Azure-AIGEN-demos
Azure-AIGEN-demos 是微软官方推出的 Azure AI Foundry 实战资源库，汇集了丰富的演示代码、技术文档和加速开发模板。它旨在解决企业在构建生成式 AI 应用时面临的痛点：如何快速整合多样化的模型（如 GPT-5、Mistral、Cohere、Flux 等）与工具，同时无需耗费大量精力管理底层基础设施。
通过提供开箱即用的示例，Azure-AIGEN-demos 帮助开发者直接在统一平台上实现智能体编排、文档分析、图像异常检测、自动打标及实时交互等复杂场景。其核心亮点在于展示了如何利用 Azure AI Foundry 的企业级能力，包括内置的链路追踪、监控评估、基于角色的访问控制（RBAC）以及标准化的网络策略，让团队能专注于业务逻辑创新而非运维细节。
这套资源特别适合 AI 应用开发者、架构师及技术研究人员使用。无论你是希望快速验证新模型效果，还是需要将实验性项目转化为具备生产就绪能力的企业级应用，Azure-AIGEN-demos 都提供了从概念验证到落地部署的全流程参考，助力用户高效驾驭微软统一的 AI 开发生态。
使用场景
某大型电商企业的技术团队正致力于构建一个智能商品审核系统，需要自动识别上传图片中的异常缺陷并为海量商品图生成精准标签。
没有 Azure-AIGEN-demos 时
- 模型集成繁琐：开发人员需手动编写大量底层代码来连接 Cohere Embed 4 等不同模型，反复调试 API 接口，耗时且容易出错。
- 缺乏统一监控：图像异常检测与自动打标流程分散在独立脚本中，无法统一追踪请求链路，出现误判时难以定位是模型问题还是数据问题。
- 权限管理混乱：多个微服务各自维护访问密钥，缺乏统一的基于角色的访问控制（RBAC），存在数据泄露风险且审计困难。
- 基础设施负担重：团队不得不花费大量精力配置网络策略和扩缩容规则，而非专注于优化核心业务逻辑。
使用 Azure-AIGEN-demos 后
- 快速落地示例：直接复用仓库中"Cohere Embed 4 图像异常检测”与“自动打标”的现成 Notebook 示例，将原本数周的集成工作缩短至几天。
- 全链路可观测：依托 Microsoft Foundry 的统一管理组，天然获得内置的追踪、监控和评估能力，一键查看从图片输入到标签输出的完整执行路径。
- 企业级安全管控：通过统一的 Azure 资源命名空间和策略配置，实现细粒度的权限管理和网络安全隔离，确保商品数据合规。
- 专注业务创新：底层生产级基础设施由平台自动托管，开发人员可立即基于 GPT-5.2 或 Flux.1 等新模型迭代更复杂的审核策略。
Azure-AIGEN-demos 通过提供标准化的企业级 AI 加速方案，让团队从繁琐的基础设施运维中解放出来，真正实现以业务价值为核心的敏捷开发。
运行环境要求
- 未说明
未说明
未说明
快速开始
微软 Foundry
微软 Foundry 是面向企业 AI 运营、模型构建者和应用开发的统一 Azure 平台即服务产品。这一基础架构将生产级基础设施与友好的用户界面相结合，使开发者能够专注于构建应用程序，而非管理基础设施。
微软 Foundry 将智能体、模型和工具统一在一个管理框架下，并内置了追踪、监控、评估以及可自定义的企业级部署配置等企业就绪功能。该平台通过统一的基于角色的访问控制 (RBAC)、网络和策略，在一个 Azure 资源提供程序命名空间内实现简化的管理。
最新内容
新内容（2026年2月19日）
| 项目 | 描述 | 链接 |
|---|---|---|
| 🔥 mistral-document-ai-2512 | mistral-document-ai-2512 | https://github.com/retkowsky/Azure-AIGEN-demos/tree/main/mistral-document-ai-2512 |
新内容（2026年2月16日）
| 项目 | 描述 | 链接 |
|---|---|---|
| 🔥 使用 Cohere Embed 4 在 Azure AI Foundry 上进行图像异常检测 | 图像异常检测 | https://github.com/retkowsky/Azure-AIGEN-demos/blob/main/anomaly_detection_cohere_embed4/Image%20Anomaly%20Detection%20with%20Cohere%20Embed%204%20on%20Azure%20AI%20Foundry.ipynb |
| 🔥 使用 Cohere Embed 4 在 Microsoft Foundry 上自动标记图像 | 自动标记 | https://github.com/retkowsky/Azure-AIGEN-demos/blob/main/auto_tagging_cohere/auto_tagging_cohere_embed4_azure.ipynb |
新内容（2026年2月6日）
| 项目 | 描述 | 链接 |
|---|---|---|
| 🔥 gpt-5.2 模型 | gpt-5.2 示例 | https://github.com/retkowsky/Azure-AIGEN-demos/blob/main/gpt-5.2/gpt52_models.ipynb |
新内容（2026年2月2日）
| 项目 | 描述 | 链接 |
|---|---|---|
| 🔥 Azure 价格获取器 | Azure API 价格查询。 | https://github.com/retkowsky/Azure-AIGEN-demos/blob/main/Pricing/azure_prices_fetcher.ipynb |
新内容（2026年1月27日）
| 项目 | 描述 | 链接 |
|---|---|---|
| 🔥 gpt-realtime-mini | gpt-realtime-mini 结合 Microsoft Foundry 使用。 | https://github.com/retkowsky/Azure-AIGEN-demos/blob/main/gpt-realtime-mini/gpt_realtime_mini_azure.ipynb |
新内容（2026年1月16日）
| 项目 | 描述 | 链接 |
|---|---|---|
| 🔥 Azure AI 智能体 MCP | 带有 MCP 连接的 Azure AI 智能体。 | https://github.com/retkowsky/Azure-AIGEN-demos/blob/main/MCP/MCP_Microsoft_Learn_Chatbot.ipynb |
新内容（2025年9月9日）
| 项目 | 描述 | 链接 |
|---|---|---|
| 🔥 Mistral 文档 AI | 在 Azure AI Foundry 内使用 Mistral 文档 AI 的端到端示例。 | https://github.com/retkowsky/Azure-OpenAI-demos/blob/main/Mistral%20Document%20AI/Mistral%20Document%20AI%20with%20Azure%20AI%20Foundry.ipynb |
| 🔥 Flux.1 Kontext Pro – 文本与图像生成 | 使用 Flux.1 Kontext Pro 结合 Azure AI Foundry 的图像编辑场景。 | https://github.com/retkowsky/Azure-OpenAI-demos/blob/main/Flux.1%20Kontext%20Pro/Image%20Edition%20with%20Flux.1%20Kontext%20Pro%20with%20Azure%20AI%20Foundry.ipynb |
| 🔥 Flux1.1 Pro – 文本转图像 | 在 Azure AI Foundry 中使用 FLUX‑1.1‑pro 实现高质量的文本到图像生成。 | https://github.com/retkowsky/Azure-OpenAI-demos/blob/main/blackforestslabs/flux1.1pro/Text%20to%20image%20with%20FLUX-1.1-pro%20in%20Azure%20AI%20Foundry.ipynb |
新内容（2025年8月26日）
| 项目 | 描述 | 链接 |
|---|---|---|
| 🔥 GPT‑5 演示示例 | 在 Azure AI Foundry 中 GPT‑5 的使用模式及参考场景。 | https://github.com/retkowsky/Azure-OpenAI-demos/blob/main/gpt5/Azure%20AI%20Foundry%20-%20gpt5.ipynb |
新内容（2025年6月26日）
新内容（2025年6月2日）
| 项目 | 描述 | 链接 |
|---|---|---|
| 🔥 SORA 与 Azure AI Foundry | 端到端的 SORA 集成场景。 | https://github.com/retkowsky/Azure-OpenAI-demos/blob/main/sora/SORA%20with%20Azure%20AI%20Foundry.ipynb |
| 🔥 使用 GPT‑4o 和 SORA 的图像转视频 | 基于 GPT‑4o 和 SORA 的图像转视频生成流水线。 | https://github.com/retkowsky/Azure-OpenAI-demos/blob/main/sora/Image%20to%20Video%20with%20gpt4o%20and%20SORA.ipynb |
| 🔥 使用 GPT‑4o 和 SORA 的视频转视频 | 结合 GPT‑4o 和 SORA 的视频转换工作流。 | https://github.com/retkowsky/Azure-OpenAI-demos/blob/main/sora/Video%20to%20Video%20with%20gpt4o%20and%20SORA.ipynb |
| 🔥 Azure AI Search 中的智能体检索 | 使用 Azure AI Search 进行智能体检索的实用场景。 | https://github.com/retkowsky/Azure-OpenAI-demos/blob/main/Agentic%20RAG/Introducing%20agentic%20retrieval%20in%20Azure%20AI%20Search.ipynb |
| 🔥 模型路由 | 在多个模型之间动态路由请求。 | https://github.com/retkowsky/Azure-OpenAI-demos/blob/main/Model%20router/Model%20router.ipynb |
新内容（2025年5月21日）
AutoGen 系列
新内容（2025年4月30日）
Azure AI Agent 服务
新内容（2025年4月29日）
Azure AI Foundry 上的 GPT‑image‑1
新内容（2025年4月18日）
新内容（2025年2月14日）
| 项目 | 描述 | 链接 |
|---|---|---|
| 🔥 o1‑mini | 使用 o1‑mini 进行紧凑且经济高效的推理。 | https://github.com/retkowsky/Azure-OpenAI-demos/blob/main/o1/Azure%20OpenAI%20o1%20mini%20examples.ipynb |
| 🔥 o3‑mini | 使用 o3‑mini 进行先进的轻量级推理。 | https://github.com/retkowsky/Azure-OpenAI-demos/blob/main/o3/Azure%20OpenAI%20o3%20mini%20examples.ipynb |
| 🔥 GPT‑4o 微调（文本） | 使用微调后的 GPT‑4o 模型进行文本分类。 | https://github.com/retkowsky/Azure-OpenAI-demos/blob/main/Gpt-4o-Text-FineTuning/Text%20classification%20with%20gpt-4o%20fine%20tuned%20model.ipynb |
新内容（2025年2月6日）
| 项目 | 描述 | 链接 |
|---|---|---|
| 🔥 Azure OpenAI 音频生成 | 使用 GPT‑4o 进行音频生成流程。 | https://github.com/retkowsky/Azure-OpenAI-demos/blob/main/Azure%20OpenAI%20audio%20generation/Azure%20OpenAI%20Gpt4o%20Audio.ipynb |
新内容（2025年1月23日）
| 项目 | 描述 | 链接 |
|---|---|---|
| 🔥 使用 gpt‑4o 进行图像分类 | 使用 GPT‑4o 进行基础图像分类。 | https://github.com/retkowsky/Azure-OpenAI-demos/tree/main/gpt-4o-image-classification |
| 🔥 用于图像分类的 gpt‑4o 模型微调 | 对 GPT‑4o 进行工业级图像分类（NEU 数据集）的微调。 | https://github.com/retkowsky/Azure-OpenAI-demos/tree/main/gpt-4o-image-classification-finetuning |
新内容（2025年1月16日）
| 项目 | 描述 | 链接 |
|---|---|---|
| 🔥 AI 音频与视频播客生成器 | 使用 Azure OpenAI、Azure AI Document Intelligence 和 Azure AI Speech 自动化制作播客。 | https://github.com/retkowsky/Azure-OpenAI-demos/tree/main/AI%20podcast%20generation |
| 🔥 GPT‑4o 微调用于 VQA | 使用微调后的 GPT‑4o 模型进行视觉问答任务。 | https://github.com/retkowsky/Azure-OpenAI-demos/tree/main/Gpt-4o%20Fine%20tuning |
Azure OpenAI 演示 – 主题概述
文档
| 项目 | 描述 | 链接 |
|---|---|---|
| Microsoft Foundry – 产品页面 | 产品概述、功能和定价。 | https://azure.microsoft.com/en-us/products/ai-foundry/#AI-Foundry-Hero |
| 什么是 Microsoft Foundry？ | 概念性文档和关键架构概念。 | https://learn.microsoft.com/en-us/azure/ai-foundry/what-is-azure-ai-foundry |
作者
| 字段 | 详情 |
|---|---|
| 姓名 | Serge Retkowsky |
| 创建日期 | 2023年9月5日 |
| 最后更新 | 2026年2月19日 |
| 邮箱 | serge.retkowsky@microsoft.com |
| https://www.linkedin.com/in/serger/ | |
| Medium 发表文章 | https://medium.com/@sergems18/ |
相似工具推荐
stable-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。 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。
everything-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。 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。 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
ComfyUI
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。 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。 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。
NextChat
NextChat 是一款轻量且极速的 AI 助手，旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性，以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发，NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。 这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言，它也提供了便捷的自托管方案，支持一键部署到 Vercel 或 Zeabur 等平台。 NextChat 的核心亮点在于其广泛的模型兼容性，原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型，让用户在一个界面即可自由切换不同 AI 能力。此外，它还率先支持 MCP（Model Context Protocol）协议，增强了上下文处理能力。针对企业用户，NextChat 提供专业版解决方案，具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能，满足公司对数据隐私和个性化管理的高标准要求。
ML-For-Beginners
ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程，旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周，包含 26 节精炼课程和 52 道配套测验，内容涵盖从基础概念到实际应用的完整流程，有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员，还是对人工智能充满好奇的普通爱好者，都能从中受益。课程不仅提供了清晰的理论讲解，还强调动手实践，让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持，通过自动化机制提供了包括简体中文在内的 50 多种语言版本，极大地降低了全球不同背景用户的学习门槛。此外，项目采用开源协作模式，社区活跃且内容持续更新，确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路，ML-For-Beginners 将是理想的起点。
ragflow
RAGFlow 是一款领先的开源检索增强生成（RAG）引擎，旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体（Agent）能力相结合，不仅支持从各类文档中高效提取知识，还能让模型基于这些知识进行逻辑推理和任务执行。 在大模型应用中，幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构（如表格、图表及混合排版），显著提升了信息检索的准确度，从而有效减少模型“胡编乱造”的现象，确保回答既有据可依又具备时效性。其内置的智能体机制更进一步，使系统不仅能回答问题，还能自主规划步骤解决复杂问题。 这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统，还是致力于探索大模型在垂直领域落地的创新者，都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口，既降低了非算法背景用户的上手门槛，也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目，它正成为连接通用大模型与行业专有知识之间的重要桥梁。