wehub-resource-sync🚀 Модул 1: Основе Microsoft Foundry Toolkit-а
📋 Циљеви учења
До краја овог модула моћи ћете да:
- ✅ Инсталирате и конфигуришете Microsoft Foundry Toolkit проширење за VS Code
- ✅ Навигирајете Каталог модела и разумете различите изворе модела
- ✅ Користите Playground за тестирање и експериментисање с моделима
- ✅ Креирате прилагођене AI агенте користећи Agent Builder
- ✅ Упоредите перформансе модела различитих провајдера
- ✅ Примените најбоље праксе за конструисање промптова
🧠 Увод у Microsoft Foundry Toolkit
Microsoft Foundry Toolkit проширење за VS Code је водеће Microsoft-ово проширење које претвара VS Code у свеобухватно окружење за развој AI. Оно прекрива јаз између AI истраживања и практичног развоја апликација, чинећи генеритивни AI доступним свим нивоима програмера.
🌟 Кључне могућности
| Карактеристика | Опис | Примена |
|---|---|---|
| 🗂️ Каталог модела | Приступ више од 100 модела са GitHub, ONNX, OpenAI, Anthropic, Google | Откривање и избор модела |
| 🔌 Подршка за BYOM | Интеграција сопствених модела (локално/даљински) | Прилагођена примена модела |
| 🎮 Интерактивни Playground | Тестирање модела у реалном времену са чат интерфејсом | Брза израда прототипа и тестирање |
| 📎 Подршка за мулти-модалност | Рад са текстом, сликама и прилозима | Комплексне AI апликације |
| ⚡ Пакетна обрада | Извршавање више промптова истовремено | Ефикасна радна процедура тестирања |
| 📊 Евалуација модела | Уграђени метрици (F1, релевантност, сличност, кохеренција) | Процена перформанси |
🎯 Зашто је Microsoft Foundry Toolkit важан
- 🚀 Убрзан развој: Од идеје до прототипа за минуте
- 🔄 Јединствени радни ток: Један интерфејс за више AI провајдера
- 🧪 Лако експериментисање: Упоређујте моделе без компликованог подешавања
- 📈 Спреман за продукцију: Беспрекорни прелазак са прототипа на имплементацију
🛠️ Претпоставке и подешавање
📦 Инсталирање Microsoft Foundry Toolkit проширења
Корак 1: Приступите продавници проширења
- Отворите Visual Studio Code
- Идите на приказ проширења (
Ctrl+Shift+XилиCmd+Shift+X) - Претражите „Microsoft Foundry Toolkit“
Корак 2: Изаберите верзију
- 🟢 Релизна: Препоручена за продукцијску употребу
- 🔶 Пре-релизна: Прерани приступ најновијим функцијама
Корак 3: Инсталирајте и активирајте
✅ Листа за проверу
- Икона Microsoft Foundry Toolkit појављује се у VS Code страни
- Проширење је омогућено и активирано
- Нема грешака приликом инсталације у панелу са излазом
🧪 Практична вежба 1: Истраживање GitHub модела
🎯 Циљ: Упознавање Каталога модела и тестирање првог AI модела
📊 Корак 1: Навигација у Каталогу модела
Каталог модела је ваша капија у AI екосистем. Он агрегира моделе из више провајдера, олакшавајући откривање и упоређивање опција.
🔍 Водич за навигацију:
Кликните на MODELS - Catalog у Microsoft Foundry Toolkit страни
💡 Корисни савет: Тражите моделе са специфичним могућностима који одговарају вашем случају употребе (нпр. генерисање кода, креативно писање, анализа).
⚠️ Напомена: Модели хостовани на GitHub-у (тј. GitHub модели) су бесплатни за коришћење али подлежу ограничењима у квотама за захтеве и токене. За приступ моделима ван GitHub-а (нпр. модели хостовани преко Azure AI или других крајњих тачака), потребно је обезбедити одговарајући API кључ или аутентификацију.
🚀 Корак 2: Додавање и конфигурисање првог модела
Стратешки избор модела:
- GPT-4.1: Најбољи за комплексно расуђивање и анализу
- Phi-4-mini: Лаган и брз за једноставне задатке
🔧 Процес конфигурације:
- Изаберите OpenAI GPT-4.1 у каталогу
- Кликните Add to My Models - модел се региструје за коришћење
- Изаберите Try in Playground за лансирање тест окружења
- Сачекајте иницијализацију модела (прво подешавање може трајати неко време)
⚙️ Објашњење параметара модела:
- Temperature: Контролише креативност (0 = детерминистички, 1 = креативан)
- Max Tokens: Максимална дужина одговора
- Top-p: Nucleus sampling за разноликост одговора
🎯 Корак 3: Савладајте Playground интерфејс
Playground је ваш AI лабораторијски простор за експериментисање. Ево како да максимално искористите његов потенцијал:
🎨 Најбоље праксе за конструисање промптова:
- Будите конкретни: Јасна, детаљна упутства дају боље резултате
- Обезбедите контекст: Укључите релевантне позадинске информације
- Користите примере: Прикажите моделу шта желите кроз примере
- Итерација: Унапређујте промптове на основу првих резултата
🧪 Сценарији за тестирање:
# 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."
🏆 Изазовна вежба: Упоређивање перформанси модела
🎯 Циљ: Упоредите различите моделе користећи исте промптове да бисте разумели њихове предности
📋 Упутства:
- Додајте Phi-4-mini у свој радни простор
- Користите исти промпт за GPT-4.1 и Phi-4-mini
- Упоредите квалитет одговора, брзину и прецизност
- Документирајте налазе у делу са резултатима
💡 Кључна сазнања која треба открити:
- Када користити LLM у односу на SLM
- Односи трошкова и перформанси
- Специјализоване могућности различитих модела
🤖 Практична вежба 2: Креирање прилагођених агената уз Agent Builder
🎯 Циљ: Креирајте специјализоване AI агенте намењене одређеним задацима и радним токовима
🏗️ Корак 1: Разумевање Agent Builder-а
Agent Builder је место где Microsoft Foundry Toolkit заиста показује своје снаге. Омогућава вам да направите AI помоћнике са посебном наменом који комбинују снагу великих језичких модела са прилагођеним упутствима, специфичним параметрима и специјализованим знањем.
🧠 Компоненте архитектуре агента:
- Основни модел: Темелјски LLM (GPT-4, Groks, Phi итд.)
- Системски промпт: Дефинише личност и понашање агента
- Параметри: Фино подешавање за оптималне перформансе
- Интеграција алата: Повезивање са спољним API-јима и MCP сервисима
- Меморија: Контекст разговора и перзистенција сесија
⚙️ Корак 2: Детаљна конфигурација агента
🎨 Креирање ефикасних системских промптова:
# 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
Наравно, можете користити и Generate System Prompt да бисте користили AI за помоћ у креирању и оптимизацији промптова
🔧 Оптимизација параметара:
| Параметар | Препоручени опсег | Примена |
|---|---|---|
| Temperature | 0.1-0.3 | Технички / фактички одговори |
| Temperature | 0.7-0.9 | Креативни / брeјнсторминг задаци |
| Max Tokens | 500-1000 | Концизни одговори |
| Max Tokens | 2000-4000 | Детаљна објашњења |
🐍 Корак 3: Практична вежба - Агент за Python програмирање
🎯 Мисија: Креирајте специјализованог асистента за Python програмирање
📋 Кораци за конфигурацију:
-
Избор модела: Изаберите Claude 3.5 Sonnet (одличан за код)
-
Дизајн системског промпта:
# 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
- Конфигурација параметара:
- Temperature: 0.2 (за доследан, поуздан код)
- Max Tokens: 2000 (детаљна објашњења)
- Top-p: 0.9 (балансирана креативност)
🧪 Корак 4: Тестирање вашег Python агента
Сценарији тестирања:
- Основна функција: "Креирај функцију за проналазак простих бројева"
- Комплексни алгоритам: "Имплементирај бинарно стабло претраге са методама за убацивање, брисање и претрагу"
- Проблем из стварног света: "Направи web scraper који управља ограничењем брзине захтева и покушајима поновног слања"
- Отстрањивање грешака: "Поправи овај код [налепи неисправан код]"
🏆 Критеријуми успеха:
- ✅ Код ради без грешака
- ✅ Садржи одговарајућу документацију
- ✅ Праћење најбољих пракси у Python-у
- ✅ Јасна објашњења
- ✅ Предлози за унапређење
🎓 Завршетак Модула 1 и наредни кораци
📊 Провера знања
Тестирајте своје разумевање:
- Можете ли објаснити разлику између модела у каталогу?
- Да ли сте успешно креирали и тестирали прилагођеног агента?
- Да ли разумете како да оптимизујете параметре за различите случајеве употребе?
- Можете ли дизајнирати ефикасне системске промптове?
📚 Додатни ресурси
- Microsoft Foundry Toolkit документација: Званични Microsoft Docs
- Водич за конструисање промптова: Најбоље праксе
- Модели у Microsoft Foundry Toolkit-у: Модели у развоју
🎉 Честитамо! Савладали сте основе Microsoft Foundry Toolkit-а и спремни сте за изградњу напреднијих AI апликација!
🔜 Наставите на следећи модул
Спремни сте за напредније могућности? Наставите на Модул 2: MCP са Microsoft Foundry Toolkit Fundamentals где ћете научити како да:
- Повежете своје агенте са спољним алатима користећи Model Context Protocol (MCP)
- Креирате агенте за аутоматизацију браузера уз Playwright
- Интегришете MCP сервере са вашим Microsoft Foundry Toolkit агентима
- Супернапуните агенте спољним подацима и могућностима
Изјава о одрицању одговорности: Овај документ је преведен коришћењем услуге за аутоматски превод Co-op Translator. Иако тежимо тачности, имајте у виду да аутоматски преводи могу садржати грешке или нетачности. Оригинални документ на његовом изворном језику треба сматрати ауторитативним извором. За критичне информације препоручује се професионални људски превод. Нисмо одговорни за било каква неспоразума или погрешна тумачења која произилазе из коришћења овог превода.