[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-Azure-Samples--openai":3,"tool-Azure-Samples--openai":61},[4,18,26,36,44,53],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":17},4358,"openclaw","openclaw\u002Fopenclaw","OpenClaw 是一款专为个人打造的本地化 AI 助手，旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚，能够直接接入你日常使用的各类通讯渠道，包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息，OpenClaw 都能即时响应，甚至支持在 macOS、iOS 和 Android 设备上进行语音交互，并提供实时的画布渲染功能供你操控。\n\n这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地，用户无需依赖云端服务即可享受快速、私密的智能辅助，真正实现了“你的数据，你做主”。其独特的技术亮点在于强大的网关架构，将控制平面与核心助手分离，确保跨平台通信的流畅性与扩展性。\n\nOpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者，以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力（支持 macOS、Linux 及 Windows WSL2），即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你",349277,3,"2026-04-06T06:32:30",[13,14,15,16],"Agent","开发框架","图像","数据工具","ready",{"id":19,"name":20,"github_repo":21,"description_zh":22,"stars":23,"difficulty_score":10,"last_commit_at":24,"category_tags":25,"status":17},3808,"stable-diffusion-webui","AUTOMATIC1111\u002Fstable-diffusion-webui","stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。\n\n无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。",162132,"2026-04-05T11:01:52",[14,15,13],{"id":27,"name":28,"github_repo":29,"description_zh":30,"stars":31,"difficulty_score":32,"last_commit_at":33,"category_tags":34,"status":17},1381,"everything-claude-code","affaan-m\u002Feverything-claude-code","everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。\n\n通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。\n\n这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上",149489,2,"2026-04-10T11:32:46",[14,13,35],"语言模型",{"id":37,"name":38,"github_repo":39,"description_zh":40,"stars":41,"difficulty_score":32,"last_commit_at":42,"category_tags":43,"status":17},2271,"ComfyUI","Comfy-Org\u002FComfyUI","ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。\n\n这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。\n\n无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。",108322,"2026-04-10T11:39:34",[14,15,13],{"id":45,"name":46,"github_repo":47,"description_zh":48,"stars":49,"difficulty_score":32,"last_commit_at":50,"category_tags":51,"status":17},6121,"gemini-cli","google-gemini\u002Fgemini-cli","gemini-cli 是一款由谷歌推出的开源 AI 命令行工具，它将强大的 Gemini 大模型能力直接集成到用户的终端环境中。对于习惯在命令行工作的开发者而言，它提供了一条从输入提示词到获取模型响应的最短路径，无需切换窗口即可享受智能辅助。\n\n这款工具主要解决了开发过程中频繁上下文切换的痛点，让用户能在熟悉的终端界面内直接完成代码理解、生成、调试以及自动化运维任务。无论是查询大型代码库、根据草图生成应用，还是执行复杂的 Git 操作，gemini-cli 都能通过自然语言指令高效处理。\n\n它特别适合广大软件工程师、DevOps 人员及技术研究人员使用。其核心亮点包括支持高达 100 万 token 的超长上下文窗口，具备出色的逻辑推理能力；内置 Google 搜索、文件操作及 Shell 命令执行等实用工具；更独特的是，它支持 MCP（模型上下文协议），允许用户灵活扩展自定义集成，连接如图像生成等外部能力。此外，个人谷歌账号即可享受免费的额度支持，且项目基于 Apache 2.0 协议完全开源，是提升终端工作效率的理想助手。",100752,"2026-04-10T01:20:03",[52,13,15,14],"插件",{"id":54,"name":55,"github_repo":56,"description_zh":57,"stars":58,"difficulty_score":32,"last_commit_at":59,"category_tags":60,"status":17},4721,"markitdown","microsoft\u002Fmarkitdown","MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具，专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片（含 OCR）、音频（含语音转录）、HTML 乃至 YouTube 链接等多种格式的解析，能够精准提取文档中的标题、列表、表格和链接等关键结构信息。\n\n在人工智能应用日益普及的今天，大语言模型（LLM）虽擅长处理文本，却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点，它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式，成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外，它还提供了 MCP（模型上下文协议）服务器，可无缝集成到 Claude Desktop 等 LLM 应用中。\n\n这款工具特别适合开发者、数据科学家及 AI 研究人员使用，尤其是那些需要构建文档检索增强生成（RAG）系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性，但其核心优势在于为机器",93400,"2026-04-06T19:52:38",[52,14],{"id":62,"github_repo":63,"name":64,"description_en":65,"description_zh":66,"ai_summary_zh":67,"readme_en":68,"readme_zh":69,"quickstart_zh":70,"use_case_zh":71,"hero_image_url":72,"owner_login":73,"owner_name":74,"owner_avatar_url":75,"owner_bio":76,"owner_company":77,"owner_location":77,"owner_email":77,"owner_twitter":77,"owner_website":78,"owner_url":79,"languages":80,"stars":121,"forks":122,"last_commit_at":123,"license":124,"difficulty_score":32,"env_os":125,"env_gpu":126,"env_ram":126,"env_deps":127,"category_tags":130,"github_topics":77,"view_count":32,"oss_zip_url":77,"oss_zip_packed_at":77,"status":17,"created_at":131,"updated_at":132,"faqs":133,"releases":164},6374,"Azure-Samples\u002Fopenai","openai","The repository for all Azure OpenAI Samples complementing the OpenAI cookbook. ","openai 是一个专为 Azure 云平台打造的开源代码库，旨在为开发者提供构建人工智能应用所需的实用资源与示例。它作为 OpenAI 官方食谱（Cookbook）的有力补充，重点展示了如何利用 Azure OpenAI Service、Azure AI Foundry 以及先进的智能体（Agent）架构来开发解决方案。\n\n该工具主要解决了企业在落地 AI 技术时面临的“从零开始难”和“最佳实践缺失”的问题。通过提供经过验证的代码模板，它帮助用户快速搭建涉及语言理解、视觉分析及复杂工作流自动化的应用，显著缩短了从概念验证到实际部署的周期。其独特亮点在于提供了多智能体协作架构的示例，涵盖客户支持、销售分析、市场研究及文档生成等具体业务场景，并包含了针对金融领域的高级检索增强生成（RAG）技术方案。\n\nopenai 非常适合具有一定编程基础的软件工程师、系统架构师以及希望探索企业级 AI 落地的技术团队使用。对于想要深入了解如何在 Azure 生态中整合大模型能力、构建自动化智能代理的研究人员和开发者而言，这是一套极具参考价值的实战指南。需要注意的是，库中的部分高级功能需要配置相应的 A","openai 是一个专为 Azure 云平台打造的开源代码库，旨在为开发者提供构建人工智能应用所需的实用资源与示例。它作为 OpenAI 官方食谱（Cookbook）的有力补充，重点展示了如何利用 Azure OpenAI Service、Azure AI Foundry 以及先进的智能体（Agent）架构来开发解决方案。\n\n该工具主要解决了企业在落地 AI 技术时面临的“从零开始难”和“最佳实践缺失”的问题。通过提供经过验证的代码模板，它帮助用户快速搭建涉及语言理解、视觉分析及复杂工作流自动化的应用，显著缩短了从概念验证到实际部署的周期。其独特亮点在于提供了多智能体协作架构的示例，涵盖客户支持、销售分析、市场研究及文档生成等具体业务场景，并包含了针对金融领域的高级检索增强生成（RAG）技术方案。\n\nopenai 非常适合具有一定编程基础的软件工程师、系统架构师以及希望探索企业级 AI 落地的技术团队使用。对于想要深入了解如何在 Azure 生态中整合大模型能力、构建自动化智能代理的研究人员和开发者而言，这是一套极具参考价值的实战指南。需要注意的是，库中的部分高级功能需要配置相应的 Azure 资源及模型部署环境方可运行。","> **Note:**\n> This repository is a work in progress and will be updated frequently.\n\n# Azure AI Foundry, Agents, and Azure OpenAI Service Samples\n\nThis repository provides practical resources and code samples for building solutions with [Azure OpenAI Service](https:\u002F\u002Fazure.microsoft.com\u002Fen-us\u002Fproducts\u002Fai-services\u002Fopenai-service\u002F), [Azure AI Foundry](https:\u002F\u002Flearn.microsoft.com\u002Fen-us\u002Fazure\u002Fai-foundry\u002Fwhat-is-azure-ai-foundry), and advanced agent-based architectures. These samples help accelerate your adoption of Azure's latest AI capabilities for language, vision, and agentic workflows.\n\n## 🚀 Get Started\n\n### Prerequisites\n\n- **Azure Account** - If you're new to Azure, get an Azure account for [free](https:\u002F\u002Faka.ms\u002Ffree) and you'll get some free Azure credits to get started.\n- **Azure OpenAI Service Access** - For more details, see the [Azure OpenAI Service documentation on how to get access](https:\u002F\u002Flearn.microsoft.com\u002Fazure\u002Fai-services\u002Fopenai\u002Foverview#how-do-i-get-access-to-azure-openai).\n- **Azure AI Foundry Resource** - For agent-based solutions, you'll need access to Azure AI Foundry. See the [Azure AI Foundry documentation](https:\u002F\u002Flearn.microsoft.com\u002Fen-us\u002Fazure\u002Fai-services\u002Fazure-ai-foundry\u002F) for setup details.\n- **Model Deployments** - Deploy models like GPT-4, GPT-3.5 Turbo, DALL-E, and Whisper. See the documentation for [deploying models](https:\u002F\u002Flearn.microsoft.com\u002Fazure\u002Fai-services\u002Fopenai\u002Fhow-to\u002Fcreate-resource?pivots=web-portal) and [model availability](https:\u002F\u002Flearn.microsoft.com\u002Fazure\u002Fai-services\u002Fopenai\u002Fconcepts\u002Fmodels).\n\n### Project Setup\n\nEach solution folder contains detailed setup and installation instructions. Follow the instructions provided with these solutions to get going.\n\n## 📂 Solutions\n\n> ⚠️ **IMPORTANT NOTE** ⚠️\n> Starter templates, instructions, code samples and resources under Agent_Based_Samples are designed to assist in accelerating development of agents for specific scenarios. It is important that you review all provided resources and carefully test Agent behavior in the context of your use case: Learn more: [AI Foundry Agent Service](https:\u002F\u002Flearn.microsoft.com\u002Fen-us\u002Fazure\u002Fai-foundry\u002Fagents\u002Foverview).\nCertain Agent offerings may be subject to legal and regulatory requirements, may require licenses, or may not be suitable for all industries, scenarios, or use cases. By using any sample, you are acknowledging that Agents or other output created using that sample are solely your responsibility, and that you will comply with all applicable laws, regulations, and relevant safety standards, terms of service, and codes of conduct.\n\n### 🤖 Agent-Based Solutions *(Recommended)*\n\n- [**Customer Assist Solution**](.\u002FAgent_Based_Samples\u002Fcustomer_assist\u002FREADME.md): Modern multi-agent based architecture for customer support scenarios.\n- [**Release Management Solution**](.\u002FAgent_Based_Samples\u002Frelease_manager\u002FREADME.md): Streamline and automate release management using agents to bring data from multiple sources.\n- [**Sales Analyst**](.\u002FAgent_Based_Samples\u002Fsales_analyst\u002FREADME.md): Analyze sales and revenue trends to identify prescriptive insights & sales improvement opportunities.\n- [**Market Research Analyst**](.\u002FAgent_Based_Samples\u002Fmarket_research_analyst\u002FREADME.md): Powerful end-to-end research solution designed to deliver timely, relevant, and structured market intelligence.\n- [**Document Generator**](.\u002FAgent_Based_Samples\u002Fdocument_generator\u002FREADME.md): Bridges the gap between GitHub Copilot and your organization’s knowledge ecosystem.\n\n### 🚀 Solution Accelerators\n\n- [**eCommerce Solution Accelerator**](.\u002FSolution_Accelerators\u002FRetail\u002FREADME.md): Build a multimodal, AI-powered shopping experience with Azure OpenAI and Azure AI Search.\n- [**Advanced RAG for Financial Domain**](.\u002FSolution_Accelerators\u002FAdvanced_RAG\u002FREADME.md): Advanced Retrieval-Augmented Generation (RAG) techniques for financial data with improved accuracy and performance.\n\n### 📚 Additional Resources *(Legacy)*\n\n- [**Basic Samples**](.\u002FBasic_Samples\u002FREADME.md): Small code samples and snippets for integration into your applications.\n- [**End-to-End Solutions**](.\u002FEnd_to_end_Solutions\u002FREADME.md): Complete solutions for specific use cases and industry scenarios.\n\n## 📚 Resources\n\n### Documentation\n\n- [Azure AI Foundry Documentation](https:\u002F\u002Flearn.microsoft.com\u002Fen-us\u002Fazure\u002Fai-services\u002Fazure-ai-foundry\u002F)\n- [Azure OpenAI Service Documentation](https:\u002F\u002Flearn.microsoft.com\u002Fen-us\u002Fazure\u002Fcognitive-services\u002Fopenai\u002F)\n- [Model Overview](https:\u002F\u002Flearn.microsoft.com\u002Fen-us\u002Fazure\u002Fcognitive-services\u002Fopenai\u002Fconcepts\u002Fmodels)\n- [How to create an Azure OpenAI resource](https:\u002F\u002Flearn.microsoft.com\u002Fen-us\u002Fazure\u002Fcognitive-services\u002Fopenai\u002Fhow-to\u002Fcreate-resource?pivots=web-portal)\n- [Apply for access to Azure OpenAI Service](https:\u002F\u002Faka.ms\u002Foaiapply)\n\n### Getting Started Guides\n\n- [Azure AI Foundry Quickstart](https:\u002F\u002Flearn.microsoft.com\u002Fen-us\u002Fazure\u002Fai-services\u002Fazure-ai-foundry\u002Fquickstart)\n- [Azure OpenAI Quickstart](https:\u002F\u002Flearn.microsoft.com\u002Fen-us\u002Fazure\u002Fcognitive-services\u002Fopenai\u002Fquickstart?pivots=programming-language-studi)\n\n## ⚠️ Responsible AI\n\nMicrosoft is committed to responsible AI. Please review the [Responsible AI guidelines](https:\u002F\u002Flearn.microsoft.com\u002Fen-us\u002Flegal\u002Fcognitive-services\u002Fopenai\u002Ftransparency-note?context=\u002Fazure\u002Fcognitive-services\u002Fopenai\u002Fcontext\u002Fcontext) and [Microsoft's principles for responsible AI use](https:\u002F\u002Fwww.microsoft.com\u002Fai\u002Fresponsible-ai?activetab=pivot1:primaryr6) before deploying solutions.\n\n## 📝 Trademarks\n\nThis project may contain trademarks or logos for projects, products, or services. Use of Microsoft trademarks or logos must follow [Microsoft's Trademark & Brand Guidelines](https:\u002F\u002Fwww.microsoft.com\u002Fen-us\u002Flegal\u002Fintellectualproperty\u002Ftrademarks\u002Fusage\u002Fgeneral). Third-party trademarks are subject to their respective policies.\n","> **注意：**\n> 本仓库仍在开发中，将频繁更新。\n\n# Azure AI Foundry、代理及 Azure OpenAI 服务示例\n\n此仓库提供了使用 [Azure OpenAI 服务](https:\u002F\u002Fazure.microsoft.com\u002Fen-us\u002Fproducts\u002Fai-services\u002Fopenai-service\u002F)、[Azure AI Foundry](https:\u002F\u002Flearn.microsoft.com\u002Fen-us\u002Fazure\u002Fai-foundry\u002Fwhat-is-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。\n\n## 🚀 开始使用\n\n### 先决条件\n\n- **Azure 帐户** - 如果您是 Azure 新用户，请免费注册一个 Azure 帐户（[免费](https:\u002F\u002Faka.ms\u002Ffree)），您将获得一些免费 Azure 积分以开始使用。\n- **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](https:\u002F\u002Flearn.microsoft.com\u002Fazure\u002Fai-services\u002Fopenai\u002Foverview#how-do-i-get-access-to-azure-openai)。\n- **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](https:\u002F\u002Flearn.microsoft.com\u002Fen-us\u002Fazure\u002Fai-services\u002Fazure-ai-foundry\u002F) 以获取设置详情。\n- **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](https:\u002F\u002Flearn.microsoft.com\u002Fazure\u002Fai-services\u002Fopenai\u002Fhow-to\u002Fcreate-resource?pivots=web-portal) 和 [模型可用性](https:\u002F\u002Flearn.microsoft.com\u002Fazure\u002Fai-services\u002Fopenai\u002Fconcepts\u002Fmodels) 的文档。\n\n### 项目设置\n\n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。\n\n## 📂 解决方案\n\n> ⚠️ **重要提示** ⚠️\n> 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](https:\u002F\u002Flearn.microsoft.com\u002Fen-us\u002Fazure\u002Fai-foundry\u002Fagents\u002Foverview)。\n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。\n\n### 🤖 基于代理的解决方案 *(推荐)*\n\n- [**客户协助解决方案**](.\u002FAgent_Based_Samples\u002Fcustomer_assist\u002FREADME.md)：用于客户支持场景的现代多代理架构。\n- [**发布管理解决方案**](.\u002FAgent_Based_Samples\u002Frelease_manager\u002FREADME.md)：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。\n- [**销售分析师**](.\u002FAgent_Based_Samples\u002Fsales_analyst\u002FREADME.md)：分析销售和收入趋势，以识别指导性见解和销售改进机会。\n- [**市场研究分析师**](.\u002FAgent_Based_Samples\u002Fmarket_research_analyst\u002FREADME.md)：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。\n- [**文档生成器**](.\u002FAgent_Based_Samples\u002Fdocument_generator\u002FREADME.md)：弥合 GitHub Copilot 与贵组织知识生态系统之间的差距。\n\n### 🚀 解决方案加速器\n\n- [**电子商务解决方案加速器**](.\u002FSolution_Accelerators\u002FRetail\u002FREADME.md)：使用 Azure OpenAI 和 Azure AI 搜索构建多模态、AI 驱动的购物体验。\n- [**面向金融领域的高级 RAG**](.\u002FSolution_Accelerators\u002FAdvanced_RAG\u002FREADME.md)：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。\n\n### 📚 其他资源 *(旧版)*\n\n- [**基础示例**](.\u002FBasic_Samples\u002FREADME.md)：可用于集成到您应用程序中的小型代码示例和片段。\n- [**端到端解决方案**](.\u002FEnd_to_end_Solutions\u002FREADME.md)：针对特定用例和行业场景的完整解决方案。\n\n## 📚 资源\n\n### 文档\n\n- [Azure AI Foundry 文档](https:\u002F\u002Flearn.microsoft.com\u002Fen-us\u002Fazure\u002Fai-services\u002Fazure-ai-foundry\u002F)\n- [Azure OpenAI 服务文档](https:\u002F\u002Flearn.microsoft.com\u002Fen-us\u002Fazure\u002Fcognitive-services\u002Fopenai\u002F)\n- [模型概述](https:\u002F\u002Flearn.microsoft.com\u002Fen-us\u002Fazure\u002Fcognitive-services\u002Fopenai\u002Fconcepts\u002Fmodels)\n- [如何创建 Azure OpenAI 资源](https:\u002F\u002Flearn.microsoft.com\u002Fen-us\u002Fazure\u002Fcognitive-services\u002Fopenai\u002Fhow-to\u002Fcreate-resource?pivots=web-portal)\n- [申请 Azure OpenAI 服务访问权限](https:\u002F\u002Faka.ms\u002Foaiapply)\n\n### 入门指南\n\n- [Azure AI Foundry 快速入门](https:\u002F\u002Flearn.microsoft.com\u002Fen-us\u002Fazure\u002Fai-services\u002Fazure-ai-foundry\u002Fquickstart)\n- [Azure OpenAI 快速入门](https:\u002F\u002Flearn.microsoft.com\u002Fen-us\u002Fazure\u002Fcognitive-services\u002Fopenai\u002Fquickstart?pivots=programming-language-studi)\n\n## ⚠️ 负责任的 AI\n\n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](https:\u002F\u002Flearn.microsoft.com\u002Fen-us\u002Flegal\u002Fcognitive-services\u002Fopenai\u002Ftransparency-note?context=\u002Fazure\u002Fcognitive-services\u002Fopenai\u002Fcontext\u002Fcontext) 和 [微软负责任 AI 使用原则](https:\u002F\u002Fwww.microsoft.com\u002Fai\u002Fresponsible-ai?activetab=pivot1:primaryr6)。\n\n## 📝 商标\n\n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](https:\u002F\u002Fwww.microsoft.com\u002Fen-us\u002Flegal\u002Fintellectualproperty\u002Ftrademarks\u002Fusage\u002Fgeneral)。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\n\n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。\n\n## 环境准备\n\n在开始之前，请确保满足以下前置条件：\n\n*   **Azure 账户**：注册一个免费的 [Azure 账户](https:\u002F\u002Faka.ms\u002Ffree) 以获取初始额度。\n*   **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](https:\u002F\u002Flearn.microsoft.com\u002Fazure\u002Fai-services\u002Fopenai\u002Foverview#how-do-i-get-access-to-azure-openai) 进行申请。\n*   **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](https:\u002F\u002Flearn.microsoft.com\u002Fen-us\u002Fazure\u002Fai-services\u002Fazure-ai-foundry\u002F)。\n*   **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）。\n    *   [创建资源指南](https:\u002F\u002Flearn.microsoft.com\u002Fazure\u002Fai-services\u002Fopenai\u002Fhow-to\u002Fcreate-resource?pivots=web-portal)\n    *   [模型可用性列表](https:\u002F\u002Flearn.microsoft.com\u002Fazure\u002Fai-services\u002Fopenai\u002Fconcepts\u002Fmodels)\n*   **开发工具**：\n    *   Python 3.8 或更高版本\n    *   Git\n    *   IDE（推荐 VS Code）\n\n## 安装步骤\n\n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：\n\n1.  **克隆仓库**\n    ```bash\n    git clone https:\u002F\u002Fgithub.com\u002FAzure-Samples\u002Fazure-ai-foundry-agents-samples.git\n    cd azure-ai-foundry-agents-samples\n    ```\n\n2.  **选择并进入具体解决方案目录**\n    根据您的需求选择一个场景（例如客户助手）：\n    ```bash\n    cd Agent_Based_Samples\u002Fcustomer_assist\n    ```\n\n3.  **创建虚拟环境并安装依赖**\n    ```bash\n    python -m venv venv\n    \n    # Windows\n    venv\\Scripts\\activate\n    # macOS\u002FLinux\n    source venv\u002Fbin\u002Factivate\n    \n    pip install -r requirements.txt\n    ```\n\n4.  **配置环境变量**\n    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`）：\n    ```bash\n    AZURE_OPENAI_ENDPOINT=\u003Cyour-endpoint>\n    AZURE_OPENAI_API_KEY=\u003Cyour-key>\n    AZURE_OPENAI_DEPLOYMENT_NAME=\u003Cyour-deployment-name>\n    # 其他特定于该方案的变量...\n    ```\n\n## 基本使用\n\n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。\n\n1.  **确认配置**：确保已完成上述“安装步骤”中的环境变量配置。\n2.  **运行主程序**：\n    ```bash\n    python main.py\n    ```\n    *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。*\n\n3.  **交互示例**：\n    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。\n    ```text\n    User: How do I reset my password?\n    Agent: To reset your password, please visit the security settings page...\n    ```\n\n### 探索其他方案\n您可以切换目录来尝试其他预置场景：\n*   **销售分析师**: `cd ..\u002Fsales_analyst`\n*   **市场研究分析师**: `cd ..\u002Fmarket_research_analyst`\n*   **电商加速方案**: `cd ..\u002F..\u002FSolution_Accelerators\u002FRetail`\n\n> **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](https:\u002F\u002Flearn.microsoft.com\u002Fen-us\u002Flegal\u002Fcognitive-services\u002Fopenai\u002Ftransparency-note)。","某大型零售企业的技术团队正致力于构建一个能理解商品图片、检索库存数据并自动生成个性化营销文案的智能购物助手。\n\n### 没有 openai 时\n- **多模态能力割裂**：开发团队需分别集成独立的图像识别 API 和文本生成模型，导致系统架构复杂，图片与文字数据的上下文难以对齐。\n- **检索精度不足**：传统的关键词搜索无法理解用户模糊的自然语言查询（如“适合海边度假的红色连衣裙”），导致推荐结果相关性低。\n- **开发周期漫长**：从零搭建具备记忆功能和工具调用能力的 Agent 架构需要大量底层代码，且难以处理并发会话的状态管理。\n- **合规风险高企**：缺乏内置的企业级安全过滤机制，团队需自行研发内容审核模块以防范生成有害或不合规的营销内容。\n\n### 使用 openai 后\n- **原生多模态融合**：直接调用 Azure OpenAI 中的 GPT-4V 模型，单次请求即可同时处理商品图片分析与文案创作，确保视觉信息与语言描述完美契合。\n- **语义检索升级**：结合 Azure AI Search 与 RAG（检索增强生成）示例，系统能精准理解用户意图，从海量库存中检索出符合场景需求的商品。\n- **加速 Agent 落地**：复用仓库中的\"eCommerce Solution Accelerator\"模板，快速部署具备自主规划能力的智能体，将原本数月的开发工作缩短至数周。\n- **企业级安全护航**：依托 Azure 内置的内容安全过滤与责任 AI 框架，自动拦截不当输出，确保所有生成的营销文案符合品牌规范与法律法规。\n\nopenai 通过提供标准化的多模态模型与成熟的 Agent 加速模板，帮助企业在保障安全合规的前提下，将复杂的智能零售应用落地效率提升了数倍。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FAzure-Samples_openai_94932e0f.png","Azure-Samples","Azure Samples","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002FAzure-Samples_101a6251.png","Microsoft Azure code samples and examples in .NET, Java, Python, JavaScript, TypeScript, PHP and Ruby",null,"https:\u002F\u002Flearn.microsoft.com\u002Fazure","https:\u002F\u002Fgithub.com\u002FAzure-Samples",[81,85,89,93,97,101,105,109,113,117],{"name":82,"color":83,"percentage":84},"Jupyter Notebook","#DA5B0B",61.9,{"name":86,"color":87,"percentage":88},"Python","#3572A5",29.3,{"name":90,"color":91,"percentage":92},"TypeScript","#3178c6",3.7,{"name":94,"color":95,"percentage":96},"Bicep","#519aba",1.9,{"name":98,"color":99,"percentage":100},"CSS","#663399",1.1,{"name":102,"color":103,"percentage":104},"PowerShell","#012456",0.9,{"name":106,"color":107,"percentage":108},"HTML","#e34c26",0.6,{"name":110,"color":111,"percentage":112},"C#","#178600",0.4,{"name":114,"color":115,"percentage":116},"Dockerfile","#384d54",0.2,{"name":118,"color":119,"percentage":120},"Jinja","#a52a22",0.1,1319,457,"2026-04-10T09:42:03","MIT","","未说明",{"notes":128,"python":126,"dependencies":129},"本项目并非本地运行的开源模型代码库，而是 Azure OpenAI Service 和 Azure AI Foundry 的代码示例集合。运行环境主要依赖云端服务：1. 必须拥有 Azure 账户；2. 需申请并获得 Azure OpenAI Service 的访问权限；3. 对于基于代理（Agent）的解决方案，需要配置 Azure AI Foundry 资源；4. 需在云端部署具体的模型（如 GPT-4, GPT-3.5 Turbo, DALL-E, Whisper 等）。具体的本地开发环境设置（如 Python 版本、依赖库）需参考各子解决方案文件夹内的独立说明文档。",[],[35,14,13],"2026-03-27T02:49:30.150509","2026-04-11T03:31:38.125488",[134,139,144,149,154,159],{"id":135,"question_zh":136,"answer_zh":137,"source_url":138},28840,"如何在 Azure OpenAI Assistants API 中使用流式传输（Streaming）？","要使用流式传输功能，需要使用 `AsyncAzureOpenAI` 客户端并指定正确的 API 版本。具体配置如下：\n1. 导入并使用 `AsyncAzureOpenAI` 类。\n2. 将 `api_version` 设置为 `\"2024-04-01-preview\"` 或更高版本。\n注意：如果使用同步客户端或旧版本 API，`EventHandler` 可能不会生效，导致无法打印输出。","https:\u002F\u002Fgithub.com\u002FAzure-Samples\u002Fopenai\u002Fissues\u002F111",{"id":140,"question_zh":141,"answer_zh":142,"source_url":143},28841,"运行 azd up 部署时遇到 'preprovision' hook 失败 (exit code: 1) 错误如何解决？","该错误通常是因为 `azure.yaml` 文件中的预配置脚本未能正确获取用户主体 ID 或连接账户。解决方法是修改 `azure.yaml` 文件第 18 行左右的 `run` 命令，显式指定租户 ID 和订阅 ID。\n\n修改前：\n`run: Install-Module AzureAD -Force;Connect-AzAccount;$principalId = ...`\n\n修改后（请替换为您的实际 ID）：\n`run: Install-Module AzureAD -Force;Connect-AzAccount -Tenant '您的租户 ID' -SubscriptionId '您的订阅 ID'`\n\n确保将 `'xxxxx-xxxxx...'` 替换为您真实的 Azure 租户 ID 和订阅 ID。","https:\u002F\u002Fgithub.com\u002FAzure-Samples\u002Fopenai\u002Fissues\u002F29",{"id":145,"question_zh":146,"answer_zh":147,"source_url":148},28842,"使用 gpt-image-1 编辑图片时出现 404 'Resource Not Found' 错误是什么原因？","此问题通常是由于使用的 SDK 生成的 API 请求 URL 中的版本号与服务器端不匹配导致的。例如，SDK 可能使用了 `2025-03-01-preview`，而服务端实际需要 `2025-04-01-preview`。\n\n建议检查：\n1. 确认您使用的 Azure SDK for .NET 是否为最新版本。\n2. 如果问题依旧，这可能属于 `azure-sdk-for-net` 仓库的范畴，建议在该仓库提交 Issue 或检查是否有针对 Image Edit 接口的特定版本要求。","https:\u002F\u002Fgithub.com\u002FAzure-Samples\u002Fopenai\u002Fissues\u002F146",{"id":150,"question_zh":151,"answer_zh":152,"source_url":153},28843,"如何在使用 Azure OpenAI Python 库时获取速率限制（Rate Limit）相关的响应头信息？","Azure OpenAI API 理论上会返回速率限制信息（如 `X-Ratelimit-*` headers），但在某些 Python 库版本或通过 Azure 代理时可能不易直接获取。\n\n如果您使用的是 `openai-python` 库的 `AsyncAzureOpenAI` 客户端，请确保：\n1. 检查库的版本是否支持透传这些头部信息（参考 openai-python 官方 Issue #416）。\n2. 尝试直接访问原始 HTTP 响应对象来提取 headers。\n注意：目前社区中对于如何直接从标准响应对象中便捷提取这些信息仍在讨论中，可能需要通过底层 HTTP 客户端拦截响应来获取。","https:\u002F\u002Fgithub.com\u002FAzure-Samples\u002Fopenai\u002Fissues\u002F80",{"id":155,"question_zh":156,"answer_zh":157,"source_url":158},28844,"使用“自带数据”（Bring Your Own Data）功能时，为什么简单问题的回答结果很差或不准确？","如果在将 PDF 文档索引到 Azure Cognitive Search 后，Chat Playground 的回答仍然不准确，可能涉及以下原因：\n1. **索引质量**：检查文档切片（chunking）策略是否合适，过大的切片可能导致上下文丢失。\n2. **检索设置**：调整搜索的相似度阈值或顶部检索数量（top-k）。\n3. **模型能力**：确认使用的 GPT 模型版本是否适合处理特定的领域知识。\n4. **系统提示词**：检查系统提示词是否清晰地指示模型仅依据检索到的内容回答。\n\n如果遇到此类问题，建议联系 Microsoft Cloud Solution Architect 或查看详细日志以分析检索到的具体内容是否与问题相关。","https:\u002F\u002Fgithub.com\u002FAzure-Samples\u002Fopenai\u002Fissues\u002F31",{"id":160,"question_zh":161,"answer_zh":162,"source_url":163},28845,"在代码示例中直接粘贴大段代码导致 Issue 标题混乱，如何正确提交代码相关问题？","提交 Issue 时，请勿将完整的代码实现直接作为 Issue 标题（Title）。标题应简洁概括问题核心（例如：“聊天循环示例代码报错”）。\n\n正确的做法是：\n1. **标题**：简明扼要地描述问题现象。\n2. **正文（Body）**：使用 Markdown 代码块（```python ... ```）包裹您的代码、错误堆栈和环境信息。\n3. **模板**：遵循仓库提供的 Issue 模板填写“复现步骤”、“预期行为”和“实际行为”。\n这有助于维护者快速理解问题并提供帮助。","https:\u002F\u002Fgithub.com\u002FAzure-Samples\u002Fopenai\u002Fissues\u002F156",[]]