Ta przeglądarka nie jest już obsługiwana.
Przejdź na przeglądarkę Microsoft Edge, aby korzystać z najnowszych funkcji, aktualizacji zabezpieczeń i pomocy technicznej.
Co najlepiej opisuje wykaz modeli firmy Foundry?
Katalog składający się tylko z modeli bazowych wyłącznie firmy Microsoft
Centralne centrum do odnajdywania, filtrowania, porównywania i testowania wielu modeli generacyjnych sztucznej inteligencji od wielu dostawców
Narzędzie, które zastępuje potrzebę subskrypcji platformy Azure
Które stwierdzenie najlepiej opisuje model podstawowy w rozwiązaniu Microsoft Foundry
Mały, specyficzny dla zadania model, który musi być dostrojony, zanim będzie mógł wykonać dowolną przydatną funkcję
Narzędzie do benchmarkingu używane do porównywania różnych rodzin modeli
Duży, wstępnie wytrenowany model, który zapewnia uniwersalne możliwości i może być od razu używany lub dostosowywany.
W portalu Foundry jaka jest podstawowa zaleta korzystania z placu zabaw modelu przed napisaniem kodu?
Umożliwia testowanie monitów, porównywanie modeli i przechwytywanie ustawień roboczych, których można użyć ponownie w kodzie.
Wdraża on model dla Ciebie i eliminuje konieczność używania interfejsu API.
Zastępuje instrukcje systemowe, automatycznie generując najlepszy monit systemowy dla każdego scenariusza.
Jaki jest główny rezultat publikowania agenta na platformie Microsoft Foundry?
Konwertuje agenta na zarządzany zasób platformy Azure przy użyciu stabilnego punktu końcowego, który można udostępniać i integrować bez uwidaczniania projektu Foundry lub kodu źródłowego.
Automatycznie zmniejsza koszty, umożliwiając bezpłatne działanie agenta, niezależnie od tokenów modelu, narzędzi lub zintegrowanych usług danych.
Zastępuje to potrzebę interfejsu API projektu, umożliwiając wywoływanie agenta tylko za pośrednictwem interfejsu użytkownika portalu Foundry.
W przykładzie w języku Python, który wiersz jest odpowiedzialny za wywoływanie opublikowanego agenta (zamiast bezpośredniego wywoływania wdrożenia modelu) podczas generowania odpowiedzi?
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'}},)
Przed sprawdzeniem pracy musisz odpowiedzieć na wszystkie pytania.
Czy ta strona była pomocna?
Potrzebujesz pomocy dotyczącej tego tematu?
Chcesz spróbować użyć asystenta Ask Learn, aby wyjaśnić ten temat lub uzyskać instrukcje, które go dotyczą?