wehub-resource-sync
22 KiB
🚀 मॉड्यूल 1: मायक्रोसॉफ्ट फाउंड्री टूलकिट मूलतत्त्वे
📋 शिक्षण उद्दिष्टे
या मॉड्यूलच्या शेवटी, आपण सक्षम असाल:
- ✅ मायक्रोसॉफ्ट फाउंड्री टूलकिट एक्स्टेंशन VS कोडसाठी इन्स्टॉल आणि कॉन्फिगर करणे
- ✅ मॉडेल कॅटलॉग नेव्हिगेट करणे आणि वेगवेगळ्या मॉडेल स्रोत समजून घेणे
- ✅ प्लेग्राऊंड वापरून मॉडेल चाचणी आणि प्रयोग करणे
- ✅ एजंट बिल्डर वापरून खासगी AI एजंट तयार करणे
- ✅ वेगवेगळ्या पुरवठादारांमधील मॉडेल कामगिरीची तुलना करणे
- ✅ प्रॉम्प्ट इंजिनीअरिंगसाठी सर्वोत्तम पद्धती वापरणे
🧠 मायक्रोसॉफ्ट फाउंड्री टूलकिट परिचय
मायक्रोसॉफ्ट फाउंड्री टूलकिट एक्स्टेंशन VS कोडसाठी मायक्रोसॉफ्टचे मुख्य एक्स्टेंशन आहे जे VS कोडला व्यापक AI विकास वातावरणात रूपांतरित करते. हे AI संशोधन आणि व्यावहारिक अनुप्रयोग विकास यातील अंतर मिटवते, सर्व कौशल्य पातळीच्या विकासकांसाठी जनरेटिव्ह AI सुलभ करते.
🌟 मुख्य क्षमता
| वैशिष्ट्य | वर्णन | वापराचा प्रकरण |
|---|---|---|
| 🗂️ मॉडेल कॅटलॉग | GitHub, ONNX, OpenAI, Anthropic, Google यांच्या 100+ मॉडेल्सवर ऍक्सेस | मॉडेल शोध आणि निवड |
| 🔌 BYOM समर्थन | आपले स्वतःचे मॉडेल (स्थानीय/रिमोट) एकत्रित करा | कस्टम मॉडेल वितरण |
| 🎮 इंटरएक्टिव्ह प्लेग्राऊंड | चॅट इंटरफेससह रिअल-टाइम मॉडेल चाचणी | जलद प्रोटोटाइप आणि चाचणी |
| 📎 मल्टी-मोडल समर्थन | मजकूर, प्रतिमा, आणि संलग्नक हाताळा | जटिल AI अनुप्रयोग |
| ⚡ बॅच प्रक्रिया | एकाच वेळी अनेक प्रॉम्प्ट चालवा | कार्यक्षम चाचणी कार्यप्रवाह |
| 📊 मॉडेल मूल्यांकन | अंगभूत मेट्रिक्स (F1, सादृश्यता, सुसंगतता) | कामगिरीचे मूल्यमापन |
🎯 मायक्रोसॉफ्ट फाउंड्री टूलकिट का महत्त्वाचा आहे
- 🚀 जलद विकास: कल्पनेपासून प्रोटोटाइपपर्यंत मिनिटांत
- 🔄 एकत्रित कार्यप्रवाह: एकाच इंटरफेसमध्ये अनेक AI पुरवठादारांसाठी
- 🧪 सुलभ प्रयोग: गुंता न करता मॉडेलची तुलना करा
- 📈 उत्पादनासाठी तयार: प्रोटोटाइपपासून वितरणापर्यंत सुरळीत संक्रमण
🛠️ पूर्वअट आणि सेटअप
📦 मायक्रोसॉफ्ट फाउंड्री टूलकिट एक्स्टेंशन स्थापित करा
पाऊल १: एक्स्टेंशन्स मार्केटप्लेसमध्ये जा
- Visual Studio Code उघडा
- एक्स्टेंशन्स व्ह्यू मध्ये जा (
Ctrl+Shift+XकिंवाCmd+Shift+X) - "Microsoft Foundry Toolkit" शोधा
पाऊल २: आपला आवृत्ती निवडा
- 🟢 रिलीझ: उत्पादक वापरासाठी शिफारस
- 🔶 प्रि-रिलीझ: अग्रगण्य वैशिष्ट्यांसाठी लवकर प्रवेश
पाऊल ३: इन्स्टॉल आणि सक्रिय करा
✅ पडताळणी यादी
- VS कोड साइडबारमध्ये मायक्रोसॉफ्ट फाउंड्री टूलकिट चिन्ह दिसते
- एक्स्टेंशन सक्षम आणि सक्रिय आहे
- आउटपुट पॅनलमध्ये कोणतीही इन्स्टॉलेशन त्रुटी नाही
🧪 हॅंड्स-ऑन एक्सरसाईज 1: GitHub मॉडेल्सची पाहणी
🎯 उद्दिष्ट: मॉडेल कॅटलॉगचे प्रभुत्व मिळवा आणि आपले पहिले AI मॉडेल तपासा
📊 पाऊल 1: मॉडेल कॅटलॉग नेव्हिगेट करा
मॉडेल कॅटलॉग हा आपला AI परिसंस्थेचा दरवाजा आहे. हे अनेक पुरवठादारांच्या मॉडेल्स एकत्र करतो, जेणेकरून शोध व तुलना सोपी होते.
🔍 नेव्हिगेशन मार्गदर्शक:
Microsoft Foundry Toolkit साइडबारमध्ये MODELS - Catalog वर क्लिक करा
💡 प्रो टिप: विशिष्ट क्षमता असलेले मॉडेल्स पाहा जे आपल्या वापर प्रकरणाशी सुसंगत असतील (उदा. कोड जनरेशन, सर्जनशील लेखन, विश्लेषण).
⚠️ नोंद: GitHub होस्टेड मॉडेल्स (उदा. GitHub Models) वापरणे मोफत आहे पण विनंती व टोकन्सवर मर्यादा लागू आहेत. जर आपल्याला गैर-GitHub मॉडेल्स (म्हणजे Azure AI किंवा इतर एंडपॉइंट्सद्वारे होस्ट केलेले बाह्य मॉडेल्स) ऍक्सेस करायचे असतील, तर आपल्याला योग्य API की किंवा प्रमाणीकरण पुरवावे लागेल.
🚀 पाऊल 2: आपले पहिले मॉडेल जोडा आणि कॉन्फिगर करा
मॉडेल निवडीची धोरण:
- GPT-4.1: क्लिष्ट विचारसरणी आणि विश्लेषणासाठी सर्वोत्तम
- Phi-4-mini: हलके, सोपे टास्कसाठी जलद प्रतिसाद
🔧 कॉन्फिगरेशन प्रक्रिया:
- कॅटलॉगमधून OpenAI GPT-4.1 निवडा
- Add to My Models वर क्लिक करा - मॉडेल नोंदणीसाठी
- Try in Playground निवडा जेणेकरून चाचणी वातावरण सुरू होईल
- मॉडेल प्रारंभासाठी थांबा (पहिल्यांदा सेटअप करताना वेळ लागू शकतो)
⚙️ मॉडेल पॅरामीटर्सची समज:
- Temperature: सर्जनशीलता नियंत्रित करते (0 = ठराविक, 1 = सर्जनशील)
- Max Tokens: प्रतिसादाची कमाल लांबी
- Top-p: प्रतिसाद वैविध्यासाठी न्यूक्लिअस सॅम्पलिंग
🎯 पाऊल 3: प्लेग्राऊंड इंटरफेसवर प्रभुत्व मिळवा
प्लेग्राऊंड हा आपला AI प्रयोगशाळा आहे. याचा अधिकाधिक फायदा कसा घ्यावा:
🎨 प्रॉम्प्ट इंजिनीअरिंग सर्वोत्तम पद्धती:
- स्पष्ट व्हा: स्पष्ट, तपशीलवार सूचना चांगले निकाल देतात
- कॉन्टेक्स्ट द्या: संबंधित पार्श्वभूमी माहिती सांगा
- उदाहरणे वापरा: मॉडेलला काय हवे आहे ते उदाहरणांनी दाखवा
- आवृत्ती करा: प्राथमिक निकालांनुसार प्रॉम्प्ट सुधारित करा
🧪 चाचणी परिस्थिती:
# 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."
🏆 आव्हानात्मक व्यायाम: मॉडेल कामगिरीची तुलना
🎯 उद्दिष्ट: समान प्रॉम्प्ट वापरून वेगवेगळ्या मॉडेल्सची ताकद समजून घेणे
📋 सूचना:
- आपल्या वर्कस्पेसमध्ये Phi-4-mini जोडा
- GPT-4.1 आणि Phi-4-mini दोघांनाही तोच प्रॉम्प्ट द्या
- प्रतिसाद गुणवत्ता, वेग आणि अचूकता यांची तुलना करा
- निकाल विभागात आपली निष्पत्ती नोंदवा
💡 शोधण्यासाठी मुख्य माहिती:
- LLM आणि SLM कधी वापरायचा
- खर्च व कामगिरीचे संतुलन
- वेगवेगळ्या मॉडेल्सच्या खास क्षमता
🤖 हॅंड्स-ऑन एक्सरसाईज 2: एजंट बिल्डर वापरून कस्टम एजंट तयार करा
🎯 उद्दिष्ट: विशिष्ट कामे आणि कार्यप्रवाहांसाठी खास AI एजंट तयार करणे
🏗️ पाऊल 1: एजंट बिल्डर समजून घेणे
एजंट बिल्डर हा मायक्रोसॉफ्ट फाउंड्री टूलकिटमधील अत्यंत महत्वाचा भाग आहे. यात तुम्ही मोठ्या भाषिक मॉडेल्सची शक्ती, खास निर्देश, विशिष्ट पॅरामीटर्स आणि खास ज्ञान एकत्र करून उद्देशपूर्ती AI सहाय्यक तयार करू शकता.
🧠 एजंट आर्किटेक्चर घटक:
- मुख्य मॉडेल: मूलभूत LLM (GPT-4, Groks, Phi, इ.)
- सिस्टम प्रॉम्प्ट: एजंटची व्यक्तिमत्त्व आणि वर्तन ठरवते
- पॅरामीटर्स: उत्तम कामगिरीसाठी सूक्ष्म समायोजन
- टूल्स इंटीग्रेशन: बाह्य API आणि MCP सेवांशी जोडणी
- मेमरी: संभाषणातील संदर्भ आणि सत्र टिकवणे
⚙️ पाऊल 2: एजंट कॉन्फिगरेशन सखोल अभ्यास
🎨 प्रभावी सिस्टम प्रॉम्प्ट तयार करणे:
# 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
नक्कीच, तुम्ही Generate System Prompt वापरून AI च्या मदतीने प्रॉम्प्ट तयार आणि ऑप्टिमाइझ देखील करू शकता
🔧 पॅरामीटर ऑप्टिमायझेशन:
| पॅरामीटर | शिफारस केलेला श्रेणी | वापराचा प्रकरण |
|---|---|---|
| Temperature | 0.1-0.3 | तांत्रिक/तथ्यात्मक प्रतिसादांसाठी |
| Temperature | 0.7-0.9 | सर्जनशील/मनन करणाऱ्या कार्यांसाठी |
| Max Tokens | 500-1000 | संक्षिप्त प्रतिसादांसाठी |
| Max Tokens | 2000-4000 | सविस्तर स्पष्टीकरणांसाठी |
🐍 पाऊल 3: व्यावहारिक व्यायाम - Python प्रोग्रामिंग एजंट
🎯 मोहीम: खास Python कोडिंग सहाय्यक तयार करा
📋 कॉन्फिगरेशन पावले:
-
मॉडेल निवड: Claude 3.5 Sonnet निवडा (कोडिंगसाठी उत्कृष्ट)
-
सिस्टम प्रॉम्प्ट डिझाइन:
# 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
- पॅरामीटर कॉन्फिगरेशन:
- Temperature: 0.2 (सुसंगत, विश्वासार्ह कोडसाठी)
- Max Tokens: 2000 (सविस्तर स्पष्टीकरणांसाठी)
- Top-p: 0.9 (संतुलित सर्जनशीलता)
🧪 पाऊल 4: आपल्या Python एजंटची चाचणी करा
चाचणी परिस्थिती:
- मूळ कार्य: "प्राइम नंबर शोधण्यासाठी फंक्शन तयार करा"
- कठीण अल्गोरिदम: "इन्सर्ट, डिलीट, आणि शोध यांसह बायनरी सर्च ट्री अंमलात आणा"
- वास्तविक समस्या: "रेट लिमिटिंग आणि रीट्राय हाताळणारा वेब स्क्रॅपर तयार करा"
- डिबगिंग: "हा कोड दुरुस्त करा [बगयुक्त कोड पेस्ट करा]"
🏆 यश निकष:
- ✅ कोड त्रुटीशिवाय चालतो
- ✅ योग्य दस्तऐवजीकरण समाविष्ट आहे
- ✅ Python सर्वोत्तम पद्धतींचे पालन
- ✅ स्पष्ट स्पष्टीकरणे प्रदान करतो
- ✅ सुधारणा सल्ले देतो
🎓 मॉड्यूल 1 सारांश आणि पुढील पावले
📊 ज्ञान तपासणी
आपली समज तपासा:
- कॅटलॉगमधील मॉडेल्समधील फरक समजू शकता का?
- तुम्ही कस्टम एजंट तयार करून आणि तपासून पाहिला आहे का?
- विविध वापर प्रकरणांसाठी पॅरामीटर्स कसे ऑप्टिमायझ करायचे ते समजते का?
- प्रभावी सिस्टम प्रॉम्प्ट कसे डिझाइन करायचे हे समजते का?
📚 अतिरिक्त संसाधने
- मायक्रोसॉफ्ट फाउंड्री टूलकिट दस्तऐवज: अधिकृत मायक्रोसॉफ्ट डॉक
- प्रॉम्प्ट इंजिनीअरिंग मार्गदर्शक: सर्वोत्तम पद्धती
- मायक्रोसॉफ्ट फाउंड्री टूलकिटमधील मॉडेल्स: विकासातील मॉडेल्स
🎉 अभिनंदन! तुम्ही मायक्रोसॉफ्ट फाउंड्री टूलकिटची मूलतत्त्वे सुविदित केली आहेत आणि अधिक प्रगत AI अनुप्रयोग तयार करण्यास तयार आहात!
🔜 पुढील मॉड्यूलकडे पुढे चला
अधिक प्रगत क्षमता साठी तयार आहात? पुढील मॉड्यूल मॉड्यूल 2: MCP with Microsoft Foundry Toolkit Fundamentals येथे पुढे जा जिथे तुम्ही शिकाल:
- मॉडेल कॉन्टेक्स्ट प्रोटोकॉल (MCP) वापरून आपल्या एजंट्सना बाह्य टूल्सशी कसे कनेक्ट करायचे
- Playwright सह ब्राउझर ऑटोमेशन एजंट तयार करणे
- Microsoft Foundry Toolkit एजंट्ससह MCP सर्व्हर्सचे एकत्रीकरण
- बाह्य डेटा आणि क्षमतांसह आपले एजंट्स सुपरचार्ज करणे
अस्वीकरण: हा दस्तऐवज AI भाषांतर सेवा Co-op Translator चा वापर करून अनुवादित केला आहे. जरी आम्ही अचूकतेसाठी प्रयत्न करतो, तरी कृपया लक्षात घ्या की स्वयंचलित भाषांतरांमध्ये त्रुटी किंवा अचूकतेची कमतरता असू शकते. मूळ दस्तऐवज त्याच्या मूळ भाषेत अधिकृत स्रोत मानला पाहिजे. महत्त्वाची माहिती असल्यास, व्यावसायिक मानवी भाषांतराची शिफारस केली जाते. या भाषांतराच्या वापरामुळे उद्भवणाऱ्या कोणत्याही गैरसमज किंवा चुकीच्या अर्थलावणीसाठी आम्ही जबाबदार नाही.