Zmožnosti generativne umetne inteligence v Power Apps Test Engine (zastarele)

opomba,

Test Engine je zastarel in bo odstranjen v prihodnji izdaji. Uporabite Power Platform Playwright vzorce za zmogljivosti avtomatizacije testiranja v Power Platform in Dynamics 365 storitvah.

Power Apps Test Engine ponuja celovite zmogljivosti generativne umetne inteligence, ki zajemajo celoten življenjski cikel testiranja. Ta stran ponuja pregled, kako lahko generativna umetna inteligenca izboljša vašo izkušnjo testiranja, od ustvarjanja testov do izvajanja in validacije.

Generativne funkcije umetne inteligence Test Engine obravnavajo tri ključna področja procesa testiranja:

Zmogljivost generativne umetne inteligence Description
Generativno avtorstvo testov s pomočjo umetne inteligence Hitro ustvarjanje testov z uporabo GitHub Copilot in drugih velikih jezikovnih modelov (LLM) ali majhnih jezikovnih modelov (SLM)
Strežnik protokola konteksta modela Deterministična analiza in generiranje kode z MCP
Nedeterministično testiranje umetne inteligence Testirajte aplikacije, ki jih poganja umetna inteligenca, s posebnimi tehnikami validacije

Generativno avtorstvo testov s pomočjo umetne inteligence

Ustvarjanje celovitih načrtov testiranja je lahko zamudno, zlasti pri kompleksnih aplikacijah. Test Engine podpira generativno avtoring s pomočjo umetne inteligence prek:

  • GitHub Copilot integracija: Ustvarite testne predloge, testne korake in trditve na podlagi vaše aplikacijske kode
  • Ustvarjanje testov v naravnem jeziku: Opišite testne scenarije v preprostem jeziku in jih prevedite v izvedljive teste
  • Generiranje testov na podlagi vzorcev: Sklicujte se na obstoječe vzorce za ustvarjanje kontekstualno ustreznih testov

Ta pristop pomaga avtorjem testov, da se osredotočijo na poslovno logiko in pravila validacije, namesto na sintakso testov in standardno kodo.

Več o generativnem ustvarjanju testov s pomočjo umetne inteligence

Implementacija strežnika protokola konteksta modela

Power Apps Test Engine vključuje strežniško implementacijo Model Context Protocol (MCP), ki zagotavlja deterministično analizo vaših aplikacij in generira priporočila za teste.

Strežnik MCP:

  • Analizira strukturo aplikacije za prepoznavanje komponent, ki jih je mogoče preizkusiti
  • Ustvari testne vzorce na podlagi tipov kontrol in odnosov
  • Zagotavlja kontekstualna priporočila za kodo
  • Integrira se z MCP odjemalci, kot sta Visual Studio in GitHub Copilot
  • Uporablja Oblikovalnik načrtov za organizacijo in določanje prioritet testiranja
  • Vključuje elemente definicije rešitve in podatkovne sheme za celovito testiranje
  • Uporablja metapodatke iz vaše rešitve za ustvarjanje kontekstualno ustreznih testov

Ko združite deterministično analizo z generativnimi zmogljivostmi umetne inteligence, vam ta pristop ponuja zanesljivejšo in natančnejšo generacijo testov v primerjavi s čisto generativnimi pristopi.

Več o implementaciji protokola konteksta modela

Testiranje nedeterminističnih zmogljivosti umetne inteligence

Pri testiranju aplikacij, ki uporabljajo zmogljivosti umetne inteligence, kot so komponente AI Builder ali modeli generativnega predtreniranega transformatorja (GPT), je potrebna posebna pozornost pri obravnavi nedeterminističnih izhodov.

Testni mehanizem zagotavlja:

Te zmogljivosti zagotavljajo, da lahko ustvarite zanesljive in ponovljive teste tudi pri delu z inherentno spremenljivimi sistemi umetne inteligence.

Več o testiranju nedeterminističnih zmogljivosti umetne inteligence

Izbira pravega generativnega pristopa k umetni inteligenci

Za optimalne rezultate upoštevajte te smernice:

Če želite ... Razmislite o uporabi ...
Hitro generiranje testov za novo aplikacijo Generativno AI-podprto avtorstvo z GitHub Copilot
Pridobite natančno, deterministično analizo preizkušljivih komponent Strežnik protokola konteksta modela
Združite deterministično analizo z generativnimi zmožnostmi MCP z združljivim odjemalcem LLM
Testiranje aplikacij, ki jih poganja umetna inteligenca, s spremenljivimi izhodi Nedeterministično testiranje umetne inteligence z Preview.AIExecutePrompt
Strukturirajte svoja testiranja glede na poslovne zahteve Oblikovalec načrtov z integracijo strežnika MCP
Generiranje testov z uporabo metapodatkov rešitve in podatkovnih shem Strežnik MCP s skeniranjem definicij rešitev

AI-podprto avtorstvo testov z GitHub Copilot
Uporaba strežnika Model Context Protocol s Test Engine
Testiranje nedeterminističnih komponent umetne inteligence
Brskajte po katalogu vzorcev testnega mehanizma
Preizkusite testni mehanizem power-fx-functions
Uporabite oblikovalnik načrtov

  • Last updated on