使用 GitHub Copilot 进行 AI 辅助测试创作（已弃用）

备注

测试引擎已弃用 ，将在将来的版本中删除。使用 Power Platform Playwright 示例在 Power Platform 和 Dynamics 365 服务中测试自动化功能。

为 Power Platform 应用程序创建全面的测试计划可能非常耗时，尤其是对于复杂场景。 AI 辅助的创作工具（如GitHub Copilot）可以通过生成测试模板、建议测试用例和自动化样板代码创建来显著加速此过程。

本指南介绍如何将GitHub Copilot与 Power Platform 源代码管理解决方案配合使用，以高效创建测试引擎测试计划。

必备条件

开始之前，请确保您有：

设置测试创作环境

为了最大限度地提高 AI 辅助测试创作的有效性，将这些工具组合到结构化工作流中：

获取源文件
- 从源代码管理克隆 Power Platform 环境或解决方案
- 使用 pac solution export 从 Power Platform 中导出您的解决方案，并使用 pac solution unpack 解压文件。
初始化 git 存储库以进行版本控制（如果还未完成此任务）
在解决方案存储库中创建专用测试文件夹
在 Visual Studio Code 中打开解决方案文件夹

使用GitHub Copilot创建测试

GitHub Copilot可以帮助你根据源代码控制的解决方案生成各种测试组件。以下是如何有效使用其功能：

使用示例文档作为上下文

测试引擎示例目录提供了丰富的GitHub Copilot参考资料来源。可以通过以下方法帮助Copilot生成更高质量的测试：

在工作区中包含 samples.md 文件
在提示中引用特定示例
提供指向示例GitHub存储库的链接

例如，您可以：

在 VS Code 中打开应用程序代码和 samples.md 文件
让 Copilot 创建测试，“类似于 ButtonClicker 示例”或“使用 Dataverse 示例中的模式”
从符合您测试需求的示例中引用特定功能

此方法有助于Copilot了解 Power Platform 测试引擎模式并生成更准确的测试。

在代理模式下使用GitHub Copilot

Visual Studio Code 的 GitHub Copilot 对话助手提供了一个 Agent Mode，可以帮助基于项目文件生成测试。此模式允许Copilot更深入地访问和理解项目上下文。

要使用智能体模式生成测试：

在 VS Code 中，打开 GitHub Copilot 对话助手（Ctrl+Shift+I）
从Copilot模式选择器中选择Agent
制作有关您要创建的测试的详细提示

生成测试的示例提示

尝试使用类似以下的提示生成测试：

目标：
使用 Power Apps 测试引擎为画布应用生成一个全面的测试套件，该测试套件是根据 ButtonClicker 示例建模的。

提示：
使用 at https://github.com/microsoft/PowerApps-TestEngine/tree/main/samples/buttonclicker 示例作为参考，为 ./SolutionPackage/src/CanvasApps/src/MyApp/Src/App.fx.yaml 生成测试。创建预期案例、边缘案例和例外案例。测试应根据示例创建测试 YAML 文件和 Power Fx 测试步骤、config.json 和 RunTest.ps1，以便我能够运行测试。

目标：
为模型驱动应用制定详细的测试计划，以确保核心功能和业务逻辑按预期工作。

提示：
为位于 ./SolutionPackage/src/Other/Solution.xml 的模型驱动应用创建全面的测试计划。测试应验证窗体加载、记录创建和业务规则执行。生成测试 YAML、Power Fx 步骤和 PowerShell 脚本以运行测试。

目标：
为 Dataverse 实体构建测试计划，来通过 Power Fx 操作验证 CRUD 操作。

提示：
为我的 Dataverse 实体创建全面的测试计划。测试应执行创建、更新、删除 Power Fx 操作。生成测试 YAML、Power Fx 步骤和 PowerShell 脚本以运行测试。

了解生成的测试组件

GitHub Copilot生成测试时，通常会创建以下组件：

YAML 测试计划：定义测试结构、应用 URL 和测试步骤
Power Fx 测试步骤：包含使用 Power Fx 表达式的测试逻辑
config.json：测试执行参数的配置
RunTest.ps1：用于执行测试的 PowerShell 脚本

示例：生成的测试结构

MyAppTests/
├── MyAppTest.fx.yaml     # Power Fx test steps
├── MyAppTest.yml         # Test plan definition
├── config.json           # Test configuration
└── RunTest.ps1           # Test execution script

AI 辅助测试创作的最佳做法

要充分利用GitHub Copilot进行测试引擎的测试创建，请考虑以下部分。

在提示中提供清晰的上下文

具体说明要测试的内容，并包含对以下内容的引用：

要测试的确切文件
用作模板的示例测试
要覆盖的特定测试场景
任何身份验证或环境要求

使用 Test Engine 上下文示例

samples.md 文档编录了测试引擎存储库中所有可用示例，在创建提示GitHub Copilot时，该示例可能是一个很好的参考。例如，在测试带有按钮的画布应用时，可以参考按钮点击器示例：

提示：
使用 https://github.com/microsoft/PowerApps-TestEngine/tree/main/samples/buttonclicker 中的 ButtonClicker 示例，在 ./SolutionPackage/src/CanvasApps/src/MyApp/Src/App.fx.yaml 为我的画布应用生成测试。测试应该：
1. 验证我的计数器按钮是否在屏幕上递增值
2. 测试边界条件（例如，最大值）
3. 包括 OnTestCaseStart 和 OnTestCaseComplete 生命周期挂钩
4. 使用适当的环境变量生成 config.json

此方法有助于Copilot了解测试结构，并根据经过验证的示例生成更准确的上下文相关测试。

使用源代码管理解决方案作为上下文

当Copilot能够分析您的解决方案结构时，其性能最佳。为 Power Platform 解决方案使用源代码管理，以提供此上下文。此上下文允许Copilot：

了解应用的结构
识别控件名称和属性
生成更准确的测试步骤
引用正确的文件路径

查看和优化生成的测试

虽然 AI 生成的测试提供了一个很好的起点，但始终：

验证控件引用是否与应用程序匹配
为关键业务功能添加断言
确保正确处理边缘案例
验证身份验证配置

与手动专长相结合

对于复杂的测试方案，请使用GitHub Copilot执行以下操作：

生成测试框架和结构
创建标准验证模式
建议要考虑的边缘案例

然后，利用您的领域专长进行以下方面的增强：

特定于业务的验证规则
环境注意事项
专门的测试数据

常见的测试生成模式

本节包含一些常见的测试生成模式：

测试画布应用

对于画布应用，使用引用您的源代码管理解决方案中的 App.fx.yaml 文件的提示：

提示：
在 ./SolutionPackage/src/CanvasApps/src/MyExpenseApp/Src/App.fx.yaml 为我的画布应用生成测试，来验证支出提交过程。测试应填充支出字段，提交窗体，并验证是否显示确认消息。

详细了解画布应用测试

测试模型驱动应用

对于模型驱动应用，重点关注实体导航、窗体交互和业务规则：

提示：
为我的模型驱动应用创建一个测试，来测试客户实体窗体。测试应创建新的客户记录，验证必填字段，并验证额度限制计算的业务规则是否正常工作。

详细了解模型驱动应用测试

测试 Dataverse 扩展

对于 Dataverse 测试，强调数据操作和业务逻辑验证：

提示：
生成一个 Dataverse 测试来验证我的解决方案中的自定义插件。测试应创建测试记录，触发插件执行，并验证是否发生了预期的数据转换。

了解有关 Dataverse 测试的详细信息

特定于示例的测试提示

要获得最准确的测试生成，请参考符合您的测试需求的 Test Engine 示例目录中的特定示例。以下是针对常见测试场景的定制提示：

ButtonClicker 示例提示

ButtonClicker 示例演示了基本的计数器功能测试。使用这些提示：

提示：
为我的计数器应用生成一个测试，其结构与 ButtonClicker 示例类似。我的应用具有名为“IncrementBtn”和“ResetBtn”的按钮，其中包含显示当前计数的“CounterLabel”。创建一个测试，以验证两个按钮是否正常工作，并且最大计数是否为 10。

提示：
使用 ButtonClicker 示例作为参考，为我的按钮交互应用创建测试。我的应用有一个“SubmitButton”，只有在完成“NameInput”和“EmailInput”字段时才应启用该按钮。生成一个测试计划，其中包含验证此行为的 Power Fx 步骤。

库测试提示

BasicGallery 和 NestedGallery 示例演示如何测试库交互：

提示：
为我的库应用生成一个测试，其中我有一个“产品”库，其中包括包含“TitleLabel”、“PriceLabel”和“SelectButton”控件的产品项。使用 BasicGallery 示例结构来验证我是否可以选择项，以及正确的详细信息是否显示在“DetailPanel”中。

数据操作提示

此 Dataverse 示例演示数据操作测试：

提示：
使用 Dataverse 示例模式为我的 CRM 应用创建测试。测试我是否可以创建新的联系人记录，对其进行更新，然后验证更改是否是持续的。包括 UI 测试和直接 Dataverse 操作。

AI 测试提示

要测试 AI 支持的功能，请参考 AI 提示示例：

提示：
根据 AI 提示示例为我的情绪分析应用生成测试。我的应用有一个“FeedbackInput”文本框，并使用AI Builder将其分类为正、负或中性。创建一个测试，来验证不同的输入能否在可接受的阈值内产生预期输出。

高级技巧

本节提供高级提示功能的示例。

创建多环境测试套件

可以提示Copilot生成跨多个环境运行的测试：

提示：
为我的应用生成一个测试套件，该套件可以在开发、测试和生产环境中运行，并为每个环境提供适当的配置变量。

生成数据模拟场景

对于使用连接器模拟的独立测试：

提示：
为使用 Office 365 Outlook 连接器的应用创建带有模拟连接器响应的测试。测试应模拟接收电子邮件并验证应用的处理逻辑。

测试 AI 功能并处理非确定性结果

当您使用 AI 驱动的应用程序时，测试会带来独殊挑战，因为即使输入相同，AI 输出在运行时也可能略有不同。这种非确定性行为需要特殊的测试方法。

了解非确定性测试

非确定性测试涉及验证可能在测试运行中合法变化的输出：

AI 模型输出：来自 AI 模型（如 GPT 或自定义AI Builder组件）的响应
置信度分数：可能在可接受范围内波动的数值评估
生成的内容：AI 系统生成的文本或建议

使用 Preview.AIExecutePrompt 对 AI 功能进行确定性测试

Test Engine 提供 Preview.AIExecutePrompt，支持对 AI 响应进行确定性验证。此方法让您可以：

在测试场景中执行 AI 提示
分析和验证结构化响应
验证存在潜在变化的情况下关键输出是否符合预期

示例：使用AI Builder分级评估

以下示例演示了如何使用 Preview.AIExecutePrompt 函数测试 AI 驱动的评级系统：

EvaluateTestQuestionPrompt(Prompt: TestQuestion): TestResult =
  With({
    Response: ParseJSON(
      Preview.AIExecutePrompt("PromptEvaluator",
      {
        Context: "You are a helpful agent asking about external customer service questions.",
        Question: Prompt.Question
      }).Text)
  },If(
    IsError(AssertNotError(Prompt.ExpectedRating=Response.Rating, Prompt.Question & ", Expected " & Prompt.ExpectedRating & ", Actual " & Response.Rating)),
    {PassFail: 1, Summary: Prompt.Question & ", Expected " & Prompt.ExpectedRating & ", Actual " & Response.Rating}, {PassFail: 0, Summary: "Pass " & Prompt.Question}
  ))

在此示例中：

该测试针对“PromptEvaluator”模型执行 AI 提示
它传递了一个上下文和一个问题来进行评估
它验证返回的评级是否与预期值匹配
它提供有关测试成功或失败的清晰反馈

您可以在 PowerApps-TestEngine 存储库中的 AI 提示示例中探索完整的实现。

引入 AI 感知测试

使用 GitHub Copilot 为由 AI 驱动的应用程序生成测试时：

提示：
为我的 AI 驱动的应用生成一个测试，该应用使用 AI Builder 表单处理。包括测试步骤来验证 AI 结果与非确定性输出的适当容差。

如果GitHub Copilot生成不符合需求的测试：

优化提示：更具体地说明要测试的内容
提供示例：链接到符合您所需风格的特定测试示例
分解复杂的测试：请求生成更小、更聚焦的测试组件
Iterate：使用Copilot的响应优化下一个提示

探索 Test Engine 功能
 浏览 Test Engine 示例目录
 了解 Power Fx 测试函数
 了解 YAML 测试格式
 探索身份验证选项
 训练：使用 GitHub Copilot 智能体模式生成应用程序

反馈

此页面是否有帮助？

Last updated on 2026-04-18