Testing Course Samples

पाठ्यक्रम नमूनों का परीक्षण

सत्यापित करें कि पाठ नोटबुक और कोड नमूने एक लाइव Microsoft Foundry / Azure OpenAI सेटअप के खिलाफ चल रहे हैं। रिपो एक रनर भेजता है scripts/validate-notebooks.ps1 जो हर पायथन नोटबुक को हेडलेसली निष्पादित करता है और एक PASS/FAIL मैट्रिक्स प्रिंट करता है।

कब उपयोग करें

• "मेरी Azure सदस्यता के खिलाफ सभी नोटबुक / नमूनों को सत्यापित करें।"
• "पैकेज को अपग्रेड करने या मॉडल बदलने के बाद कोर्स का स्मोक-टेस्ट करें।"
• "कौन से पाठ अभी भी लाइव में पास / फेल होते हैं?"

AI स्मोक टेस्ट GitHub एक्शन (जो तैनात होस्टेड एजेंट्स को सत्यापित करता है — देखें tests/README.md) के लिए इसका उपयोग नहीं करें। यह स्किल नोटबुक को स्थानीय रूप से चलाता है।

आवश्यकताएँ (पहले जांचें)

1. Python 3.12+ पाठ्यक्रम डिप्स के साथ: python -m pip install -r requirements.txt साथ ही कार्यपालक: python -m pip install nbconvert ipykernel।
2. रिपो रूट पर .env (.env.example से कॉपी करें) जिसमें कम से कम:
   • AZURE_AI_PROJECT_ENDPOINT — Foundry प्रोजेक्ट एंडपॉइंट (https://<account>.services.ai.azure.com/api/projects/<project>)
   • AZURE_AI_MODEL_DEPLOYMENT_NAME — एक गैर-डिप्रिकेटेड डिप्लॉयमेंट (जैसे gpt-4.1-mini)
   • AZURE_OPENAI_ENDPOINT (https://<account>.openai.azure.com) और AZURE_OPENAI_DEPLOYMENT उन पाठों के लिए जो Azure OpenAI को सीधे कॉल करते हैं (Lesson 06, 02-azure-openai, 14 handoff/human-loop)।
3. az login पूरा हुआ — नमूने AzureCliCredential के साथ प्रमाणीकृत होते हैं (Entra ID, बिना कुंजी के)।
4. सत्यापित करें कि मॉडल डिप्लॉयमेंट मौजूद है: az cognitiveservices account deployment list -g <rg> -n <account> -o table।

सत्यापन चलाना

# सभी पाइथन नोटबुक्स (छोड़ें .NET, .venv, site-packages, translations, skill assets)
pwsh scripts/validate-notebooks.ps1

# एकल पाठ, प्रत्येक सेल के लिए अधिक समय सीमा के साथ
pwsh scripts/validate-notebooks.ps1 -Filter '08-*' -Timeout 600

# केवल बताएं क्या चलेगा (कोई निष्पादन नहीं)
pwsh scripts/validate-notebooks.ps1 -List

# स्पष्ट इंटरप्रेटर (अगर `python` PATH में नहीं है, जैसे Windows Store उपनाम)
pwsh scripts/validate-notebooks.ps1 -Python "C:/path/to/python.exe"

स्क्रिप्ट निष्पादित प्रतियां, प्रति नोटबुक लॉग, और results.json को $env:TEMP\aiab-nbval में लिखती है और विफलताओं की संख्या के साथ निकलती है।

परिणामों की व्याख्या

• PASS — नोटबुक ने बिना सेल त्रुटि के पूरा रन किया।
• FAIL — पहली *Error / *Exception लाइन दिखाई जाती है; आउटपुट डायरेक्टरी में मेल खाने वाला log_*.txt खोलें पूरे ट्रेसबैक के लिए।
• एक एकल नोटबुक की विफलता -Timeout (प्रति सेल) द्वारा सीमित होती है, इसलिए एक रुका हुआ मानव-इन-द-लूप सेल StdinNotImplementedError के रूप में प्रदर्शित होता है न कि हैंग होता है।

अतिरिक्त संसाधनों वाले पाठ (उनके बिना विफल होने की उम्मीद)

रिपोर्टिंग वापस

एक PASS/FAIL टेबल के रूप में सारांश करें जो पाठ द्वारा समूहित हो। असली रिग्रेशन (कोड/कॉन्फ़िग बग जिन्हें ठीक करना है) को पर्यावरण अंतरालों (मिसिंग Search/Foundry Local/PAT) से अलग करें, और प्रत्येक वास्तविक विफलता के लिए विफल log_*.txt का उल्लेख करें।

अस्वीकरण: इस दस्तावेज़ का अनुवाद AI अनुवाद सेवा Co-op Translator का उपयोग करके किया गया है। जबकि हम सटीकता के लिए प्रयास करते हैं, कृपया ध्यान दें कि स्वचालित अनुवादों में त्रुटियाँ या अशुद्धियाँ हो सकती हैं। मूल दस्तावेज़ अपनी मूल भाषा में ही प्रामाणिक स्रोत माना जाना चाहिए। महत्वपूर्ण जानकारी के लिए, पेशेवर मानव अनुवाद की सिफारिश की जाती है। इस अनुवाद के उपयोग से उत्पन्न किसी भी गलतफहमी या गलत व्याख्या के लिए हम उत्तरदायी नहीं हैं।

Source: microsoft/ai-agents-for-beginners → translations/hi/.agents/skills/testing-course-samples/SKILL.md