หมายเหตุ
การเข้าถึงหน้านี้ต้องได้รับการอนุญาต คุณสามารถลอง ลงชื่อเข้าใช้หรือเปลี่ยนไดเรกทอรีได้
การเข้าถึงหน้านี้ต้องได้รับการอนุญาต คุณสามารถลองเปลี่ยนไดเรกทอรีได้
หมายเหตุ
คุณลักษณะการแสดงตัวอย่างไม่ได้มีไว้สำหรับการนำไปใช้งานจริง และอาจมีการจำกัดฟังก์ชันการทำงาน คุณลักษณะเหล่านี้สามารถใช้ได้ก่อนการเปิดตัวอย่างเป็นทางการ เพื่อให้ลูกค้าสามารถเข้าใช้งานได้ก่อนเวลาและให้ข้อคิดเห็น
Power Apps Test Engine นำเสนอความสามารถด้าน AI เชิงสร้างสรรค์ที่ครอบคลุมซึ่งครอบคลุมวงจรชีวิตการทดสอบทั้งหมด หน้านี้ให้ภาพรวมว่า AI เชิงสร้างสรรค์สามารถปรับปรุงประสบการณ์การทดสอบของคุณได้อย่างไร ตั้งแต่การสร้างการทดสอบไปจนถึงการดำเนินการและการตรวจสอบ
คุณสมบัติ AI เชิงสร้างสรรค์ของ Test Engine ครอบคลุมสามส่วนหลักของกระบวนการทดสอบ:
| ความสามารถด้าน AI เชิงสร้างสรรค์ | Description |
|---|---|
| การสร้างการทดสอบด้วยความช่วยเหลือของ AI เชิงสร้างสรรค์ | สร้างการทดสอบอย่างรวดเร็วโดยใช้ GitHub Copilot และ Large Language Models (LLMs) หรือ Small Language Models (SLMs) อื่นๆ |
| เซิร์ฟเวอร์โปรโตคอลบริบทโมเดล | การวิเคราะห์เชิงกำหนดและการสร้างรหัสด้วย MCP |
| การทดสอบ AI แบบไม่กำหนดแน่นอน | ทดสอบแอปที่ขับเคลื่อนด้วย AI ด้วยเทคนิคการตรวจสอบพิเศษ |
การสร้างการทดสอบด้วยความช่วยเหลือของ AI เชิงสร้างสรรค์
การสร้างแผนการทดสอบที่ครอบคลุมอาจใช้เวลานาน โดยเฉพาะอย่างยิ่งสำหรับแอปพลิเคชันที่ซับซ้อน Test Engine รองรับการสร้างผลงานด้วย AI เชิงสร้างสรรค์ผ่าน:
- GitHub Copilot การรวม: สร้างเทมเพลตการทดสอบ ขั้นตอนการทดสอบ และการยืนยันตามโค้ดแอปพลิเคชันของคุณ
- การสร้างการทดสอบภาษาธรรมชาติ: อธิบายสถานการณ์การทดสอบเป็นภาษาอังกฤษแบบธรรมดาและแปลเป็นการทดสอบที่ปฏิบัติได้
- การสร้างการทดสอบตามตัวอย่าง: อ้างอิงตัวอย่างที่มีอยู่เพื่อสร้างการทดสอบที่เกี่ยวข้องกับบริบท
แนวทางนี้ช่วยให้ผู้เขียนการทดสอบเน้นไปที่ตรรกะทางธุรกิจและกฎการตรวจสอบ มากกว่าไวยากรณ์การทดสอบและโค้ดสำเร็จรูป
การใช้งานเซิร์ฟเวอร์โปรโตคอลบริบทแบบจำลอง
Power Apps Test Engine ประกอบด้วยการใช้งานเซิร์ฟเวอร์ Model Context Protocol (MCP) ที่ให้การวิเคราะห์เชิงกำหนดของแอปพลิเคชันของคุณและสร้างคำแนะนำการทดสอบ
เซิร์ฟเวอร์ MCP:
- วิเคราะห์โครงสร้างแอปพลิเคชันเพื่อระบุส่วนประกอบที่สามารถทดสอบได้
- สร้างรูปแบบการทดสอบตามประเภทการควบคุมและความสัมพันธ์
- ให้คำแนะนำโค้ดตามบริบท
- บูรณาการกับไคลเอนต์ MCP เช่น Visual Studio และ GitHub Copilot
- ใช้ ผู้ออกแบบแผน เพื่อจัดระเบียบและกำหนดลำดับความสำคัญของความพยายามในการทดสอบ
- รวมองค์ประกอบคำจำกัดความโซลูชันและโครงร่างข้อมูลสำหรับการทดสอบที่ครอบคลุม
- ใช้ข้อมูลเมตาจากโซลูชันของคุณเพื่อสร้างการทดสอบที่เกี่ยวข้องกับบริบท
เมื่อคุณรวมการวิเคราะห์เชิงกำหนดเข้ากับความสามารถของ AI เชิงสร้างสรรค์ แนวทางนี้จะช่วยให้คุณสร้างการทดสอบที่เชื่อถือได้และแม่นยำยิ่งขึ้นเมื่อเทียบกับแนวทางเชิงสร้างสรรค์เพียงอย่างเดียว
การทดสอบความสามารถของ AI ที่ไม่แน่นอน
เมื่อทำการทดสอบแอปพลิเคชันที่ใช้ความสามารถของ AI เช่น ส่วนประกอบหรือโมเดล Generative Pretrained Transformer (GPT) จะต้องพิจารณาเป็นพิเศษในการจัดการเอาต์พุตที่ไม่แน่นอน AI Builder
Test Engine มอบสิ่งต่อไปนี้:
-
ฟังก์ชัน
Preview.AIExecutePrompt: ดำเนินการตามคำสั่ง AI ด้วยอินพุตที่ควบคุมและตรวจสอบเอาต์พุต - การตรวจสอบตามค่าความคลาดเคลื่อน: ตรวจสอบว่าผลลัพธ์ของ AI ตรงตามความคาดหวังภายในเกณฑ์ที่ยอมรับได้
- การตรวจสอบการตอบสนองที่มีโครงสร้าง: แยกวิเคราะห์และตรวจสอบเนื้อหาที่สร้างโดย AI ที่ซับซ้อน
- การตรวจสอบตามแผน: ใช้คำจำกัดความของ Plan Designer เพื่อตรวจสอบผลลัพธ์ AI เทียบกับเกณฑ์ที่คาดหวัง
ความสามารถเหล่านี้ทำให้มั่นใจว่าคุณสามารถสร้างการทดสอบที่เชื่อถือได้และทำซ้ำได้ แม้จะทำงานกับระบบ AI ที่มีตัวแปรโดยเนื้อแท้ก็ตาม
การเลือกแนวทาง AI เชิงสร้างสรรค์ที่เหมาะสม
สำหรับผลลัพธ์ที่ดีที่สุด โปรดพิจารณาแนวทางเหล่านี้:
| หากคุณต้องการที่จะ... | พิจารณาใช้... |
|---|---|
| สร้างการทดสอบอย่างรวดเร็วสำหรับแอปพลิเคชันใหม่ | การสร้างสรรค์ด้วย AI ช่วยเหลือด้วย GitHub Copilot |
| รับการวิเคราะห์ที่แม่นยำและแน่นอนของส่วนประกอบที่ทดสอบได้ | เซิร์ฟเวอร์โปรโตคอลบริบทของโมเดล |
| ผสมผสานการวิเคราะห์เชิงกำหนดกับความสามารถในการสร้าง | MCP ที่มีไคลเอนต์ LLM ที่เข้ากันได้ |
| ทดสอบแอปพลิเคชันที่ขับเคลื่อนด้วย AI พร้อมเอาต์พุตที่แปรผัน | การทดสอบ AI แบบไม่กำหนดด้วย Preview.AIExecutePrompt |
| จัดโครงสร้างความพยายามในการทดสอบของคุณตามข้อกำหนดทางธุรกิจ | ตัวออกแบบแผนพร้อมการรวมเซิร์ฟเวอร์ MCP |
| สร้างการทดสอบโดยใช้ข้อมูลเมตาของโซลูชันและโครงร่างข้อมูล | เซิร์ฟเวอร์ MCP พร้อมการสแกนคำจำกัดความโซลูชัน |
บทความที่เกี่ยวข้อง
การเขียนการทดสอบด้วยความช่วยเหลือของ AI GitHub Copilot
การใช้เซิร์ฟเวอร์ Model Context Protocol กับ Test Engine
การทดสอบส่วนประกอบ AI ที่ไม่กำหนดไว้
เรียกดูแคตตาล็อกตัวอย่างเครื่องมือทดสอบ
ลองใช้ Test Engine power-fx-functions
ใช้ตัวออกแบบแผน