wehub-resource-sync🚀 模块 1：Microsoft Foundry Toolkit 基础
📋 学习目标
完成本模块后，您将能够：
- ✅ 安装并配置 Microsoft Foundry Toolkit VS Code 扩展
- ✅ 浏览模型目录并了解不同的模型来源
- ✅ 使用 Playground 进行模型测试和实验
- ✅ 使用 Agent Builder 创建定制的 AI 代理
- ✅ 比较不同提供商的模型性能
- ✅ 应用提示工程的最佳实践
🧠 Microsoft Foundry Toolkit 介绍
Microsoft Foundry Toolkit VS Code 扩展 是微软的旗舰扩展，将 VS Code 转变为一个全面的 AI 开发环境。它弥合了 AI 研究与实际应用开发之间的鸿沟，使生成式 AI 可被各技能水平的开发者轻松访问。
🌟 关键功能
| 功能 | 描述 | 使用场景 |
|---|---|---|
| 🗂️ 模型目录 | 访问来自 GitHub、ONNX、OpenAI、Anthropic、Google 的 100+ 模型 | 模型发现与选择 |
| 🔌 BYOM 支持 | 集成您自己的模型（本地/远程） | 定制模型部署 |
| 🎮 交互式游乐场 | 使用聊天界面实时测试模型 | 快速原型制作和测试 |
| 📎 多模态支持 | 处理文本、图像和附件 | 复杂的 AI 应用 |
| ⚡ 批处理 | 同时运行多个提示 | 高效的测试工作流 |
| 📊 模型评估 | 内置指标（F1、相关性、相似性、一致性） | 性能评估 |
🎯 Microsoft Foundry Toolkit 的重要性
- 🚀 加速开发：从想法到原型只需几分钟
- 🔄 统一工作流：多 AI 提供商统一界面
- 🧪 轻松实验：无需复杂配置即可比较模型
- 📈 生产就绪：原型到部署无缝衔接
🛠️ 先决条件与设置
📦 安装 Microsoft Foundry Toolkit 扩展
步骤 1：访问扩展市场
- 打开 Visual Studio Code
- 进入扩展视图（
Ctrl+Shift+X或Cmd+Shift+X） - 搜索 “Microsoft Foundry Toolkit”
步骤 2：选择您的版本
- 🟢 正式版：推荐用于生产环境
- 🔶 预发布版：抢先体验最新功能
步骤 3：安装并激活
✅ 验证清单
- VS Code 侧边栏出现 Microsoft Foundry Toolkit 图标
- 扩展已启用并激活
- 输出面板无安装错误
🧪 实操练习 1：探索 GitHub 模型
🎯 目标：掌握模型目录并测试您的首个 AI 模型
📊 第 1 步：浏览模型目录
模型目录是您进入 AI 生态的门户。它汇聚来自多个提供商的模型，方便发现和比较选项。
🔍 导航指南：
点击 Microsoft Foundry Toolkit 侧边栏中的 MODELS - Catalog
💡 实用小贴士：寻找具备匹配您用例的具体功能的模型（例如代码生成、创作写作、分析）。
⚠️ 注意：GitHub 托管的模型（即 GitHub 模型）可免费使用，但请求和令牌有限制。如果您想访问非 GitHub 模型（通过 Azure AI 或其他端点托管的外部模型），需要提供相应的 API 密钥或认证。
🚀 第 2 步：添加并配置您的第一个模型
模型选择策略：
- GPT-4.1：适合复杂推理和分析
- Phi-4-mini：轻量、快速响应，适合简单任务
🔧 配置流程：
- 从目录中选择 OpenAI GPT-4.1
- 点击 添加到我的模型 — 注册模型以供使用
- 选择 在 Playground 中试用 以启动测试环境
- 等待模型初始化（首次设置可能需稍等）
⚙️ 理解模型参数：
- Temperature：控制创造力（0 = 确定性，1 = 创造性）
- Max Tokens：最大响应长度
- Top-p：核采样，控制响应多样性
🎯 第 3 步：熟练掌握 Playground 界面
Playground 是您的 AI 实验室。以下是发挥其潜力的关键：
🎨 提示工程最佳实践：
- 具体明确：清晰且详细的指令效果更佳
- 提供上下文：包括相关背景信息
- 使用示例：通过示范告知模型您的需求
- 迭代优化：根据初步结果调整提示
🧪 测试场景：
# 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."
🏆 挑战练习：模型性能比较
🎯 目标：使用相同提示比较不同模型以了解其优势
📋 说明：
- 将 Phi-4-mini 添加到您的工作区
- 对 GPT-4.1 和 Phi-4-mini 使用同一提示
- 比较响应质量、速度和准确性
- 在结果部分记录您的发现
💡 关键洞察：
- 何时使用大语言模型 vs 小语言模型
- 成本与性能权衡
- 不同模型的专长能力
🤖 实操练习 2：使用 Agent Builder 构建定制代理
🎯 目标：创建针对特定任务与工作流的专用 AI 代理
🏗️ 第 1 步：了解 Agent Builder
Agent Builder 是 Microsoft Foundry Toolkit 的核心功能。它允许您创建专用 AI 助手，结合大型语言模型的能力与定制指令、特定参数和专业知识。
🧠 代理架构组件：
- 核心模型：基础 LLM（GPT-4、Groks、Phi 等）
- 系统提示：定义代理个性与行为
- 参数：针对最佳性能优化的设置
- 工具集成：连接外部 API 和 MCP 服务
- 记忆：对话上下文与会话持久化
⚙️ 第 2 步：深入代理配置
🎨 创建有效的系统提示：
# 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
当然，您也可以使用生成系统提示功能，让 AI 帮助生成和优化提示
🔧 参数优化：
| 参数 | 推荐范围 | 使用场景 |
|---|---|---|
| Temperature | 0.1-0.3 | 技术/事实回复 |
| Temperature | 0.7-0.9 | 创意/头脑风暴任务 |
| Max Tokens | 500-1000 | 简洁回复 |
| Max Tokens | 2000-4000 | 详细说明 |
🐍 第 3 步：实战演练 - Python 编程代理
🎯 任务：创建专用的 Python 编码助手
📋 配置步骤：
-
模型选择：选择 Claude 3.5 Sonnet（优秀的代码处理能力）
-
系统提示设计：
# 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
- 参数配置：
- Temperature: 0.2 （保持代码一致且可靠）
- Max Tokens: 2000 （详细解释）
- Top-p: 0.9 （平衡创造力）
🧪 第 4 步：测试您的 Python 代理
测试场景：
- 基本功能：“创建一个用来查找素数的函数”
- 复杂算法：“实现包含插入、删除和搜索方法的二叉搜索树”
- 实际问题：“构建一个处理速率限制和重试的网页爬虫”
- 调试：“修复这段代码 [粘贴有缺陷的代码]”
🏆 成功标准：
- ✅ 代码无错误运行
- ✅ 包含合适文档
- ✅ 遵循 Python 最佳实践
- ✅ 提供清晰解释
- ✅ 提出改进建议
🎓 模块 1 结语与后续步骤
📊 知识检测
测试您的理解：
- 能否解释目录中模型的区别？
- 是否成功创建并测试了自定义代理？
- 是否理解如何针对不同用例优化参数？
- 能否设计有效的系统提示？
📚 额外资源
- Microsoft Foundry Toolkit 文档： 官方 Microsoft 文档
- 提示工程指南： 最佳实践
- Microsoft Foundry Toolkit 中的模型： 开发中的模型
🎉 恭喜！ 您已掌握 Microsoft Foundry Toolkit 的基础知识，准备构建更高级的 AI 应用！
🔜 继续到下一模块
准备好学习更高级功能了吗？继续阅读 模块 2：Microsoft Foundry Toolkit MCP 基础，您将学习如何：
- 使用模型上下文协议 (MCP) 将代理连接到外部工具
- 使用 Playwright 构建浏览器自动化代理
- 将 MCP 服务器与 Microsoft Foundry Toolkit 代理集成
- 通过外部数据和功能增强您的代理
免责声明： 本文件由 AI 翻译服务 Co-op Translator 翻译完成。尽管我们力求准确，但请注意，自动翻译可能包含错误或不准确之处。原始语言版文件应视为权威来源。对于重要信息，建议使用专业人工翻译。我们对因使用本翻译而产生的任何误解或误释不承担责任。