AI 輔助測試創作 ( GitHub Copilot 預覽版)

注意

預覽功能不供生產時使用，而且可能功能受限。這些功能是在正式發行前先行推出，讓客戶能夠搶先體驗並提供意見反應。

為 Power Platform 應用程式創建全面的測試計劃可能非常耗時，尤其是對於複雜的場景。人工智慧輔助創作工具等 GitHub Copilot 可以通過生成測試範本、建議測試用例和自動創建樣板代碼來顯著加速這一過程。

本指南介紹如何與原始程式碼管理解決方案一起使用 GitHub Copilot Power Platform ，以有效地創建測試引擎測試計劃。

必要條件

在開始之前，請確保您擁有：

設置測試創作環境

為了最大限度地提高 AI 輔助測試創作的有效性，請將這些工具組合到結構化工作流程中：

獲取源檔
- 從原始程式碼管理克 Power Platform 隆環境或解決方案
- 使用 pac solution export Power Platform 和 pac solution unpack 從文件中匯出和解壓解決方案
初始化 git 儲存庫以進行版本控制 (如果尚未完成)
在解決方案存儲庫中創建專用測試資料夾
在 Code 中 Visual Studio 開啟解決方案資料夾

用於 GitHub Copilot 創建測試

GitHub Copilot 可以幫助您根據原始程式碼控制的解決方案生成各種測試元件。以下是如何有效使用其功能：

使用範例文件作為上下文

測試引擎示例目錄提供了豐富的參考資料 GitHub Copilot來源。您可以透過以下方式説明 Copilot 產生更高品質的測試：

在工作區中包含 samples.md 檔
在提示中引用特定範例
提供指向示例 GitHub 儲存庫的連結

例如，您可以：

在 VS Code 中開啟應用程式代碼和 samples.md 檔案
要求 Copilot 創建「類似於 ButtonClicker 範例」或「使用範例中的 Dataverse 模式」的測試
從符合您測試需求的樣品中參考特定功能

此方法有助於 Copilot 瞭解 Power Platform 測試引擎模式並生成更準確的測試。

在代理模式下使用 GitHub Copilot

Visual Studio Code's GitHub Copilot Chat 提供了一種代理模式，可以幫助根據您的解決方案檔生成測試。此模式允許 Copilot 更深入地訪問和瞭解您的專案上下文。

要使用代理模式產生測試：

在 VS Code 中，打開 GitHub Copilot “聊天”(Ctrl+Shift+I)
從 Copilot 模式選擇器中選擇代理
製作有關您要創建的測試的詳細提示

測試生成的示例提示

嘗試使用這樣的提示來產生測試：

目標：
使用以 ButtonClicker 示例為 Power Apps 模型的測試引擎為畫布應用生成全面的測試套件。

提示：
使用 at 示例 https://github.com/microsoft/PowerApps-TestEngine/tree/main/samples/buttonclicker 作為引用，為 ./SolutionPackage/src/CanvasApps/src/MyApp/Src/App.fx.yaml 生成測試。創建預期案例、邊緣案例和異常案例。測試應根據範例創建一個測試 YAML 檔和 Power Fx 測試步驟、config.json 和 RunTest.ps1，以便我能夠運行測試。

目標：
為模型驅動應用制定詳細的測試計劃，以確保核心功能和業務邏輯按預期工作。

提示：
為位於 ./SolutionPackage/src/Other/Solution.xml 的模型驅動應用創建全面的測試計劃。測試應驗證表單載入、記錄創建和業務規則執行。生成測試 YAML、 Power Fx 步驟和 PowerShell 腳本以運行測試。

目標：
為實體構建 Dataverse 測試計劃，通過作驗證 Power Fx CRUD 作。

提示：
為我的 Dataverse 實體制定全面的測試計劃。測試應執行創建、更新、刪除 Power Fx 作。生成測試 YAML、 Power Fx 步驟和 PowerShell 腳本以運行測試。

瞭解生成的測試元件

生成測試時 GitHub Copilot ，通常會創建以下元件：

YAML 測試計劃：定義測試結構、應用 URL 和測試步驟
Power Fx test steps：包含使用表達式的 Power Fx 測試邏輯
config.json：測試執行參數的配置
RunTest.ps1：用於執行測試的 PowerShell 腳本

範例：生成的測試結構

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

AI 輔助測試創作的最佳實踐

請考慮以下部分，以充分利用 GitHub Copilot 測試引擎測試創建。

在提示中提供清晰的上下文

具體說明要測試的內容，並包含對以下內容的引用：

要測試的確切檔
用作範本的範例測試
要涵蓋的特定測試方案
任何身份驗證或環境要求

使用測試引擎範例獲取上下文

# samples.md 文檔對測試引擎存儲庫中的所有可用示例進行了分類，這在製作提示 GitHub Copilot時可以作為很好的參考。例如，在測試帶有按鈕的畫布應用時，可以參考按鈕點擊器範例：

提示：
使用 ButtonClicker 示例 https://github.com/microsoft/PowerApps-TestEngine/tree/main/samples/buttonclicker，在 ./SolutionPackage/src/CanvasApps/src/MyApp/Src/App.fx.yaml 中為我的 Canvas 應用生成測試。測試應該：
1. 驗證我的計數器按鈕是否在螢幕上遞增一個值
2. 測試邊界條件 (例如，最大值)
3. 包括 OnTestCaseStart 和 OnTestCaseComplete 生命週期鉤子
4. 使用適當的環境變數生成 config.json

這種方法有助於 Copilot 瞭解測試結構，並根據經過驗證的示例生成更準確、與上下文相關的測試。

使用原始程式碼控制的解決方案作為上下文

當 Copilot 能夠分析您的解決方案結構時，它的性能最佳。使用解決方案的 Power Platform 原始程式碼管理來提供此上下文。此上下文允許 Copilot：

瞭解應用的結構
標識控制項名稱和屬性
生成更準確的測試步驟
引用正確的文件路徑

查看和優化生成的測試

雖然人工智慧生成的測試提供了一個很好的起點，但始終：

驗證控件引用是否與應用程式匹配
為關鍵業務功能添加斷言
確保正確處理邊緣情況
驗證身份驗證配置

與手動專業知識相結合

對於複雜的測試方案，用於 GitHub Copilot ：

生成測試框架和結構
創建標準驗證模式
建議要考慮的邊緣情況

然後，利用您的領域專業知識進行以下方面的增強：

特定於業務的驗證規則
環境考慮
專業測試數據

常見的測試生成模式

本節包含一些常見的測試生成模式：

測試畫布應用

對於畫布應用，請使用引用 App.fx.yaml 原始程式碼控制解決方案中檔的提示：

提示：
在 ./SolutionPackage/src/CanvasApps/src/MyExpenseApp/Src/App.fx.yaml 中為我的 Canvas 應用生成測試，以驗證費用提交過程。測試應填充費用欄位，提交表單，並驗證是否顯示確認消息。

詳細瞭解 Canvas 應用測試

測試模型驅動應用

對於模型驅動應用，請重點關注實體導航、表單交互和業務規則：

提示：
為我的模型驅動應用創建一個測試，以測試客戶實體窗體。測試應創建新的帳戶記錄，驗證必填欄位，並驗證信用額度計算的業務規則是否正常工作。

詳細瞭解模型驅動應用測試

測試 Dataverse 擴展

對於 Dataverse 測試，強調數據作和業務邏輯驗證：

提示：
生成一個 Dataverse 測試來驗證我的解決方案中的自定義外掛程式。測試應創建測試記錄，觸發外掛程式執行，並驗證是否發生了預期的數據轉換。

瞭解有關測試的更多資訊 Dataverse

特定於樣本的測試提示

若要獲得最準確的測試生成，請參考測試引擎樣本目錄中符合測試需求的特定樣本。以下是針對常見測試場景的定製提示：

ButtonClicker 示例提示

ButtonClicker 示例演示了基本的計數器功能測試。使用以下提示：

提示：
為我的計數器應用生成一個測試，其結構與 ButtonClicker 示例類似。我的應用具有名為“IncrementBtn”和“ResetBtn”的按鈕，其中包含顯示當前計數的“CounterLabel”。創建一個測試，以驗證兩個按鈕是否正常工作，並且最大計數為 10。

提示：
使用 ButtonClicker 示例作為參考，為我的按鈕交互應用創建測試。我的應用有一個「SubmitButton」，只有在完成「NameInput」和「EmailInput」字段時才應啟用該按鈕。生成一個測試計劃，其中包含 Power Fx 驗證此行為的步驟。

庫測試提示

BasicGallery 和 NestedGallery 示例演示如何測試庫交互：

提示：
為我的庫應用生成一個測試，其中我有一個「產品」庫，其中包含包含「TitleLabel」、“PriceLabel”和“SelectButton”控件的產品項。使用 BasicGallery 示例結構來驗證我是否可以選擇項，以及正確的詳細資訊是否顯示在“DetailPanel”中。

數據作提示

該 Dataverse 範例演示了資料作測試：

提示：
使用範例模式為 Dataverse 我的 CRM 應用創建測試。測試我是否可以創建新的聯繫人記錄，對其進行更新，然後驗證更改是否持久。包括 UI 測試和直接 Dataverse 作。

AI 測試提示

要測試 AI 支援的功能，請參閱 AI 提示範例：

提示：
根據 AI 提示示例為我的情緒分析應用生成測試。我的應用程式有一個“FeedbackInput”文字框，用於 AI Builder 將其分類為正面、負面或中性。創建一個測試，以驗證不同的輸入在可接受的閾值內產生預期輸出。

先進技術

本節提供高級提示功能的示例。

創建多環境測試套件

可以提示 Copilot 產生跨多個環境工作的測試：

提示：
為我的應用程式生成一個測試套件，該套件可以在 DEV、TEST 和 PROD 環境中運行，併為每個環境提供適當的配置變數。

生成數據模擬場景

對於使用連接器模擬的隔離測試：

提示：
為使用 Outlook 連接器的 Office 365 應用建立具有模擬連接器響應的測試。測試應類比接收電子郵件並驗證應用的處理邏輯。

測試 AI 功能並處理非確定性結果

當您使用 AI 驅動的應用程式時，測試會帶來獨特的挑戰，因為即使輸入相同，AI 輸出也可能在運行之間略有不同。這種非確定性行為需要特殊的測試方法。

瞭解非確定性測試

非確定性測試涉及驗證可能在測試運行中合法變化的輸出：

AI 模型輸出：來自 GPT 或自定義 AI Builder 元件等 AI 模型的回應
置信度分數：可能在可接受範圍內波動的數值評估
生成的內容：人工智慧系統生成的文本或推薦

使用 Preview.AIExecutePrompt 對 AI 功能進行確定性測試

測試引擎提供 Preview.AIExecutePrompt ，支援對 AI 回應進行確定性驗證。此方法允許您：

在測試場景中執行 AI 提示
解析和驗證結構化回應
驗證關鍵輸出是否符合預期，儘管存在潛在變化

範例：使用 AI Builder

以下範例演示了如何使用該 Preview.AIExecutePrompt 函數來測試 AI 驅動的評級系統：

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}
  ))

在此範例中：

該測試針對“PromptEvaluator”模型執行 AI 提示
它傳遞了一個上下文和一個問題以供評估
它驗證返回的評級是否與預期值匹配
它提供有關測試成功或失敗的清晰反饋

您可以在 TestEngine 儲存庫中的 AI 提示示例 PowerApps中探索完整的實現。

結合人工智慧感知測試

用於 GitHub Copilot 為 AI 驅動的應用程式產生測試時：

提示：
為使用表單處理的 AI Builder AI 驅動的應用生成測試。包括測試步驟，以對非確定性輸出的適當容差來驗證 AI 結果。

如果 GitHub Copilot 生成不符合需求的測試：

優化提示：更具體地說明要測試的內容
提供範例：連結到符合您所需風格的特定測試樣品
分解複雜的測試：請求生成更小、更集中的測試元件
反覆運算：使用 Copilot 的響應來優化下一個提示

探索測試引擎功能
 瀏覽測試引擎範例目錄
 了解 Power Fx 測試函數
 瞭解 YAML 測試格式
 探索身份驗證選項
 培訓：使用代理模式構建 GitHub Copilot 應用程式

意見反應

此頁面對您有幫助嗎？

Last updated on 2025-07-29