Testing Course Samples

Testování ukázek kurzu

Ověřte, že si sešitové lekce a ukázky kódu spustí proti živému Microsoft Foundry / Azure OpenAI prostředí. Repozitář obsahuje spouštěč v scripts/validate-notebooks.ps1, který spustí všechny Python notebooky bez hlavičky a vytiskne matici PASS/FAIL.

Kdy použít

• "Ověřit všechny notebooky / ukázky proti mé Azure subskripci."
• "Rychle otestovat kurz po upgradu balíčků nebo změně modelů."
• "Které lekce stále procházejí / selhávají živě?"

Nepoužívejte toto pro AI Smoke Test GitHub Action (který ověřuje nasazené hostované agenty — viz tests/README.md). Tato dovednost spustí notebooky lokálně.

Požadavky (nejprve zkontrolujte)

1. Python 3.12+ s požadavky kurzu: python -m pip install -r requirements.txt plus exekutor: python -m pip install nbconvert ipykernel.
2. .env v kořeni repozitáře (zkopírovat z .env.example) s minimálně:
   • AZURE_AI_PROJECT_ENDPOINT — endpoint Foundry projektu (https://<account>.services.ai.azure.com/api/projects/<project>)
   • AZURE_AI_MODEL_DEPLOYMENT_NAME — nepřestaný nasazený model (např. gpt-5-mini)
   • AZURE_OPENAI_ENDPOINT (https://<account>.openai.azure.com) a AZURE_OPENAI_DEPLOYMENT pro lekce volající Azure OpenAI přímo (Lekce 06, 02-azure-openai, 14 handoff/human-loop).
3. dokončené az login — ukázky autentizují přes AzureCliCredential (Entra ID, bez klíče).
4. Ověřit, že existuje modelové nasazení: az cognitiveservices account deployment list -g <rg> -n <account> -o table.

Spuštění ověření

# Všechny Python notebooky (vynechává .NET, .venv, site-packages, překlady, skill assets)
pwsh scripts/validate-notebooks.ps1

# Jedna lekce, s delším timeoutem na buňku
pwsh scripts/validate-notebooks.ps1 -Filter '08-*' -Timeout 600

# Pouze vypsat, co by se spustilo (bez spuštění)
pwsh scripts/validate-notebooks.ps1 -List

# Explicitní interpret (pokud `python` není v PATH, např. alias Windows Store)
pwsh scripts/validate-notebooks.ps1 -Python "C:/path/to/python.exe"

Skript zapisuje spouštěné kopie, logy ke každému notebooku a results.json do $env:TEMP\aiab-nbval a končí s počtem neúspěchů.

Přechodné chyby (sdílené HTTP 429 limity rychlosti na subskripci, občasné výpadky tokenu AzureCliCredential, nebo časový limit) se automaticky opakují (-Retries, výchozí 2, s -RetryDelaySeconds pauzou, výchozí 20). Pokud je modelové nasazení často 429-ováno, zkontrolujte limit GlobalStandard TPM subskripce (az cognitiveservices usage list -l <region>) — zvýšení kapacity jednoho nasazení nepomůže, pokud je subskripční limit vyčerpán.

Interpretace výsledků

• PASS — notebook proběhl kompletně bez chyby v buňce.
• FAIL — zobrazuje se první řádek *Error / *Exception; otevřete odpovídající log_*.txt v adresáři výstupu pro celý traceback.
• Selhání jednoho notebooku je omezeno -Timeout (na buňku), takže zablokovaná buňka s člověkem v procesu se projeví jako StdinNotImplementedError, nevisí.

Lekce vyžadující dodatečné zdroje (bez nich očekávaně selžou)

Zpětné hlášení

Shrňte do tabulky PASS/FAIL seskupené podle lekce. Oddělte opravdové regresy (chyby v kódu/konfiguraci k opravě) od nedostatků prostředí (chybějící Search/Foundry Local/PAT), a uveďte padlé log_*.txt u každého reálného neúspěchu.

Prohlášení o omezení odpovědnosti: Tento dokument byl přeložen pomocí AI překladatelské služby Co-op Translator. Přestože usilujeme o co největší přesnost, mějte prosím na paměti, že automatizované překlady mohou obsahovat chyby nebo nepřesnosti. Originální dokument v jeho mateřském jazyce by měl být považován za autoritativní zdroj. Pro kritické informace se doporučuje profesionální lidský překlad. Nejsme odpovědní za jakékoli nedorozumění nebo nesprávné interpretace vzniklé použitím tohoto překladu.