wehub-resource-sync
11 KiB
🚀 模塊 1：Microsoft Foundry Toolkit 基礎知識
📋 學習目標
完成本模塊後，您將能夠：
- ✅ 安裝及配置 Microsoft Foundry Toolkit VS Code 擴展
- ✅ 瀏覽模型目錄並了解不同模型來源
- ✅ 使用 Playground 進行模型測試和實驗
- ✅ 使用 Agent Builder 創建自訂 AI 代理
- ✅ 比較不同供應商的模型效能
- ✅ 應用提示工程的最佳實踐
🧠 Microsoft Foundry Toolkit 簡介
Microsoft Foundry Toolkit VS Code 擴展 是微軟的旗艦擴展，將 VS Code 轉變為全面的 AI 開發環境。它橋接 AI 研究與實際應用開發的差距，使生成式 AI 對各種技能等級的開發者均可觸及。
🌟 主要功能
| 功能 | 描述 | 使用案例 |
|---|---|---|
| 🗂️ 模型目錄 | 訪問 GitHub、ONNX、OpenAI、Anthropic、Google 等100 多個模型 | 模型發現與選擇 |
| 🔌 BYOM 支援 | 整合您自己的模型（本地/遠端） | 自訂模型部署 |
| 🎮 互動式 Playground | 以聊天界面進行即時模型測試 | 快速原型與測試 |
| 📎 多模態支援 | 處理文本、圖片及附件 | 複雜 AI 應用 |
| ⚡ 批次處理 | 同時執行多個提示 | 高效測試工作流程 |
| 📊 模型評估 | 內建指標（F1、相關性、相似度、一致性） | 效能評估 |
🎯 為什麼 Microsoft Foundry Toolkit 重要
- 🚀 加速開發：從構想到原型，僅需數分鐘
- 🔄 統一工作流程：多個 AI 供應商單一介面
- 🧪 方便試驗：無需複雜設定即可比較模型
- 📈 產線準備：從原型無縫擴展到部署
🛠️ 先決條件與安裝
📦 安裝 Microsoft Foundry Toolkit 擴展
步驟 1：進入擴展市集
- 開啟 Visual Studio Code
- 進入擴展視圖（
Ctrl+Shift+X或Cmd+Shift+X） - 搜尋 "Microsoft Foundry Toolkit"
步驟 2：選擇版本
- 🟢 正式版：推薦用於生產環境
- 🔶 預發布版：搶先使用最新功能
步驟 3：安裝並啟用
✅ 驗證清單
- 在 VS Code 側邊欄看到 Microsoft Foundry Toolkit 圖標
- 擴展已啟用並激活
- 輸出面板中無安裝錯誤
🧪 實作練習 1：探索 GitHub 模型
🎯 目標：掌握模型目錄並測試您的第一個 AI 模型
📊 步驟 1：瀏覽模型目錄
模型目錄是進入 AI 生態系統的入口。它匯聚多個供應商的模型，方便您發現和比較選項。
🔍 導覽指南：
點擊 Microsoft Foundry Toolkit 側邊欄中的 MODELS - Catalog
💡 專家提示：尋找符合您使用案例的特定功能模型（例如程式碼生成、創意寫作、分析）。
⚠️ 注意：GitHub 托管的模型（即 GitHub 模型）可免費使用，但對請求和標記數量有速率限制。如要存取非 GitHub 模型（即透過 Azure AI 或其他端點托管的外部模型），需要提供相應的 API 金鑰或認證。
🚀 步驟 2：新增並配置您的第一個模型
模型選擇策略：
- GPT-4.1：適合複雜推理和分析
- Phi-4-mini：輕量且快速響應，適合簡單任務
🔧 配置流程：
- 從目錄中選擇 OpenAI GPT-4.1
- 點擊 Add to My Models - 註冊模型供使用
- 選擇 Try in Playground 以啟動測試環境
- 等待模型初始化（首次設定可能稍等片刻）
⚙️ 理解模型參數：
- Temperature：控制創意度（0 = 確定性，1 = 創意）
- Max Tokens：最大回應長度
- Top-p：核取樣決定回應多樣性
🎯 步驟 3：掌握 Playground 介面
Playground 是您的 AI 實驗室。以下是發揮最大效能的方法：
🎨 提示工程最佳實踐：
- 具體明確：清楚詳盡的指令帶來更好結果
- 提供背景：包含相關上下文資訊
- 使用範例：用範例示範您的需求
- 反覆調整：根據初步結果優化提示
🧪 測試場景：
# 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."
🏆 挑戰練習：模型效能比較
🎯 目標：使用相同提示比較不同模型以了解各自優勢
📋 指示：
- 將 Phi-4-mini 添加至工作區
- 使用相同提示對 GPT-4.1 和 Phi-4-mini 進行測試
- 比較回應質量、速度與準確度
- 在結果區記錄您的發現
💡 主要見解：
- 何時使用大型語言模型 (LLM) 與小型語言模型 (SLM)
- 成本與性能的權衡
- 不同模型的專長功能
🤖 實作練習 2：使用 Agent Builder 建立自訂代理
🎯 目標：創建專門用於特定任務及工作流程的 AI 代理
🏗️ 步驟 1：了解 Agent Builder
Agent Builder 是 Microsoft Foundry Toolkit 的核心功能。它讓您建立專用 AI 助手，結合大型語言模型的能力與自訂指令、特定參數和專業知識。
🧠 代理架構組件：
- 核心模型：基礎大型語言模型（GPT-4、Groks、Phi 等）
- 系統提示：定義代理的個性與行為
- 參數：最佳化性能的細緻設定
- 工具整合：連接外部 API 和 MCP 服務
- 記憶體：會話內容及上下文持續性
⚙️ 步驟 2：深入代理配置
🎨 創建有效的系統提示：
# 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
當然，您也可以使用 Generate System Prompt，利用 AI 幫助生成和優化提示
🔧 參數最佳化：
| 參數 | 推薦範圍 | 使用場景 |
|---|---|---|
| Temperature | 0.1-0.3 | 技術性/事實回應 |
| Temperature | 0.7-0.9 | 創意/腦力激蕩任務 |
| Max Tokens | 500-1000 | 簡潔回應 |
| Max Tokens | 2000-4000 | 詳細說明 |
🐍 步驟 3：實務練習 - Python 編程代理
🎯 任務：創建專門的 Python 編碼助手
📋 配置步驟：
-
模型選擇：選擇 Claude 3.5 Sonnet（優秀的代碼輔助）
-
系統提示設計：
# 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
- 參數配置：
- Temperature: 0.2（保持一致且可靠的代碼）
- Max Tokens: 2000（詳細說明）
- Top-p: 0.9（平衡創意）
🧪 步驟 4：測試您的 Python 代理
測試場景：
- 基本功能：「建立一個尋找質數的函數」
- 複雜演算法：「實現帶插入、刪除和搜尋方法的二元搜尋樹」
- 實際問題：「建立一個處理速率限制與重試的網絡爬蟲」
- 除錯：「修正這段程式碼 [貼上錯誤代碼]」
🏆 成功標準：
- ✅ 代碼無錯誤執行
- ✅ 包含適當文件註解
- ✅ 遵循 Python 最佳實踐
- ✅ 提供清晰解釋
- ✅ 建議改進方案
🎓 模塊 1 結語與後續步驟
📊 知識檢測
測試您的理解：
- 您能解釋目錄中模型的差異嗎？
- 您成功創建並測試自訂代理了嗎？
- 您了解如何優化不同使用場景的參數嗎？
- 您能設計有效的系統提示嗎？
📚 附加資源
🎉 恭喜！ 您已掌握 Microsoft Foundry Toolkit 的基礎，準備好構建更高階的 AI 應用！
🔜 繼續進入下一模塊
準備好學習更高階功能了嗎？繼續前往 模塊 2：使用 Microsoft Foundry Toolkit 的 MCP 基礎，您將學會：
- 使用 Model Context Protocol (MCP) 連接代理到外部工具
- 使用 Playwright 建立瀏覽器自動化代理
- 將 MCP 伺服器整合到您的 Microsoft Foundry Toolkit 代理中
- 以外部資料與能力強化代理
免責聲明： 本文件由 AI 翻譯服務 Co-op Translator 翻譯而成。雖然我們致力於確保準確性，但請注意，機器自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於重要資訊，建議進行專業人工翻譯。我們不對因使用本翻譯而產生的任何誤解或誤釋承擔責任。