注意： 本仓库仍在开发中，将频繁更新。

Azure AI Foundry、代理及 Azure OpenAI 服务示例

此仓库提供了使用 Azure OpenAI 服务、Azure AI Foundry 以及高级代理架构构建解决方案的实用资源和代码示例。这些示例有助于加速您采用 Azure 最新的语言、视觉和代理工作流 AI 功能。

🚀 开始使用

先决条件

• Azure 帐户 - 如果您是 Azure 新用户，请免费注册一个 Azure 帐户（免费），您将获得一些免费 Azure 积分以开始使用。
• Azure OpenAI 服务访问权限 - 有关详细信息，请参阅 Azure OpenAI 服务文档中的获取访问权限方法。
• Azure AI Foundry 资源 - 对于基于代理的解决方案，您需要访问 Azure AI Foundry。请参阅 Azure AI Foundry 文档 以获取设置详情。
• 模型部署 - 部署 GPT-4、GPT-3.5 Turbo、DALL-E 和 Whisper 等模型。请参阅关于 部署模型 和 模型可用性 的文档。

项目设置

每个解决方案文件夹都包含详细的设置和安装说明。请按照这些解决方案提供的说明进行操作以开始使用。

📂 解决方案

⚠️ 重要提示 ⚠️ Agent_Based_Samples 下的入门模板、说明、代码示例和资源旨在帮助加速特定场景下代理的开发。务必仔细审查所有提供的资源，并在您的用例背景下谨慎测试代理行为：了解更多信息：AI Foundry 代理服务。 某些代理产品可能受法律和监管要求约束，可能需要许可证，或者并不适用于所有行业、场景或用例。通过使用任何示例，即表示您承认使用该示例创建的代理或其他输出完全由您自行负责，并且您将遵守所有适用的法律、法规及相关安全标准、服务条款和行为准则。

🤖 基于代理的解决方案 (推荐)

• 客户协助解决方案：用于客户支持场景的现代多代理架构。
• 发布管理解决方案：利用代理从多个来源获取数据，简化并自动化发布管理流程。
• 销售分析师：分析销售和收入趋势，以识别指导性见解和销售改进机会。
• 市场研究分析师：功能强大的端到端研究解决方案，旨在提供及时、相关且结构化的市场情报。
• 文档生成器：弥合 GitHub Copilot 与贵组织知识生态系统之间的差距。

🚀 解决方案加速器

• 电子商务解决方案加速器：使用 Azure OpenAI 和 Azure AI 搜索构建多模态、AI 驱动的购物体验。
• 面向金融领域的高级 RAG：针对金融数据的高级检索增强生成 (RAG) 技术，可提高准确性和性能。

📚 其他资源 (旧版)

• 基础示例：可用于集成到您应用程序中的小型代码示例和片段。
• 端到端解决方案：针对特定用例和行业场景的完整解决方案。

📚 资源

文档

• Azure AI Foundry 文档
• Azure OpenAI 服务文档
• 模型概述
• 如何创建 Azure OpenAI 资源
• 申请 Azure OpenAI 服务访问权限

入门指南

• Azure AI Foundry 快速入门
• Azure OpenAI 快速入门

⚠️ 负责任的 AI

微软致力于负责任的 AI。在部署解决方案之前，请务必阅读 负责任的 AI 指南 和 微软负责任 AI 使用原则。

📝 商标

该项目可能包含项目、产品或服务的商标或徽标。使用 Microsoft 商标或徽标时，必须遵循 Microsoft 商标与品牌指南。第三方商标则受其各自政策的约束。

Azure AI Foundry 与 OpenAI 示例快速上手指南

本指南旨在帮助开发者快速利用 Azure OpenAI Service 和 Azure AI Foundry 构建基于智能体（Agent）的 AI 解决方案。

环境准备

在开始之前，请确保满足以下前置条件：

• Azure 账户：注册一个免费的 Azure 账户 以获取初始额度。
• Azure OpenAI Service 访问权限：您需要申请并获得 Azure OpenAI Service 的访问权限。请参考 官方文档 进行申请。
• Azure AI Foundry 资源：若需构建基于智能体（Agent）的解决方案，必须配置 Azure AI Foundry 资源。详见 设置文档。
• 模型部署：需在 Azure 门户中部署所需的模型（如 GPT-4, GPT-3.5 Turbo, DALL-E, Whisper 等）。
  • 创建资源指南
  • 模型可用性列表
• 开发工具：
  • Python 3.8 或更高版本
  • Git
  • IDE（推荐 VS Code）

安装步骤

本仓库包含多个独立的解决方案文件夹，每个都有具体的依赖要求。以下是通用的克隆与基础环境配置流程：

1. 克隆仓库

   git clone https://github.com/Azure-Samples/azure-ai-foundry-agents-samples.git
   cd azure-ai-foundry-agents-samples
   

2. 选择并进入具体解决方案目录 根据您的需求选择一个场景（例如客户助手）：

   cd Agent_Based_Samples/customer_assist
   

3. 创建虚拟环境并安装依赖

   python -m venv venv
   
   # Windows
   venv\Scripts\activate
   # macOS/Linux
   source venv/bin/activate
   
   pip install -r requirements.txt
   

4. 配置环境变量 在项目根目录下创建 .env 文件，填入您的 Azure 凭证信息（具体变量名请参考各解决方案文件夹内的 README.md）：

   AZURE_OPENAI_ENDPOINT=<your-endpoint>
   AZURE_OPENAI_API_KEY=<your-key>
   AZURE_OPENAI_DEPLOYMENT_NAME=<your-deployment-name>
   # 其他特定于该方案的变量...
   

基本使用

以下以 Customer Assist Solution（客户助手）为例，展示如何运行一个基于多智能体架构的简单示例。

1. 确认配置：确保已完成上述“安装步骤”中的环境变量配置。

2. 运行主程序：

   python main.py
   

   注：不同解决方案的入口文件名可能不同（如 app.py, run.py），请以具体文件夹内的说明为准。

3. 交互示例： 程序启动后，您将在终端看到提示符。输入客户查询即可触发智能体工作流。

   User: How do I reset my password?
   Agent: To reset your password, please visit the security settings page...
   

探索其他方案

您可以切换目录来尝试其他预置场景：

• 销售分析师: cd ../sales_analyst
• 市场研究分析师: cd ../market_research_analyst
• 电商加速方案: cd ../../Solution_Accelerators/Retail

注意：在使用任何智能体示例前，请务必根据您的具体业务场景审查并测试智能体的行为，确保符合法律法规及安全标准。详见 负责任 AI 指南。