Keupayaan AI generatif dalam Power Apps Enjin Ujian (pratonton)

Nota

Ciri pratonton bukan untuk kegunaan pengeluaran dan kefungsian mungkin terbatas. Ciri ini tersedia sebelum keluaran rasmi agar pelanggan boleh mendapat akses awal dan memberikan maklum balas.

Power Apps Test Engine menawarkan keupayaan AI generatif komprehensif yang merangkumi keseluruhan kitaran hayat ujian. Halaman ini memberikan gambaran keseluruhan tentang cara AI generatif boleh meningkatkan pengalaman ujian anda, daripada penciptaan ujian kepada pelaksanaan dan pengesahan.

Ciri AI generatif Test Engine menangani tiga bidang utama proses ujian:

Keupayaan AI Generatif	Description
Pengarang ujian berbantukan AI generatif	Buat ujian dengan cepat menggunakan GitHub Copilot Model Bahasa Besar (LLM) atau Model Bahasa Kecil (SLM) yang lain
Pelayan Protokol Konteks Model	Analisis deterministik dan penjanaan kod dengan MCP
Ujian AI bukan deterministik	Uji apl berkuasa AI dengan teknik pengesahan khas

Pengarang ujian berbantukan AI generatif

Mencipta pelan ujian yang komprehensif boleh memakan masa, terutamanya untuk aplikasi yang kompleks. Test Engine menyokong pengarangan berbantukan AI generatif melalui:

• GitHub Copilot penyepaduan: Jana templat ujian, langkah ujian dan penegasan berdasarkan kod aplikasi anda
• Penciptaan ujian bahasa semula jadi: Terangkan senario ujian dalam bahasa Inggeris biasa dan terjemahkannya ke dalam ujian boleh laku
• Penjanaan ujian berasaskan sampel: Rujuk sampel sedia ada untuk mencipta ujian yang berkaitan secara kontekstual

Pendekatan ini membantu pengarang ujian menumpukan pada logik perniagaan dan peraturan pengesahan dan bukannya sintaks ujian dan kod boilerplate.

Ketahui lebih lanjut tentang pengarangan ujian berbantukan AI generatif

Pelaksanaan pelayan Protokol Konteks Model

Power Apps Test Engine termasuk pelaksanaan pelayan Model Context Protocol (MCP) yang menyediakan analisis deterministik aplikasi anda dan menjana cadangan ujian.

Pelayan MCP:

• Menganalisis struktur aplikasi untuk mengenal pasti komponen yang boleh diuji
• Menjana corak ujian berdasarkan jenis kawalan dan perhubungan
• Menyediakan cadangan kod kontekstual
• Bersepadu dengan pelanggan MCP seperti Visual Studio dan GitHub Copilot
• Menggunakan Pereka Pelan untuk mengatur dan mengutamakan usaha ujian
• Menggabungkan elemen definisi penyelesaian dan skema data untuk ujian komprehensif
• Menggunakan metadata daripada penyelesaian anda untuk menjana ujian yang berkaitan secara kontekstual

Apabila anda menggabungkan analisis deterministik dengan keupayaan AI generatif, pendekatan ini menawarkan lebih banyak penjanaan ujian yang lebih dipercayai dan tepat berbanding pendekatan generatif tulen sahaja.

Ketahui lebih lanjut tentang pelaksanaan Protokol Konteks Model

Menguji keupayaan AI bukan deterministik

Apabila menguji aplikasi yang menggunakan keupayaan AI seperti AI Builder komponen atau model Transformer Pralatih Generatif (GPT), pertimbangan khas diperlukan untuk mengendalikan output bukan deterministik.

Enjin Ujian menyediakan:

• Fungsi Preview.AIExecutePrompt :Laksanakan gesaan AI dengan input terkawal dan sahkan output
• Pengesahan berasaskan toleransi: Sahkan bahawa output AI memenuhi jangkaan dalam ambang yang boleh diterima
• Pengesahan respons berstruktur: Huraikan dan sahkan kandungan yang dijana AI yang kompleks
• Pengesahan berasaskan pelan: Gunakan definisi Pereka Pelan untuk mengesahkan output AI terhadap kriteria yang dijangkakan

Keupayaan ini memastikan anda boleh mencipta ujian yang boleh dipercayai dan boleh diulang walaupun bekerja dengan sistem AI yang sememangnya berubah-ubah.

Ketahui lebih lanjut tentang menguji keupayaan AI bukan deterministik

Memilih pendekatan AI generatif yang betul

Untuk hasil yang optimum, pertimbangkan garis panduan ini:

Jika anda mahu...	Pertimbangkan untuk menggunakan...
Jana ujian dengan cepat untuk aplikasi baharu	Pengarangan berbantukan AI generatif dengan GitHub Copilot
Dapatkan analisis yang tepat dan deterministik bagi komponen yang boleh diuji	Pelayan Protokol Konteks Model
Gabungkan analisis deterministik dengan keupayaan generatif	MCP dengan pelanggan LLM yang serasi
Uji aplikasi berkuasa AI dengan output berubah-ubah	Ujian AI bukan deterministik dengan Preview.AIExecutePrompt
Susun usaha ujian anda berdasarkan keperluan perniagaan	Pereka Pelan dengan penyepaduan pelayan MCP
Jana ujian menggunakan metadata penyelesaian dan skema data	Pelayan MCP dengan pengimbasan definisi penyelesaian

Artikel berkaitan

Pengarangan ujian berbantukan AI dengan GitHub Copilot
Menggunakan pelayan Protokol Konteks Model dengan Enjin Ujian
Menguji komponen AI bukan deterministik
Semak imbas katalog sampel Enjin Ujian
Cuba fungsi power-fx Enjin Ujian
Gunakan Pereka Pelan