wehub-resource-sync🚀 模組 1：Microsoft Foundry Toolkit 基礎知識
📋 學習目標
完成本模組後，您將能夠：
- ✅ 安裝和設定 Microsoft Foundry Toolkit VS Code 擴充功能
- ✅ 導覽模型目錄並理解不同的模型來源
- ✅ 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務
🧠 Microsoft Foundry Toolkit 簡介
Microsoft Foundry Toolkit VS Code 擴充功能 是微軟的旗艦擴充套件，能將 VS Code 轉變為功能完善的 AI 開發環境。它搭起 AI 研究與實際應用開發之間的橋樑，讓各種技能等級的開發人員都能輕鬆利用生成式 AI。
🌟 主要功能
| 功能 | 說明 | 使用案例 |
|---|---|---|
| 🗂️ 模型目錄 | 可存取來自 GitHub、ONNX、OpenAI、Anthropic、Google 的 100 多款模型 | 模型發現與挑選 |
| 🔌 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 | 具有聊天介面的即時模型測試 | 快速原型與測試 |
| 📎 多模態支援 | 處理文字、圖片及附件 | 複雜的 AI 應用 |
| ⚡ 批次處理 | 同時執行多個提示 | 高效率測試流程 |
| 📊 模型評估 | 內建指標（F1、相關性、相似度、一致性） | 效能評估 |
🎯 為何 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：一個介面可管理多個 AI 供應商
- 🧪 輕鬆實驗：無需複雜設置即可比較模型
- 📈 適合生產：順利從原型轉向部署
🛠️ 前置條件與設定
📦 安裝 Microsoft Foundry Toolkit 擴充功能
步驟 1：進入擴充功能市集
- 開啟 Visual Studio Code
- 前往擴充功能視窗（
Ctrl+Shift+X或Cmd+Shift+X） - 搜尋「Microsoft Foundry Toolkit」
步驟 2：選擇版本
- 🟢 正式版：建議用於生產環境
- 🔶 預覽版：搶先體驗最新功能
步驟 3：安裝並啟用
✅ 驗證清單
- Microsoft Foundry Toolkit 圖示出現在 VS Code 側邊欄
- 擴充功能已啟用並運作中
- 輸出面板中無安裝錯誤訊息
🧪 實作練習 1：探索 GitHub 模型
🎯 目標：掌握模型目錄並測試第一個 AI 模型
📊 步驟 1：導覽模型目錄
模型目錄是您進入 AI 生態系的入口。它匯聚多個供應商的模型，方便發現與比較選項。
🔍 導覽指南：
點擊 Microsoft Foundry Toolkit 側邊欄中的 MODELS - Catalog
💡 專家提示：尋找具備符合您使用案例的特定功能的模型（例如程式碼生成、創意寫作、分析）。
⚠️ 注意：托管在 GitHub 的模型（即 GitHub 模型）免費使用，但受到請求和代幣數量限制。若要使用非 GitHub 模型（透過 Azure AI 或其他端點託管的外部模型），您需提供相應的 API 金鑰或身份驗證。
🚀 步驟 2：新增並設定您的第一個模型
模型選擇策略：
- GPT-4.1：適用於複雜推理與分析
- Phi-4-mini：輕量快速，適合簡單任務
🔧 設定流程：
- 從目錄中選取 OpenAI GPT-4.1
- 點擊 Add to My Models，將模型註冊以使用
- 選擇 Try in Playground，啟動測試環境
- 等待模型初始化（首次設定可能需點時間）
⚙️ 了解模型參數：
- Temperature：控制創造力（0 = 確定性，1 = 創意性）
- Max Tokens：最大回應長度
- Top-p：核采樣，用於回應多樣性
🎯 步驟 3：精通 Playground 介面
Playground 是您的 AI 實驗室。以下為最大化其效能的方法：
🎨 提示工程最佳實務：
- 具體明確：清楚且詳細的指令帶來更佳結果
- 提供背景：包含相關背景資料
- 使用範例：示範您想要的結果
- 反覆調整：根據初步結果優化提示
🧪 測試情境：
# 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：利用相同提示比較不同模型，了解其優勢
📋 教學指引：
- 將 Phi-4-mini 加入您的工作區
- 對 GPT-4.1 和 Phi-4-mini 使用相同提示
- 比較回應質量、速度與準確度
- 在結果區塊中記錄您的發現
💡 重要見解：
- 什麼時候使用大型語言模型（LLM）與小型語言模型（SLM）
- 成本與效能的權衡
- 不同模型的專門能力
🤖 實作練習 2：使用 Agent Builder 建立自訂代理
🎯 目標：創造針對特定任務及流程的專用 AI 代理
🏗️ 步驟 1：了解 Agent Builder
Agent Builder 是 Microsoft Foundry Toolkit 的亮點。它讓您能打造專用 AI 助手，結合大型語言模型的力量、客製指令、特定參數和專業知識。
🧠 代理架構組成：
- 核心模型：基礎 LLM（GPT-4、Groks、Phi 等）
- 系統提示：定義代理的個性與行為
- 參數設定：微調最佳表現的設定
- 工具整合：連接外部 API 與 MCP 服務
- 記憶體：對話上下文與會話持續性
⚙️ 步驟 2：代理設定詳解
🎨 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，藉由 AI 幫助生成並優化提示
🔧 參數優化：
| 參數 | 推薦範圍 | 使用案例 |
|---|---|---|
| Temperature | 0.1-0.3 | 技術性 / 事實回應 |
| Temperature | 0.7-0.9 | 創意 / 腦力激盪任務 |
| Max Tokens | 500-1000 | 簡潔回應 |
| Max Tokens | 2000-4000 | 詳細說明 |
🐍 步驟 3：實務練習 - Python 程式設計代理
🎯 任務：創建專門的 Python 程式語言助理
📋 設定步驟：
-
模型選擇：選擇 Claude 3.5 Sonnet（程式碼表現優異）
-
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
- 參數設定：
- Temperature：0.2（穩定可靠的程式碼）
- Max Tokens：2000（詳盡說明）
- Top-p：0.9（均衡創造力）
🧪 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：「實作一個包含插入、刪除與搜尋方法的二元搜尋樹」
- 實務問題：「建立一個可處理速率限制和重試的網頁爬蟲」
- 除錯：「修正以下程式碼 [貼上錯誤程式碼]」
🏆 成功標準：
- ✅ 程式碼正確運行無錯誤
- ✅ 包含適當文件說明
- ✅ 遵循 Python 最佳實務
- ✅ 提供清楚解釋
- ✅ 建議改進方法
🎓 模組 1 結語與後續步驟
📊 知識檢測
測試您的理解：
- 能說明目錄中不同模型的差異嗎？
- 您是否已成功建立並測試自訂代理？
- 是否了解如何為不同使用案例優化參數？
- 能設計有效的系統提示嗎？
📚 其他資源
- Microsoft Foundry Toolkit 文件： 官方 Microsoft Docs
- 提示工程指南： 最佳實務
- Microsoft Foundry Toolkit 中的模型： 發展中的模型
🎉 恭喜！ 您已掌握 Microsoft Foundry Toolkit 基礎，準備建立更進階的 AI 應用！
🔜 繼續下一模組
準備探索更高階功能？繼續前往 模組 2：使用 Microsoft Foundry Toolkit 的 MCP 基礎，您將學習如何：
- 使用模型上下文協定（MCP）連接外部工具給代理
- 利用 Playwright 建立瀏覽器自動化代理
- 將 MCP 伺服器與 Microsoft Foundry Toolkit 代理整合
- 以外部資料與功能強化代理
免責聲明： 本文件使用 AI 翻譯服務 Co-op Translator 進行翻譯。雖然我們力求準確，但請注意，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，建議尋求專業人工翻譯。我們不對因使用本翻譯而引起的任何誤解或曲解承擔責任。