wehub-resource-sync
279 lines
18 KiB
Markdown
279 lines
18 KiB
Markdown
# 🚀 Модуль 1: Основы Microsoft Foundry Toolkit
|
||
|
||
[]()
|
||
[]()
|
||
[]()
|
||
|
||
## 📋 Цели обучения
|
||
|
||
К концу этого модуля вы сможете:
|
||
- ✅ Установить и настроить расширение Microsoft Foundry Toolkit для VS Code
|
||
- ✅ Навигировать по каталогу моделей и понимать различные источники моделей
|
||
- ✅ Использовать Playground для тестирования и экспериментов с моделями
|
||
- ✅ Создавать кастомных AI-агентов с помощью Agent Builder
|
||
- ✅ Сравнивать производительность моделей у разных провайдеров
|
||
- ✅ Применять лучшие практики по созданию подсказок (prompt engineering)
|
||
|
||
## 🧠 Введение в Microsoft Foundry Toolkit
|
||
|
||
**Расширение Microsoft Foundry Toolkit для VS Code** — это основной продукт Microsoft, который превращает VS Code в комплексную среду разработки AI. Оно сокращает разрыв между исследованием AI и практической разработкой, делая генеративный AI доступным для разработчиков с любым уровнем навыков.
|
||
|
||
### 🌟 Ключевые возможности
|
||
|
||
| Функция | Описание | Случай использования |
|
||
|---------|-------------|----------|
|
||
| **🗂️ Каталог моделей** | Доступ к более чем 100 моделям от GitHub, ONNX, OpenAI, Anthropic, Google | Поиск и выбор моделей |
|
||
| **🔌 Поддержка BYOM** | Интеграция своих моделей (локальных или удалённых) | Развёртывание кастомных моделей |
|
||
| **🎮 Интерактивный Playground** | Тестирование моделей в реальном времени с чат-интерфейсом | Быстрое прототипирование и тестирование |
|
||
| **📎 Мультимодальная поддержка** | Работа с текстом, изображениями и вложениями | Сложные AI-приложения |
|
||
| **⚡ Пакетная обработка** | Запуск нескольких подсказок одновременно | Эффективные рабочие процессы тестирования |
|
||
| **📊 Оценка моделей** | Встроенные метрики (F1, релевантность, сходство, когерентность) | Оценка производительности |
|
||
|
||
### 🎯 Почему важно Microsoft Foundry Toolkit
|
||
|
||
- **🚀 Ускоренная разработка**: от идеи до прототипа за минуты
|
||
- **🔄 Унифицированный рабочий процесс**: один интерфейс для множества AI-провайдеров
|
||
- **🧪 Простые эксперименты**: сравнивайте модели без сложных настроек
|
||
- **📈 Готовность к продакшену**: плавный переход от прототипа к развертыванию
|
||
|
||
## 🛠️ Требования и настройка
|
||
|
||
### 📦 Установка расширения Microsoft Foundry Toolkit
|
||
|
||
**Шаг 1: Доступ к магазину расширений**
|
||
1. Откройте Visual Studio Code
|
||
2. Перейдите в раздел Extensions (`Ctrl+Shift+X` или `Cmd+Shift+X`)
|
||
3. Найдите "Microsoft Foundry Toolkit"
|
||
|
||
**Шаг 2: Выбор версии**
|
||
- **🟢 Релиз**: рекомендуется для использования в продакшене
|
||
- **🔶 Предварительная версия**: ранний доступ к новым функциям
|
||
|
||
**Шаг 3: Установка и активация**
|
||
|
||
|
||
|
||
### ✅ Чек-лист для проверки
|
||
- [ ] Иконка Microsoft Foundry Toolkit отображается в боковой панели VS Code
|
||
- [ ] Расширение включено и активировано
|
||
- [ ] Нет ошибок установки в панели вывода
|
||
|
||
## 🧪 Практическое задание 1: Изучение моделей GitHub
|
||
|
||
**🎯 Цель**: Освоить каталог моделей и протестировать первую AI-модель
|
||
|
||
### 📊 Шаг 1: Навигация по каталогу моделей
|
||
|
||
Каталог моделей — это ваш вход в экосистему AI. Он объединяет модели от разных провайдеров, упрощая поиск и сравнение.
|
||
|
||
**🔍 Руководство по навигации:**
|
||
|
||
Нажмите на **MODELS - Catalog** в боковой панели Microsoft Foundry Toolkit
|
||
|
||
|
||
|
||
**💡 Советы**: Ищите модели с конкретными возможностями, которые соответствуют вашему случаю использования (например, генерация кода, творческое письмо, анализ).
|
||
|
||
**⚠️ Важно**: модели, размещённые на GitHub (GitHub Models), бесплатны для использования, но имеют ограничения по количеству запросов и токенов. Чтобы получить доступ к моделям вне GitHub (например, внешним моделям через Azure AI или другие эндпоинты), потребуется указать соответствующий API-ключ или данные аутентификации.
|
||
|
||
### 🚀 Шаг 2: Добавление и настройка первой модели
|
||
|
||
**Стратегия выбора моделей:**
|
||
- **GPT-4.1**: лучше всего подходит для сложного рассуждения и анализа
|
||
- **Phi-4-mini**: лёгкая, быстрая модель для простых задач
|
||
|
||
**🔧 Процесс настройки:**
|
||
1. Выберите **OpenAI GPT-4.1** из каталога
|
||
2. Нажмите **Add to My Models** — модель будет зарегистрирована для использования
|
||
3. Выберите **Try in Playground** для запуска среды тестирования
|
||
4. Подождите инициализации модели (первоначальная настройка может занять некоторое время)
|
||
|
||
|
||
|
||
**⚙️ Параметры модели:**
|
||
- **Temperature**: регулирует креативность (0 = детерминированный, 1 = творческий)
|
||
- **Max Tokens**: максимальная длина ответа
|
||
- **Top-p**: ядерная выборка для разнообразия ответов
|
||
|
||
### 🎯 Шаг 3: Освоение интерфейса Playground
|
||
|
||
Playground — ваша лаборатория для экспериментов с AI. Вот как максимально эффективно её использовать:
|
||
|
||
**🎨 Лучшие практики prompt engineering:**
|
||
1. **Будьте конкретны**: чёткие, подробные инструкции дают лучшие результаты
|
||
2. **Добавляйте контекст**: включайте релевантную предысторию
|
||
3. **Используйте примеры**: показывайте модели, что вы хотите с помощью примеров
|
||
4. **Итерации**: улучшайте подсказки на основе первых результатов
|
||
|
||
**🧪 Тестовые сценарии:**
|
||
```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."
|
||
```
|
||
|
||
|
||
|
||
### 🏆 Сложное задание: сравнение производительности моделей
|
||
|
||
**🎯 Цель**: сравнить разные модели при одинаковых подсказках, чтобы понять их сильные стороны
|
||
|
||
**📋 Инструкции:**
|
||
1. Добавьте в рабочее пространство **Phi-4-mini**
|
||
2. Используйте одинаковую подсказку для GPT-4.1 и Phi-4-mini
|
||
|
||
|
||
|
||
3. Сравните качество ответов, скорость и точность
|
||
4. Задокументируйте результаты в разделе с отчетами
|
||
|
||
|
||
|
||
**💡 Ключевые моменты для анализа:**
|
||
- Когда использовать LLM против SLM
|
||
- Соотношение цены и производительности
|
||
- Специализированные возможности разных моделей
|
||
|
||
## 🤖 Практическое задание 2: Создание кастомных агентов с Agent Builder
|
||
|
||
**🎯 Цель**: создать специализированных AI-агентов под конкретные задачи и рабочие процессы
|
||
|
||
### 🏗️ Шаг 1: Понимание Agent Builder
|
||
|
||
Agent Builder — это ключевая фишка Microsoft Foundry Toolkit. Здесь вы создаёте целевые AI-ассистенты, которые объединяют мощь больших языковых моделей с кастомными инструкциями, специальными параметрами и узкоспециализированными знаниями.
|
||
|
||
**🧠 Компоненты архитектуры агента:**
|
||
- **Core Model**: базовая LLM (GPT-4, Groks, Phi и др.)
|
||
- **Системная подсказка**: задаёт личность и поведение агента
|
||
- **Параметры**: оптимизированные настройки для лучшей работы
|
||
- **Интеграция инструментов**: подключение к внешним API и MCP-сервисам
|
||
- **Память**: контекст беседы и сохранение сессий
|
||
|
||
|
||
|
||
### ⚙️ Шаг 2: Глубокое погружение в конфигурацию агента
|
||
|
||
**🎨 Создание эффективных системных подсказок:**
|
||
```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
|
||
```
|
||
|
||
*Разумеется, вы также можете использовать Generate System Prompt, чтобы AI помог вам сгенерировать и оптимизировать подсказки*
|
||
|
||
**🔧 Оптимизация параметров:**
|
||
| Параметр | Рекомендуемый диапазон | Случай использования |
|
||
|-----------|------------------|----------|
|
||
| **Temperature** | 0.1-0.3 | Технические/фактические ответы |
|
||
| **Temperature** | 0.7-0.9 | Творческие/мозговые штурмы |
|
||
| **Max Tokens** | 500-1000 | Краткие ответы |
|
||
| **Max Tokens** | 2000-4000 | Детальные объяснения |
|
||
|
||
### 🐍 Шаг 3: Практическое задание — агент по программированию на Python
|
||
|
||
**🎯 Задача**: создать специализированного помощника по Python
|
||
|
||
**📋 Этапы настройки:**
|
||
|
||
1. **Выбор модели**: выберите **Claude 3.5 Sonnet** (отлично подходит для кода)
|
||
|
||
2. **Дизайн системной подсказки**:
|
||
```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. **Настройка параметров**:
|
||
- Temperature: 0.2 (для консистентного и надёжного кода)
|
||
- Max Tokens: 2000 (подробные объяснения)
|
||
- Top-p: 0.9 (сбалансированная креативность)
|
||
|
||
|
||
|
||
### 🧪 Шаг 4: Тестирование вашего Python-агента
|
||
|
||
**Тестовые сценарии:**
|
||
1. **Базовая функция**: «Создать функцию для поиска простых чисел»
|
||
2. **Сложный алгоритм**: «Реализовать бинарное дерево поиска с методами вставки, удаления и поиска»
|
||
3. **Реальная задача**: «Создать веб-скрейпер, который обрабатывает ограничение по частоте запросов и повторные попытки»
|
||
4. **Отладка**: «Исправить этот код [вставьте проблемный код]»
|
||
|
||
**🏆 Критерии успеха:**
|
||
- ✅ Код выполняется без ошибок
|
||
- ✅ Включена корректная документация
|
||
- ✅ Следование лучшим практикам Python
|
||
- ✅ Понятные объяснения
|
||
- ✅ Предложения по улучшению
|
||
|
||
## 🎓 Итоги Модуля 1 и дальнейшие шаги
|
||
|
||
### 📊 Проверка знаний
|
||
|
||
Проверьте себя:
|
||
- [ ] Можете ли вы объяснить различия между моделями в каталоге?
|
||
- [ ] Удалось ли вам создать и протестировать кастомного агента?
|
||
- [ ] Понимаете ли вы, как оптимизировать параметры для различных задач?
|
||
- [ ] Можете ли вы создавать эффективные системные подсказки?
|
||
|
||
### 📚 Дополнительные ресурсы
|
||
|
||
- **Документация Microsoft Foundry Toolkit**: [Официальная документация Microsoft](https://github.com/microsoft/vscode-ai-toolkit)
|
||
- **Руководство по созданию подсказок**: [Лучшие практики](https://platform.openai.com/docs/guides/prompt-engineering)
|
||
- **Модели в Microsoft Foundry Toolkit**: [Модели в разработке](https://github.com/microsoft/vscode-ai-toolkit/blob/main/doc/models.md)
|
||
|
||
**🎉 Поздравляем!** Вы освоили основы Microsoft Foundry Toolkit и готовы создавать более сложные AI-приложения!
|
||
|
||
### 🔜 Продолжить к следующему модулю
|
||
|
||
Готовы к более продвинутым возможностям? Перейдите к **[Модулю 2: Основы MCP с Microsoft Foundry Toolkit](../lab2/README.md)**, где вы узнаете, как:
|
||
- Подключать агентов к внешним инструментам с помощью Model Context Protocol (MCP)
|
||
- Создавать агентов для автоматизации браузера с Playwright
|
||
- Интегрировать MCP-серверы с вашими агентами Microsoft Foundry Toolkit
|
||
- Усиливать агентов с помощью внешних данных и возможностей
|
||
|
||
---
|
||
|
||
<!-- CO-OP TRANSLATOR DISCLAIMER START -->
|
||
**Отказ от ответственности**:
|
||
Этот документ был переведен с использованием сервиса машинного перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Несмотря на наши усилия по обеспечению точности, имейте в виду, что автоматический перевод может содержать ошибки или неточности. Оригинальный документ на его исходном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется обратиться к профессиональному человеческому переводу. Мы не несем ответственности за любые недоразумения или неправильные толкования, возникшие в результате использования этого перевода.
|
||
<!-- CO-OP TRANSLATOR DISCLAIMER END --> |