# Testing Course Samples > Sprawdź, czy notatniki lekcji i przykładowy kod działają na żywo w konfiguracji Microsoft Foundry / Azure OpenAI. Repozytorium zawiera runner w scripts/validate-notebooks.ps1, który uruchamia każdy notatnik Pythona bez interfejsu i wyświetla macierz PASS/FAIL. - Skill: `thedixitjain/testing-course-samples-28` (Agent Skill) - Install (CLI): `npx skillmds add thedixitjain/testing-course-samples-28` - Raw SKILL.md: https://api.skillmd.com/api/skills/thedixitjain/testing-course-samples-28/raw - Safety review: pending - Works with: Claude Code, Claude.ai, OpenAI Codex - Category: DevOps & Infra - Author: thedixitjain (https://skillmd.com/u/thedixitjain) - Updated: 2026-09-09 - Page: https://skillmd.com/skills/thedixitjain/testing-course-samples-28 --- # Testowanie przykładów kursu Sprawdź, czy notatniki lekcji i przykładowy kod działają na żywo w konfiguracji Microsoft Foundry / Azure OpenAI. Repozytorium zawiera runner w [`scripts/validate-notebooks.ps1`](../../../../../scripts/validate-notebooks.ps1), który uruchamia każdy notatnik Pythona bez interfejsu i wyświetla macierz PASS/FAIL. ## Kiedy używać - "Zweryfikować wszystkie notatniki / przykłady na moim subskrypcji Azure." - "Szybki test kursu po aktualizacji pakietów lub zmianie modeli." - "Które lekcje nadal przechodzą / nie przechodzą na żywo?" Nie używaj tego do AI Smoke Test GitHub Action (który weryfikuje *wdrożonych* hostowanych agentów — patrz [`tests/README.md`](../../../tests/README.md)). To narzędzie uruchamia notatniki lokalnie. ## Wymagania wstępne (sprawdź najpierw) 1. **Python 3.12+** z zależnościami kursu: `python -m pip install -r requirements.txt` plus wykonawcą: `python -m pip install nbconvert ipykernel`. 2. **`.env` w katalogu głównym repozytorium** (skopiuj z [`.env.example`](../../../../../.env.example)) zawierający co najmniej: - `AZURE_AI_PROJECT_ENDPOINT` — punkt końcowy projektu Foundry (`https://.services.ai.azure.com/api/projects/`) - `AZURE_AI_MODEL_DEPLOYMENT_NAME` — nieprzestarzałe wdrożenie (np. `gpt-5-mini`) - `AZURE_OPENAI_ENDPOINT` (`https://.openai.azure.com`) i `AZURE_OPENAI_DEPLOYMENT` dla lekcji które bezpośrednio wywołują Azure OpenAI (Lekcja 06, 02-azure-openai, 14 handoff/human-loop). 3. Ukończone **`az login`** — próbki uwierzytelniają się przez `AzureCliCredential` (Entra ID, bez klucza). 4. Zweryfikuj, że wdrożenie modelu istnieje: `az cognitiveservices account deployment list -g -n -o table`. ## Uruchomienie walidacji ```powershell # Wszystkie notatniki Pythona (pomija .NET, .venv, site-packages, tłumaczenia, zasoby umiejętności) pwsh scripts/validate-notebooks.ps1 # Pojedyncza lekcja, z dłuższym limitem czasu na pojedynczą komórkę pwsh scripts/validate-notebooks.ps1 -Filter '08-*' -Timeout 600 # Tylko lista tego, co by się uruchomiło (bez wykonywania) pwsh scripts/validate-notebooks.ps1 -List # Jawny interpreter (jeśli `python` nie jest w PATH, np. alias Windows Store) pwsh scripts/validate-notebooks.ps1 -Python "C:/path/to/python.exe" ``` Skrypt zapisuje wykonane kopie, logi per-notebook i `results.json` do `$env:TEMP\aiab-nbval` i kończy się liczbą błędów. Przemijające błędy (limity HTTP 429 współdzielonej subskrypcji, okazjonalne problemy z tokenem `AzureCliCredential`, lub timeout) są automatycznie powtarzane (`-Retries`, domyślnie 2, z opóźnieniem `-RetryDelaySeconds`, domyślnie 20). Jeśli wdrożenie modelu często powoduje 429, sprawdź globalny limit TPM subskrypcji standardowej (`az cognitiveservices usage list -l `) — zwiększenie pojemności pojedynczego wdrożenia nic nie da gdy *limit subskrypcji* jest wyczerpany. ## Interpretacja wyników - `PASS` — notatnik uruchomił się od początku do końca bez błędów w komórkach. - `FAIL` — pokazana jest pierwsza linia `*Error` / `*Exception`; otwórz pasujący `log_*.txt` w katalogu wyjściowym, aby zobaczyć pełny traceback. - Pojedyncza nieudana próba notatnika objęta jest limitem `-Timeout` (na komórkę), więc zablokowana komórka interaktywna powoduje `StdinNotImplementedError` zamiast zawieszenia. ## Lekcje wymagające dodatkowych zasobów (oczekiwane niepowodzenia bez nich) | Lekcja | Dodatkowy wymóg | |--------|-------------------| | 05 Agentic RAG | Azure AI Search (`AZURE_SEARCH_SERVICE_ENDPOINT`, klucz) — posiada ścieżkę awaryjną w pamięci | | 11 MCP / GitHub | Serwer GitHub MCP + PAT | | 13 pamięć (cognee) | `cognee` skonfigurowany z dostawcą modelu | | 15 użycie przeglądarki | Zainstalowane przeglądarki Playwright (`playwright install`) + `AZURE_OPENAI_CHAT_DEPLOYMENT_NAME` | | 17 lokalny agent | Lokalne środowisko Foundry + pobrany model Qwen (na urządzeniu, bez chmury) | | notatniki `*-dotnet-*` | Jądro .NET Interactive (domyślnie wykluczone; użyj `-IncludeDotnet`) | ## Raportowanie wyników Podsumuj w tabeli PASS/FAIL pogrupowanej według lekcji. Oddziel rzeczywiste regresje (błędy kodu/konfiguracji do naprawienia) od braków środowiskowych (brak Search/Foundry Local/PAT), i wskaż odpowiedni `log_*.txt` dla każdego rzeczywistego błędu. --- **Zastrzeżenie**: Niniejszy dokument został przetłumaczony za pomocą usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Choć dążymy do dokładności, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub niedokładności. Oryginalny dokument w jego języku źródłowym należy uznawać za autorytatywne źródło. W przypadku informacji krytycznych zalecane jest skorzystanie z profesjonalnego tłumaczenia wykonanego przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia. --- **Source:** [`microsoft/ai-agents-for-beginners`](https://github.com/microsoft/ai-agents-for-beginners) → `translations/pl/.agents/skills/testing-course-samples/SKILL.md`