Ģeneratīvā AI iespējas testēšanas programmā Power Apps (priekšskatījums)

Piezīmes

Priekšskatījuma līdzekļi nav paredzēti komerciālai lietošanai, un to funkcionalitāte var būt ierobežota. Šie līdzekļi ir pieejami pirms oficiālā laidiena, lai klienti varētu priekšlaikus piekļūt līdzeklim un sniegt atsauksmes.

Power Apps Test Engine piedāvā visaptverošas ģeneratīvās AI iespējas, kas aptver visu testēšanas dzīves ciklu. Šajā lapā ir sniegts pārskats par to, kā ģeneratīvais mākslīgais intelekts var uzlabot jūsu testēšanas pieredzi, sākot no testa izveides līdz izpildei un validācijai.

Test Engine ģeneratīvās AI funkcijas attiecas uz trim galvenajām testēšanas procesa jomām:

Ģeneratīvā AI spēja	Apraksts
Ģeneratīvā mākslīgā intelekta atbalstīta testu autorēšana	Ātri izveidojiet testus, izmantojot GitHub Copilot citus lielos valodu modeļus (LLM) vai mazos valodu modeļus (SLM)
Modeļa konteksta protokola serveris	Deterministiskā analīze un koda ģenerēšana ar MCP
Nedeterministiska AI testēšana	Pārbaudiet mākslīgā intelekta lietotnes, izmantojot īpašas validācijas metodes

Ģeneratīvā mākslīgā intelekta atbalstīta testu autorēšana

Visaptverošu testēšanas plānu izveide var būt laikietilpīga, īpaši sarežģītām lietojumprogrammām. Testēšanas programma atbalsta ģeneratīvo mākslīgā intelekta autorēšanu, izmantojot tālāk norādītās darbības.

• GitHub Copilot integrācija: ģenerējiet testa veidnes, testa darbības un apgalvojumus, pamatojoties uz jūsu lietojumprogrammas kodu
• Dabiskās valodas testa izveide: aprakstiet testa scenārijus vienkāršā angļu valodā un tulkojiet tos izpildāmos testos
• Uz paraugiem balstīta testa ģenerēšana: atsaucieties uz esošajiem paraugiem, lai izveidotu kontekstuāli atbilstošus testus

Šī pieeja palīdz testa autoriem koncentrēties uz biznesa loģiku un validācijas noteikumiem, nevis testa sintaksi un boilerplate kodu.

Uzziniet vairāk par ģeneratīvo mākslīgā intelekta atbalstītu testu autorēšanu

Modeļa konteksta protokola servera ieviešana

Power Apps Testa programma ietver modeļa konteksta protokola (Model Context Protocol — MCP) servera implementāciju, kas nodrošina jūsu lietojumprogrammu deterministisku analīzi un ģenerē testēšanas ieteikumus.

MCP serveris:

• Analizē lietojumprogrammas struktūru, lai identificētu pārbaudāmos komponentus
• Ģenerē testa modeļus, pamatojoties uz vadīklu tipiem un relācijām
• Sniedz kontekstuāla koda ieteikumus
• Integrējas ar MCP klientiem, piemēram, Visual Studio un GitHub Copilot
• Izmanto plāna noformētāju , lai organizētu un noteiktu prioritātes testēšanas centieniem
• Ietver risinājumu definīcijas elementus un datu shēmas visaptverošai testēšanai
• Izmanto metadatus no jūsu risinājuma, lai ģenerētu kontekstuāli atbilstošus testus

Apvienojot deterministisko analīzi ar ģeneratīvām AI iespējām, šī pieeja piedāvā vairāk uzticamu un precīzāku testu ģenerēšanu, salīdzinot ar tīrām ģeneratīvām pieejām.

Papildinformācija par modeļa konteksta protokola ieviešanu

Nedeterministisku mākslīgā intelekta spēju testēšana

Testējot lietojumprogrammas, kas izmanto AI iespējas, piemēram, AI Builder komponentus vai ģeneratīvo iepriekš apmācīto transformatoru (GPT) modeļus, īpaša uzmanība ir jāpievērš nedeterministisku izeju apstrādei.

Testa dzinējs nodrošina:

• Funkcija Preview.AIExecutePrompt: izpildīt AI uzvednes ar kontrolētām ievadēm un validēt izvades
• Uz pielaidi balstīta validācija: pārbaudiet, vai AI rezultāti atbilst cerībām pieņemamās robežvērtības robežās
• Strukturēta atbildes validācija: analizējiet un validējiet sarežģītu mākslīgā intelekta ģenerētu saturu
• Uz plānu balstīta validācija: izmantojiet plānu noformētāja definīcijas, lai validētu AI rezultātus pēc paredzētajiem kritērijiem

Šīs iespējas nodrošina, ka jūs varat izveidot uzticamus, atkārtojamos testus pat tad, ja strādājat ar mainīgām AI sistēmām.

Uzziniet vairāk par nedeterministisku mākslīgā intelekta iespēju testēšanu

Pareizās ģeneratīvā AI pieejas izvēle

Lai iegūtu optimālus rezultātus, ņemiet vērā šīs vadlīnijas:

Ja vēlaties...	Apsveriet iespēju izmantot...
Ātra testu ģenerēšana jaunai lietojumprogrammai	Ģeneratīvā mākslīgā intelekta autorēšana ar GitHub Copilot
Iegūstiet precīzu, deterministisku testējamo komponentu analīzi	Modeļa konteksta protokola serveris
Apvienojiet deterministisko analīzi ar ģeneratīvām iespējām	MCP ar saderīgu LLM klientu
Pārbaudiet mākslīgā intelekta lietojumprogrammas ar mainīgajām izejām	Nedeterministiska mākslīgā intelekta testēšana ar Preview.AIExecutePrompt
Strukturējiet testēšanas centienus, pamatojoties uz biznesa prasībām	Plāna noformētājs ar MCP servera integrāciju
Testu ģenerēšana, izmantojot risinājuma metadatus un datu shēmas	MCP serveris ar risinājuma definīcijas skenēšanu

Saistītie raksti

Mākslīgā intelekta atbalstīta testu autorēšana ar GitHub Copilot
Modeļa konteksta protokola servera izmantošana ar testēšanas programmu
Nedeterministisku AI komponentu testēšana
Testēšanas programmas paraugu kataloga pārlūkošana
Izmēģiniet testa dzinēja power-fx-funkcijas
Izmantojiet plānu noformētāju