Kai derinate deterministinę analizę su generatyvinio dirbtinio intelekto galimybėmis, šis metodas suteikia jums patikimesnį ir tikslesnį bandymų generavimą, palyginti su vien tik grynais generatyviniais metodais.
Nedeterministinių DI galimybių testavimas
Bandant programas, kurios naudoja AI galimybes, pvz., AI Builder komponentus arba generatyvinio iš anksto apmokyto transformatoriaus (GPT) modelius, reikia atkreipti ypatingą dėmesį į nedeterministinių išėjimų tvarkymą.
Bandymo variklis suteikia:
-
Funkcija
Preview.AIExecutePrompt: vykdykite AI raginimus su kontroliuojamomis įvestimis ir patikrinkite išvestis - Tolerancija pagrįstas tikrinimas: patikrinkite, ar DI išvestys atitinka lūkesčius neperžengiant priimtinų ribų
- Struktūrinio atsako patvirtinimas: išanalizuokite ir patvirtinkite sudėtingą dirbtinio intelekto sukurtą turinį
- Planais pagrįstas tikrinimas: naudokite plano dizaino įrankio aprašus, kad patikrintumėte DI išvestis pagal numatomus kriterijus
Šios galimybės užtikrina, kad galite kurti patikimus, pakartojamus testus net ir dirbdami su iš esmės kintančiomis DI sistemomis.
Tinkamo generatyvinio dirbtinio intelekto metodo pasirinkimas
Norėdami gauti optimalius rezultatus, apsvarstykite šias gaires:
| Jei norite... | Apsvarstykite galimybę naudoti... |
|---|---|
| Greitai sugeneruokite naujos programos testus | Generatyvinis dirbtinis intelektas su GitHub Copilot |
| Gaukite tikslią, deterministinę patikrinamų komponentų analizę | Modelio kontekstinio protokolo serveris |
| Sujunkite deterministinę analizę su generatyvinėmis galimybėmis | MCP su suderinamu LLM klientu |
| Išbandykite dirbtiniu intelektu pagrįstas programas su kintamais išėjimais | Nedeterministinis dirbtinio intelekto testavimas su Preview.AIExecutePrompt |
| Susisteminkite savo testavimo pastangas pagal verslo reikalavimus | Planuokite dizaino įrankį su MCP serverio integracija |
| Testų generavimas naudojant sprendimo metaduomenis ir duomenų schemas | MCP serveris su sprendimo apibrėžimo nuskaitymu |
Susiję straipsniai
Dirbtiniu intelektu paremtas testų kūrimas naudojant GitHub Copilot
Modelio konteksto protokolo serverio naudojimas su bandymo moduliu
Nedeterministinių DI komponentų testavimas
Bandomojo variklio pavyzdžių katalogo naršymas
Išbandykite bandomąsias variklio galios fx funkcijas
Plano dizaino įrankio naudojimas