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.

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