Testing Course Samples

Test af kursusprøver

Bekræft, at lektions-notebooks og kodeeksempler kører mod en aktiv Microsoft Foundry / Azure OpenAI opsætning. Repoet indeholder en runner i scripts/validate-notebooks.ps1, som eksekverer hver Python-notebook headlessly og udskriver en PASS/FAIL matrix.

Hvornår bruges den

• "Valider alle notebooks / prøver mod mit Azure abonnement."
• "Røgryst kurset efter opgradering af pakker eller ændring af modeller."
• "Hvilke lektioner går stadig igennem / fejler live?"

Brug ikke denne til AI Smoke Test GitHub Action (som validerer udrullede hostede agenter — se tests/README.md). Denne skill kører notebooks lokalt.

Forudsætninger (kontrollér først)

1. Python 3.12+ med kursusafhængigheder: python -m pip install -r requirements.txt plus eksekvereren: python -m pip install nbconvert ipykernel.
2. .env i repoets rod (kopiér fra .env.example) med mindst:
   • AZURE_AI_PROJECT_ENDPOINT — Foundry projekt-endpoint (https://<account>.services.ai.azure.com/api/projects/<project>)
   • AZURE_AI_MODEL_DEPLOYMENT_NAME — en ikke-deprecieret udrulning (fx gpt-5-mini)
   • AZURE_OPENAI_ENDPOINT (https://<account>.openai.azure.com) og AZURE_OPENAI_DEPLOYMENT for lektioner, der kalder Azure OpenAI direkte (Lektion 06, 02-azure-openai, 14 handoff/human-loop).
3. az login gennemført — prøverne godkendes med AzureCliCredential (Entra ID, keyless).
4. Bekræft at modeludrulningen findes: az cognitiveservices account deployment list -g <rg> -n <account> -o table.

Kørsel af validering

# Alle Python-notebooks (springer .NET, .venv, site-packages, oversættelser, færdighedsaktiver over)
pwsh scripts/validate-notebooks.ps1

# En enkelt lektion med en længere timeout pr. celle
pwsh scripts/validate-notebooks.ps1 -Filter '08-*' -Timeout 600

# Bare list, hvad der ville køre (ingen udførelse)
pwsh scripts/validate-notebooks.ps1 -List

# Eksplicit fortolker (hvis `python` ikke er på PATH, f.eks. Windows Store alias)
pwsh scripts/validate-notebooks.ps1 -Python "C:/path/to/python.exe"

Skriptet skriver eksekverede kopier, per-notebook logs, og results.json til $env:TEMP\aiab-nbval og afslutter med antallet af fejl.

Forbigående fejl (shared-subscription HTTP 429 rate limits, en lejlighedsvis AzureCliCredential token-fejl eller timeout) prøves automatisk igen (-Retries, standard 2, med -RetryDelaySeconds tilbagekobling, standard 20). Hvis en modeludrulning jævnligt giver 429, tjek abonnementets GlobalStandard TPM-kvote (az cognitiveservices usage list -l <region>) — at øge en enkelt udrulnings kapacitet hjælper ikke når abonnementets kvote er opbrugt.

Fortolkning af resultater

• PASS — notebooken kørte igennem fra start til slut uden cellefejl.
• FAIL — den første *Error / *Exception linje vises; åbn den tilsvarende log_*.txt i output-mappen for fuld traceback.
• En enkelt notebooks fejl begrænses af -Timeout (per celle), så en frossen human-in-the-loop celle fremstår som StdinNotImplementedError i stedet for at fryse.

Lektioner der kræver ekstra ressourcer (forventes at fejle uden dem)

Rapportering tilbage

Opsummer som en PASS/FAIL tabel grupperet efter lektion. Skill ægte regressionsfejl (kode-/konfigurationsfejl der skal rettes) fra miljømangler (manglende Search/Foundry Local/PAT), og referer til den fejlede log_*.txt for hver reel fejl.

Ansvarsfraskrivelse: Dette dokument er blevet oversat ved hjælp af AI-oversættelsestjenesten Co-op Translator. Selvom vi bestræber os på nøjagtighed, skal du være opmærksom på, at automatiserede oversættelser kan indeholde fejl eller unøjagtigheder. Det originale dokument på dets oprindelige sprog bør betragtes som den autoritative kilde. For kritisk information anbefales professionel menneskelig oversættelse. Vi påtager os intet ansvar for misforståelser eller fejltolkninger, der opstår som følge af brugen af denne oversættelse.