Questo browser non è più supportato.
Esegui l'aggiornamento a Microsoft Edge per sfruttare i vantaggi di funzionalità più recenti, aggiornamenti della sicurezza e supporto tecnico.
Cosa descrive meglio il catalogo dei modelli di Foundry?
Catalogo costituito solo da modelli di base esclusivi di Microsoft
Un hub centrale per individuare, filtrare, confrontare e testare molti modelli di intelligenza artificiale generativi da più provider
Uno strumento che sostituisce la necessità di una sottoscrizione di Azure
Quale affermazione descrive meglio un modello di base in Microsoft Foundry
Modello specifico dell'attività di piccole dimensioni che deve essere ottimizzato prima di poter eseguire qualsiasi funzione utile
Uno strumento di benchmarking usato per confrontare diverse famiglie di modelli
Modello di grandi dimensioni preaddestrato che offre capacità generali e può essere usato immediatamente o personalizzato
Nel portale foundry qual è il vantaggio principale dell'uso di Model Playground prima di scrivere codice?
Consente di testare le richieste, confrontare i modelli e acquisire le impostazioni di lavoro che è possibile riutilizzare nel codice.
Distribuisce automaticamente il modello e rimuove la necessità di usare un'API.
Sostituisce le istruzioni di sistema generando automaticamente la richiesta di sistema migliore per ogni scenario.
Qual è il risultato principale della pubblicazione di un agente in Microsoft Foundry?
Converte l'agente in una risorsa di Azure gestita con un endpoint stabile che è possibile condividere e integrare senza esporre il progetto Foundry o il codice sorgente.
Riduce automaticamente i costi rendendo l'agente libero per l'esecuzione, indipendentemente dai token del modello, dagli strumenti o dai servizi dati connessi.
Sostituisce la necessità dell'API Project consentendo di chiamare l'agente solo tramite l'interfaccia utente del portale foundry.
Nell'esempio Python, quale riga è responsabile della chiamata dell'agente pubblicato (anziché chiamare direttamente una distribuzione del modello) durante la generazione di una risposta?
agent = project_client.agents.get(agent_name=myAgent)
openai_client = project_client.get_openai_client()
response = openai_client.responses.create(input=[{'role': 'user', 'content': 'Tell me what you can help with.''}], extra_body={'agent': {'name': agent.name, 'type': 'agent_reference'}},)
Devi rispondere a tutte le domande prima di controllare il lavoro svolto.
Questa pagina è stata utile?
Serve aiuto con questo argomento?
Provare a usare Ask Learn per chiarire o guidare l'utente in questo argomento?