Generativa AI-funktioner i Power Apps testmotor (inaktuell)

Power Apps Test Engine erbjuder omfattande generativa AI-funktioner som sträcker sig över hela testlivscykeln. Den här sidan ger en översikt över hur generativ AI kan förbättra din testupplevelse, från att skapa tester till att utföra och validera dem.

Test Engines generativa AI-funktioner riktar sig mot tre viktiga områden i testprocessen:

Generativ AI-assisterad testförfattande

Att skapa omfattande testplaner kan vara tidskrävande, särskilt för komplexa applikationer. Testmotorn stöder generativ AI-assisterad redigering via:

• GitHub Copilot integration: Generera testmallar, teststeg och intyg baserat på programkoden
• Skapa test med naturligt språk: Beskriv testscenarier på vanlig engelska och översätt dem till körbara tester
• Provbaserad testgenerering: Referera till befintliga prover för att skapa kontextuellt relevanta tester

Den här metoden hjälper testförfattare att fokusera på affärslogik och valideringsregler i stället för testsyntax och exempelkod.

Implementering av Model Context Protocol-server

Power Apps Test Engine innehåller en MCP-serverimplementering (Model Context Protocol) som ger deterministisk analys av dina program och genererar testrekommendationer.

MCP-servern:

• Analyserar applikationsstrukturen för att identifiera testbara komponenter
• Genererar testmönster baserat på kontrolltyper och relationer
• Ger rekommendationer för kontextuell kod
• Integrerar med MCP-klienter som Visual Studio och GitHub Copilot
• Använder Plan Designer för att organisera och prioritera testinsatser
• Innehåller lösningsdefinitionselement och datascheman för omfattande testning
• Använder metadata från din lösning för att generera kontextuellt relevanta tester

När du kombinerar deterministisk analys med generativa AI-funktioner ger detta tillvägagångssätt dig en mer tillförlitlig och exakt testgenerering jämfört med enbart rena generativa metoder.

Testa icke-terministiska AI-funktioner

När du testar program som använder AI-funktioner som AI Builder-komponenter eller GPT-modeller (Generative Pretrained Transformer) måste du särskilt överväga att hantera icke-terministiska utdata.

Test Engine tillhandahåller:

• Funktionen Preview.AIExecutePrompt: Kör AI-prompter med kontrollerade indata och validera utdata
• Toleransbaserad validering: Kontrollera att AI-utdata uppfyller förväntningarna inom acceptabla tröskelvärden
• Validering av strukturerad svar: Tolka och validera komplext AI-genererat innehåll
• Planbaserad validering: Använd Plan Designer-definitioner för att validera AI-utdata mot förväntade kriterier

Dessa funktioner säkerställer att du kan skapa tillförlitliga, repeterbara tester även när du arbetar med inbyggda variabla AI-system.

Att välja rätt generativ AI-metod

Tänk på följande riktlinjer för optimala resultat:

Relaterade artiklar

AI-assisterad testredigering med GitHub Copilot
Använda Model Context Protocol-servern med testmotorn
Testa icke-deterministiska AI-komponenter
Bläddra i exempelkatalogen för testmotorn
Prova testmotorns Power FX-funktioner
Använd Plan Designer