wehub-resource-sync
279 lines
12 KiB
Markdown
279 lines
12 KiB
Markdown
# 🚀 Modul 1: Základy Microsoft Foundry Toolkit
|
||
|
||
[]()
|
||
[]()
|
||
[]()
|
||
|
||
## 📋 Výukové cíle
|
||
|
||
Na konci tohoto modulu budete schopni:
|
||
- ✅ Nainstalovat a nakonfigurovat Microsoft Foundry Toolkit Extension pro VS Code
|
||
- ✅ Pohybovat se v Model Catalog a rozumět různým zdrojům modelů
|
||
- ✅ Používat Playground pro testování a experimentování s modely
|
||
- ✅ Vytvářet vlastní AI agenty pomocí Agent Builder
|
||
- ✅ Porovnávat výkon modelů napříč různými poskytovateli
|
||
- ✅ Aplikovat nejlepší postupy pro návrh promptů
|
||
|
||
## 🧠 Úvod do Microsoft Foundry Toolkit
|
||
|
||
**Microsoft Foundry Toolkit Extension pro VS Code** je hlavní rozšíření Microsoftu, které přeměňuje VS Code na komplexní vývojové prostředí pro AI. Spojuje výzkum AI s praktickým vývojem aplikací, díky čemuž je generativní AI přístupná vývojářům všech úrovní.
|
||
|
||
### 🌟 Klíčové funkce
|
||
|
||
| Funkce | Popis | Případ použití |
|
||
|---------|-------------|----------|
|
||
| **🗂️ Model Catalog** | Přístup k více než 100 modelům z GitHub, ONNX, OpenAI, Anthropic, Google | Objevování a výběr modelů |
|
||
| **🔌 Podpora BYOM** | Integrace vlastních modelů (lokálních/vzdálených) | Nasazení vlastních modelů |
|
||
| **🎮 Interaktivní Playground** | Testování modelů v reálném čase s chatovým rozhraním | Rychlé prototypování a testování |
|
||
| **📎 Podpora multimodálních dat** | Zpracování textu, obrázků a příloh | Komplexní AI aplikace |
|
||
| **⚡ Hromadné zpracování** | Spouštění více promptů současně | Efektivní testovací procesy |
|
||
| **📊 Hodnocení modelů** | Vstavané metriky (F1, relevance, podobnost, koherence) | Hodnocení výkonu |
|
||
|
||
### 🎯 Proč je Microsoft Foundry Toolkit důležitý
|
||
|
||
- **🚀 Zrychlený vývoj**: Od nápadu k prototypu během minut
|
||
- **🔄 Jednotný pracovní tok**: Jedno rozhraní pro více AI poskytovatelů
|
||
- **🧪 Snadné experimentování**: Porovnání modelů bez složitého nastavení
|
||
- **📈 Připravený na produkci**: Plynulý přechod z prototypu do nasazení
|
||
|
||
## 🛠️ Požadavky a nastavení
|
||
|
||
### 📦 Instalace Microsoft Foundry Toolkit Extension
|
||
|
||
**Krok 1: Přístup na tržiště rozšíření**
|
||
1. Otevřete Visual Studio Code
|
||
2. Přejděte do zobrazení Rozšíření (`Ctrl+Shift+X` nebo `Cmd+Shift+X`)
|
||
3. Vyhledejte "Microsoft Foundry Toolkit"
|
||
|
||
**Krok 2: Výběr verze**
|
||
- **🟢 Stabilní verze**: Doporučeno pro produkční použití
|
||
- **🔶 Předběžná verze**: Předčasný přístup k nejnovějším funkcím
|
||
|
||
**Krok 3: Instalace a aktivace**
|
||
|
||
|
||
|
||
### ✅ Kontrolní seznam ověření
|
||
- [ ] Ikona Microsoft Foundry Toolkit se zobrazila v postranním panelu VS Code
|
||
- [ ] Rozšíření je povoleno a aktivováno
|
||
- [ ] V panelu výstupu nejsou chyby instalace
|
||
|
||
## 🧪 Praktický úkol 1: Prozkoumání GitHub modelů
|
||
|
||
**🎯 Cíl**: Ovládnout Model Catalog a otestovat svůj první AI model
|
||
|
||
### 📊 Krok 1: Pohyb v Model Catalog
|
||
|
||
Model Catalog je vaše brána do AI ekosystému. Agreguje modely od různých poskytovatelů, což usnadňuje objevování a porovnávání možností.
|
||
|
||
**🔍 Průvodce navigací:**
|
||
|
||
Klikněte na **MODELS – Catalog** v postranním panelu Microsoft Foundry Toolkit
|
||
|
||
|
||
|
||
**💡 Tip:** Hledejte modely s konkrétními schopnostmi, které odpovídají vašemu použití (např. generování kódu, kreativní psaní, analýza).
|
||
|
||
**⚠️ Poznámka**: Modely hostované na GitHubu (tj. GitHub Models) jsou zdarma, ale podléhají limitům počtu požadavků a tokenů. Pokud chcete přistupovat k modelům mimo GitHub (např. externí modely hostované přes Azure AI nebo jiné endpointy), budete muset zadat příslušný API klíč nebo autentifikaci.
|
||
|
||
### 🚀 Krok 2: Přidání a konfigurace prvního modelu
|
||
|
||
**Strategie výběru modelu:**
|
||
- **GPT-4.1**: Nejlepší pro složité uvažování a analýzu
|
||
- **Phi-4-mini**: Lehčí, rychlé odpovědi pro jednoduché úlohy
|
||
|
||
**🔧 Proces konfigurace:**
|
||
1. Vyberte **OpenAI GPT-4.1** z katalogu
|
||
2. Klikněte na **Add to My Models** – tím se model zaregistruje pro použití
|
||
3. Zvolte **Try in Playground** pro spuštění testovacího prostředí
|
||
4. Počkejte na inicializaci modelu (nastavení při prvním použití může chvíli trvat)
|
||
|
||
|
||
|
||
**⚙️ Pochopení parametrů modelu:**
|
||
- **Temperature**: Ovládá kreativitu (0 = deterministický, 1 = kreativní)
|
||
- **Max Tokens**: Maximální délka odpovědi
|
||
- **Top-p**: Nucleus sampling pro rozmanitost odpovědí
|
||
|
||
### 🎯 Krok 3: Ovládněte rozhraní Playground
|
||
|
||
Playground je vaše laboratoř pro experimentování s AI. Zde je, jak maximálně využít jeho potenciál:
|
||
|
||
**🎨 Nejlepší postupy pro návrh promptů:**
|
||
1. **Buďte konkrétní**: Jasné, detailní instrukce přinášejí lepší výsledky
|
||
2. **Poskytněte kontext**: Zahrňte relevantní doplňující informace
|
||
3. **Používejte příklady**: Ukažte modelu, co chcete, na příkladech
|
||
4. **Iterujte**: Vylepšujte prompt podle prvních výsledků
|
||
|
||
**🧪 Testovací scénáře:**
|
||
```markdown
|
||
# Example 1: Code Generation
|
||
"Write a Python function that calculates the factorial of a number using recursion. Include error handling and docstrings."
|
||
|
||
# Example 2: Creative Writing
|
||
"Write a professional email to a client explaining a project delay, maintaining a positive tone while being transparent about challenges."
|
||
|
||
# Example 3: Data Analysis
|
||
"Analyze this sales data and provide insights: [paste your data]. Focus on trends, anomalies, and actionable recommendations."
|
||
```
|
||
|
||
|
||
|
||
### 🏆 Výzva: Porovnání výkonu modelů
|
||
|
||
**🎯 Cíl**: Porovnat různé modely se stejnými prompty, pochopit jejich přednosti
|
||
|
||
**📋 Instrukce:**
|
||
1. Přidejte **Phi-4-mini** do svého workspace
|
||
2. Použijte stejný prompt pro GPT-4.1 i Phi-4-mini
|
||
|
||
|
||
|
||
3. Porovnejte kvalitu odpovědí, rychlost a přesnost
|
||
4. Zdokumentujte své poznatky v sekci výsledků
|
||
|
||
|
||
|
||
**💡 Klíčová zjištění:**
|
||
- Kdy použít LLM vs SLM
|
||
- Kompromisy mezi náklady a výkonem
|
||
- Specializované schopnosti jednotlivých modelů
|
||
|
||
## 🤖 Praktický úkol 2: Vytváření vlastních agentů pomocí Agent Builder
|
||
|
||
**🎯 Cíl**: Vytvořit specializované AI agenty přizpůsobené konkrétním úlohám a workflow
|
||
|
||
### 🏗️ Krok 1: Pochopení Agent Builder
|
||
|
||
Agent Builder je místo, kde Microsoft Foundry Toolkit opravdu zazáří. Umožňuje vám vytvářet účelově navržené AI asistenty, kteří kombinují sílu velkých jazykových modelů s vlastními instrukcemi, konkrétními parametry a specializovanými znalostmi.
|
||
|
||
**🧠 Složky architektury agenta:**
|
||
- **Jádrový model**: Základní LLM (GPT-4, Groks, Phi atd.)
|
||
- **Systémový prompt**: Definuje osobnost a chování agenta
|
||
- **Parametry**: Detailní nastavení pro optimální výkon
|
||
- **Integrace nástrojů**: Připojení k externím API a MCP službám
|
||
- **Paměť**: Kontext konverzace a přetrvávání sezení
|
||
|
||
|
||
|
||
### ⚙️ Krok 2: Hloubková konfigurace agenta
|
||
|
||
**🎨 Vytváření efektivních systémových promptů:**
|
||
```markdown
|
||
# Template Structure:
|
||
## Role Definition
|
||
You are a [specific role] with expertise in [domain].
|
||
|
||
## Capabilities
|
||
- List specific abilities
|
||
- Define scope of knowledge
|
||
- Clarify limitations
|
||
|
||
## Behavior Guidelines
|
||
- Response style (formal, casual, technical)
|
||
- Output format preferences
|
||
- Error handling approach
|
||
|
||
## Examples
|
||
Provide 2-3 examples of ideal interactions
|
||
```
|
||
|
||
*Samozřejmě můžete také použít Generate System Prompt, aby vám AI pomohla generovat a optimalizovat prompty*
|
||
|
||
**🔧 Optimalizace parametrů:**
|
||
| Parametr | Doporučený rozsah | Případ použití |
|
||
|-----------|------------------|----------|
|
||
| **Temperature** | 0.1-0.3 | Technické/faktické odpovědi |
|
||
| **Temperature** | 0.7-0.9 | Kreativní/brainstormingové úlohy |
|
||
| **Max Tokens** | 500-1000 | Stručné odpovědi |
|
||
| **Max Tokens** | 2000-4000 | Detailní vysvětlení |
|
||
|
||
### 🐍 Krok 3: Praktický úkol – Python programovací agent
|
||
|
||
**🎯 Mise**: Vytvořit specializovaného asistenta pro Python programování
|
||
|
||
**📋 Konfigurační kroky:**
|
||
|
||
1. **Výběr modelu**: Zvolte **Claude 3.5 Sonnet** (vynikající pro kód)
|
||
|
||
2. **Návrh systémového promptu**:
|
||
```markdown
|
||
# Python Programming Expert Agent
|
||
|
||
## Role
|
||
You are a senior Python developer with 10+ years of experience. You excel at writing clean, efficient, and well-documented Python code.
|
||
|
||
## Capabilities
|
||
- Write production-ready Python code
|
||
- Debug complex issues
|
||
- Explain code concepts clearly
|
||
- Suggest best practices and optimizations
|
||
- Provide complete working examples
|
||
|
||
## Response Format
|
||
- Always include docstrings
|
||
- Add inline comments for complex logic
|
||
- Suggest testing approaches
|
||
- Mention relevant libraries when applicable
|
||
|
||
## Code Quality Standards
|
||
- Follow PEP 8 style guidelines
|
||
- Use type hints where appropriate
|
||
- Handle exceptions gracefully
|
||
- Write readable, maintainable code
|
||
```
|
||
|
||
3. **Konfigurace parametrů**:
|
||
- Temperature: 0.2 (pro konzistentní, spolehlivý kód)
|
||
- Max Tokens: 2000 (detailní vysvětlení)
|
||
- Top-p: 0.9 (vyvážená kreativita)
|
||
|
||
|
||
|
||
### 🧪 Krok 4: Testování vašeho Python agenta
|
||
|
||
**Testovací scénáře:**
|
||
1. **Základní funkce**: "Vytvoř funkci na hledání prvočísel"
|
||
2. **Složitý algoritmus**: "Implementuj binární vyhledávací strom s metodami insert, delete a search"
|
||
3. **Reálný problém**: "Postav web scraper, který řeší omezení počtu požadavků a opakování"
|
||
4. **Ladění**: "Oprav tento kód [vložit chybný kód]"
|
||
|
||
**🏆 Kritéria úspěchu:**
|
||
- ✅ Kód běží bez chyb
|
||
- ✅ Obsahuje odpovídající dokumentaci
|
||
- ✅ Dodržuje nejlepší postupy v Pythonu
|
||
- ✅ Poskytuje jasná vysvětlení
|
||
- ✅ Navrhuje vylepšení
|
||
|
||
## 🎓 Shrnutí modulu 1 a další kroky
|
||
|
||
### 📊 Kontrola znalostí
|
||
|
||
Otestujte své porozumění:
|
||
- [ ] Dokážete vysvětlit rozdíl mezi modely v katalogu?
|
||
- [ ] Úspěšně jste vytvořili a otestovali vlastního agenta?
|
||
- [ ] Rozumíte optimalizaci parametrů pro různé případy použití?
|
||
- [ ] Umíte navrhovat efektivní systémové prompty?
|
||
|
||
### 📚 Další zdroje
|
||
|
||
- **Dokumentace Microsoft Foundry Toolkit**: [Oficiální dokumentace Microsoft](https://github.com/microsoft/vscode-ai-toolkit)
|
||
- **Průvodce návrhem promptů**: [Nejlepší postupy](https://platform.openai.com/docs/guides/prompt-engineering)
|
||
- **Modely v Microsoft Foundry Toolkit**: [Modely ve vývoji](https://github.com/microsoft/vscode-ai-toolkit/blob/main/doc/models.md)
|
||
|
||
**🎉 Gratulujeme!** Ovládli jste základy Microsoft Foundry Toolkit a jste připraveni vytvářet pokročilejší AI aplikace!
|
||
|
||
### 🔜 Pokračujte do dalšího modulu
|
||
|
||
Chcete-li pokročilé funkce, pokračujte do **[Modul 2: MCP s Microsoft Foundry Toolkit Fundamentals](../lab2/README.md)**, kde se naučíte:
|
||
- Připojovat své agenty k externím nástrojům pomocí Model Context Protocol (MCP)
|
||
- Vytvářet agenty pro automatizaci prohlížeče s Playwright
|
||
- Integrovat MCP servery s vašimi Microsoft Foundry Toolkit agenty
|
||
- Posílit své agenty o externí data a schopnosti
|
||
|
||
---
|
||
|
||
<!-- CO-OP TRANSLATOR DISCLAIMER START -->
|
||
**Prohlášení o omezení odpovědnosti**:
|
||
Tento dokument byl přeložen pomocí AI překladatelské služby [Co-op Translator](https://github.com/Azure/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.
|
||
<!-- CO-OP TRANSLATOR DISCLAIMER END --> |