wehub-resource-sync🚀 โมดูล 1: พื้นฐาน Microsoft Foundry Toolkit
📋 วัตถุประสงค์การเรียนรู้
เมื่อจบโมดูลนี้ คุณจะสามารถ:
- ✅ ติดตั้งและกำหนดค่า Microsoft Foundry Toolkit Extension สำหรับ VS Code
- ✅ นำทางใน Model Catalog และเข้าใจแหล่งที่มาของโมเดลต่าง ๆ
- ✅ ใช้ Playground สำหรับการทดสอบและทดลองโมเดล
- ✅ สร้างเอเจนต์ AI แบบกำหนดเองโดยใช้ Agent Builder
- ✅ เปรียบเทียบประสิทธิภาพของโมเดลจากผู้ให้บริการต่าง ๆ
- ✅ ใช้แนวทางปฏิบัติที่ดีที่สุดสำหรับการออกแบบ prompt
🧠 แนะนำ Microsoft Foundry Toolkit
Microsoft Foundry Toolkit Extension สำหรับ VS Code คือส่วนขยายหลักของ Microsoft ที่เปลี่ยน VS Code ให้เป็นสภาพแวดล้อมการพัฒนา AI แบบครบวงจร มันเชื่อมช่องว่างระหว่างการวิจัย AI กับการพัฒนาแอปพลิเคชันจริง ทำให้ AI สร้างสรรค์เป็นสิ่งที่นักพัฒนาทุกระดับความสามารถสามารถเข้าถึงได้
🌟 ความสามารถหลัก
| ฟีเจอร์ | คำอธิบาย | กรณีการใช้งาน |
|---|---|---|
| 🗂️ Model Catalog | เข้าถึงโมเดลกว่า 100 รายการจาก GitHub, ONNX, OpenAI, Anthropic, Google | ค้นหาและเลือกโมเดล |
| 🔌 BYOM Support | รวมโมเดลของคุณเอง (แบบโลคัล/ระยะไกล) | ปรับใช้โมเดลแบบกำหนดเอง |
| 🎮 Interactive Playground | ทดสอบโมเดลแบบเรียลไทม์ผ่านแชทอินเทอร์เฟซ | สร้างต้นแบบและทดสอบอย่างรวดเร็ว |
| 📎 Multi-Modal Support | รองรับข้อความ, ภาพ, และไฟล์แนบ | แอปพลิเคชัน AI ที่ซับซ้อน |
| ⚡ Batch Processing | รันหลาย prompt พร้อมกัน | เวิร์กโฟลว์ทดสอบที่มีประสิทธิภาพ |
| 📊 Model Evaluation | เมตริกในตัว (F1, ความเกี่ยวข้อง, ความคล้ายคลึง, ความสมเหตุสมผล) | ประเมินประสิทธิภาพ |
🎯 ทำไม Microsoft Foundry Toolkit ถึงสำคัญ
- 🚀 เร่งการพัฒนา: จากไอเดียสู่ต้นแบบในไม่กี่นาที
- 🔄 เวิร์กโฟลว์แบบรวมศูนย์: อินเทอร์เฟซเดียวสำหรับผู้ให้บริการ AI หลายราย
- 🧪 ทดลองง่าย: เปรียบเทียบโมเดลโดยไม่ต้องตั้งค่าซับซ้อน
- 📈 พร้อมสำหรับการใช้งานจริง: ย้ายจากต้นแบบสู่การใช้งานจริงอย่างราบรื่น
🛠️ เงื่อนไขเบื้องต้น & การตั้งค่า
📦 ติดตั้ง Microsoft Foundry Toolkit Extension
ขั้นตอนที่ 1: เข้า Marketplace ของส่วนขยาย
- เปิด Visual Studio Code
- ไปที่มุมมอง Extensions (
Ctrl+Shift+XหรือCmd+Shift+X) - ค้นหา "Microsoft Foundry Toolkit"
ขั้นตอนที่ 2: เลือกเวอร์ชันของคุณ
- 🟢 Release: แนะนำสำหรับใช้งานจริง
- 🔶 Pre-release: เข้าถึงฟีเจอร์ใหม่ก่อนใคร
ขั้นตอนที่ 3: ติดตั้งและเปิดใช้งาน
✅ เช็คลิสต์การยืนยัน
- ไอคอน Microsoft Foundry Toolkit ปรากฏในแถบด้านข้างของ VS Code
- ส่วนขยายถูกเปิดใช้งานและทำงานแล้ว
- ไม่มีข้อผิดพลาดในการติดตั้งในแผงผลลัพธ์
🧪 การฝึกปฏิบัติที่ 1: สำรวจโมเดล GitHub
🎯 วัตถุประสงค์: คุ้นเคยกับ Model Catalog และทดสอบโมเดล AI ตัวแรกของคุณ
📊 ขั้นตอนที่ 1: นำทางใน Model Catalog
Model Catalog คือประตูสู่ระบบนิเวศ AI ของคุณ มันรวบรวมโมเดลจากผู้ให้บริการหลายราย ทำให้ง่ายต่อการค้นหาและเปรียบเทียบตัวเลือก
🔍 คู่มือนำทาง:
คลิกที่ MODELS - Catalog ในแถบด้านข้างของ Microsoft Foundry Toolkit
💡 เคล็ดลับ: มองหาโมเดลที่มีความสามารถเฉพาะซึ่งสอดคล้องกับกรณีการใช้งานของคุณ (เช่น การสร้างโค้ด, การเขียนเชิงสร้างสรรค์, การวิเคราะห์)
⚠️ หมายเหตุ: โมเดลที่โฮสต์บน GitHub (GitHub Models) ใช้งานได้ฟรีแต่มีข้อจำกัดเรื่องอัตราการร้องขอและโทเค็น หากคุณต้องการเข้าถึงโมเดลที่ไม่ใช่ GitHub (เช่น โมเดลภายนอกจาก Azure AI หรือจุดสิ้นสุดอื่น ๆ) คุณต้องเตรียมคีย์ API หรือการยืนยันตัวตนที่เหมาะสม
🚀 ขั้นตอนที่ 2: เพิ่มและกำหนดค่าโมเดลตัวแรกของคุณ
กลยุทธ์การเลือกโมเดล:
- GPT-4.1: ดีที่สุดสำหรับการวิเคราะห์และการให้เหตุผลที่ซับซ้อน
- Phi-4-mini: น้ำหนักเบา ตอบสนองรวดเร็วสำหรับงานง่าย ๆ
🔧 ขั้นตอนการกำหนดค่า:
- เลือก OpenAI GPT-4.1 จากแค็ตตาล็อก
- คลิก Add to My Models – เพื่อบันทึกโมเดลสำหรับใช้งาน
- เลือก Try in Playground เพื่อเปิดสภาพแวดล้อมทดสอบ
- รอการเริ่มต้นโมเดล (ครั้งแรกอาจใช้เวลาสักครู่)
⚙️ ทำความเข้าใจพารามิเตอร์โมเดล:
- Temperature: ควบคุมความสร้างสรรค์ (0 = กำหนดแน่นอน, 1 = สร้างสรรค์)
- Max Tokens: ความยาวตอบกลับสูงสุด
- Top-p: การสุ่มแบบนิวเคลียสเพื่อความหลากหลายในการตอบกลับ
🎯 ขั้นตอนที่ 3: ควบคุมอินเทอร์เฟซ Playground
Playground คือห้องทดลองทดลอง AI ของคุณ นี่คือวิธีใช้ประโยชน์สูงสุด:
🎨 แนวปฏิบัติที่ดีที่สุดสำหรับการออกแบบ prompt:
- ระบุให้ชัดเจน: คำสั่งที่ชัดเจนและละเอียดให้ผลลัพธ์ที่ดีกว่า
- ให้บริบท: รวมข้อมูลเบื้องหลังที่เกี่ยวข้อง
- ใช้ตัวอย่าง: แสดงตัวอย่างให้โมเดลเข้าใจสิ่งที่คุณต้องการ
- ปรับปรุง: ปรับแต่ง prompt ตามผลลัพธ์ที่ได้รับ
🧪 สถานการณ์ทดสอบ:
# 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."
🏆 การฝึกท้าทาย: เปรียบเทียบประสิทธิภาพโมเดล
🎯 เป้าหมาย: เปรียบเทียบโมเดลต่าง ๆ โดยใช้ prompt เดียวกันเพื่อเข้าใจจุดแข็งของแต่ละโมเดล
📋 คำแนะนำ:
- เพิ่ม Phi-4-mini ลงในพื้นที่ทำงานของคุณ
- ใช้ prompt เดียวกันกับ GPT-4.1 และ Phi-4-mini
- เปรียบเทียบคุณภาพ ความเร็ว และความแม่นยำของคำตอบ
- จดบันทึกผลการเปรียบเทียบในส่วนผลลัพธ์
💡 ข้อค้นพบสำคัญที่ควรรู้:
- เวลาใช้งาน LLM กับ SLM
- การแลกเปลี่ยนระหว่างต้นทุนและประสิทธิภาพ
- ความสามารถเฉพาะตัวของโมเดลแต่ละรุ่น
🤖 การฝึกปฏิบัติที่ 2: สร้างเอเจนต์แบบกำหนดเองด้วย Agent Builder
🎯 วัตถุประสงค์: สร้างเอเจนต์ AI เฉพาะทางที่เหมาะกับงานและเวิร์กโฟลว์เฉพาะ
🏗️ ขั้นตอนที่ 1: ทำความเข้าใจ Agent Builder
Agent Builder คือที่ที่ Microsoft Foundry Toolkit โดดเด่น มันช่วยให้คุณสร้างผู้ช่วย AI ที่ออกแบบมาเฉพาะ โดยรวมพลังของโมเดลภาษาขนาดใหญ่กับคำสั่งเฉพาะ พารามิเตอร์เฉพาะ และความรู้ที่เจาะจง
🧠 ส่วนประกอบสถาปัตยกรรมของเอเจนต์:
- โมเดลหลัก: LLM พื้นฐาน (GPT-4, Groks, Phi ฯลฯ)
- System Prompt: กำหนดบุคลิกภาพและพฤติกรรมของเอเจนต์
- พารามิเตอร์: การตั้งค่าปรับแต่งสำหรับประสิทธิภาพสูงสุด
- การเชื่อมต่อเครื่องมือ: รวมกับ API ภายนอกและบริการ MCP
- หน่วยความจำ: เก็บบริบทการสนทนาและความต่อเนื่องของเซสชัน
⚙️ ขั้นตอนที่ 2: เจาะลึกการกำหนดค่าเอเจนต์
🎨 การสร้าง System Prompt ที่มีประสิทธิภาพ:
# 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
แน่นอนว่าคุณยังสามารถใช้ Generate System Prompt เพื่อให้ AI ช่วยสร้างและเพิ่มประสิทธิภาพ prompt ได้
🔧 การปรับพารามิเตอร์ให้เหมาะสม:
| พารามิเตอร์ | ช่วงที่แนะนำ | กรณีใช้งาน |
|---|---|---|
| Temperature | 0.1-0.3 | คำตอบเชิงเทคนิค/ข้อเท็จจริง |
| Temperature | 0.7-0.9 | งานสร้างสรรค์/ระดมสมอง |
| Max Tokens | 500-1000 | คำตอบที่กระชับ |
| Max Tokens | 2000-4000 | คำอธิบายละเอียด |
🐍 ขั้นตอนที่ 3: การฝึกปฏิบัติจริง - เอเจนต์โปรแกรมมิ่ง Python
🎯 ภารกิจ: สร้างผู้ช่วยเขียนโค้ด Python เฉพาะทาง
📋 ขั้นตอนการกำหนดค่า:
-
เลือกโมเดล: เลือก Claude 3.5 Sonnet (ดีเยี่ยมสำหรับโค้ด)
-
ออกแบบ System Prompt:
# 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
- การกำหนดค่าพารามิเตอร์:
- Temperature: 0.2 (สำหรับโค้ดที่สม่ำเสมอและน่าเชื่อถือ)
- Max Tokens: 2000 (คำอธิบายละเอียด)
- Top-p: 0.9 (สมดุลความสร้างสรรค์)
🧪 ขั้นตอนที่ 4: ทดสอบเอเจนต์ Python ของคุณ
สถานการณ์ทดสอบ:
- ฟังก์ชันพื้นฐาน: "สร้างฟังก์ชันเพื่อค้นหาจำนวนนิพจน์"
- อัลกอริทึมซับซ้อน: "สร้างต้นไม้ค้นหาแบบไบนารี พร้อมเมธอด insert, delete และ search"
- ปัญหาในโลกจริง: "สร้างเว็บสแครปเปอร์ที่จัดการข้อจำกัดอัตราการเรียกและการลองใหม่"
- ดีบัก: "แก้ไขโค้ดนี้ [วางโค้ดที่มีข้อผิดพลาด]"
🏆 เกณฑ์ความสำเร็จ:
- ✅ โค้ดทำงานโดยไม่มีข้อผิดพลาด
- ✅ มีเอกสารประกอบอย่างเหมาะสม
- ✅ ปฏิบัติตามแนวทางปฏิบัติที่ดีของ Python
- ✅ ให้คำอธิบายที่ชัดเจน
- ✅ แนะนำการปรับปรุง
🎓 สรุปโมดูล 1 & ขั้นตอนต่อไป
📊 ตรวจสอบความรู้
ทดสอบความเข้าใจของคุณ:
- คุณอธิบายความแตกต่างระหว่างโมเดลในแค็ตตาล็อกได้หรือไม่?
- คุณสร้างและทดสอบเอเจนต์แบบกำหนดเองสำเร็จหรือไม่?
- คุณเข้าใจวิธีปรับพารามิเตอร์ให้เหมาะสมกับกรณีใช้งานต่าง ๆ หรือไม่?
- คุณสามารถออกแบบ system prompt ที่มีประสิทธิภาพได้หรือไม่?
📚 แหล่งข้อมูลเพิ่มเติม
- เอกสาร Microsoft Foundry Toolkit: Official Microsoft Docs
- คู่มือการออกแบบ Prompt: Best Practices
- โมเดลใน Microsoft Foundry Toolkit: Models in Develpment
🎉 ยินดีด้วย! คุณได้เรียนรู้พื้นฐานของ Microsoft Foundry Toolkit อย่างชำนาญและพร้อมที่จะสร้างแอปพลิเคชัน AI ที่ซับซ้อนมากขึ้น!
🔜 ไปต่อที่โมดูลถัดไป
พร้อมสำหรับความสามารถขั้นสูงหรือยัง? ไปต่อที่ โมดูล 2: MCP กับพื้นฐาน Microsoft Foundry Toolkit ที่คุณจะได้เรียนรู้วิธี:
- เชื่อมต่อเอเจนต์ของคุณกับเครื่องมือภายนอกผ่าน Model Context Protocol (MCP)
- สร้างเอเจนต์อัตโนมัติบนบราวเซอร์ด้วย Playwright
- รวม MCP server กับเอเจนต์ Microsoft Foundry Toolkit ของคุณ
- เพิ่มพลังให้เอเจนต์ของคุณด้วยข้อมูลและความสามารถภายนอก
ปฏิเสธความรับผิดชอบ: เอกสารนี้ได้รับการแปลโดยใช้บริการแปลภาษา AI Co-op Translator ขณะที่เราพยายามให้ความถูกต้อง โปรดทราบว่าการแปลโดยอัตโนมัติอาจมีข้อผิดพลาดหรือความไม่ถูกต้อง เอกสารต้นฉบับในภาษาต้นทางควรถูกพิจารณาเป็นแหล่งข้อมูลที่เชื่อถือได้ สำหรับข้อมูลที่สำคัญ แนะนำให้ใช้การแปลโดยมนุษย์มืออาชีพ เราไม่รับผิดชอบต่อความเข้าใจผิดหรือการตีความที่ผิดพลาดที่เกิดขึ้นจากการใช้การแปลนี้