ห้องปฏิบัติการ AI Workshop: การทำให้โซลูชัน AI ของคุณสามารถปรับใช้ด้วย AZD

April 3, 2026 · View on GitHub

การนำทางบท:

📚 หน้าแรกหลักสูตร: AZD สำหรับผู้เริ่มต้น
📖 บทปัจจุบัน: บทที่ 2 - การพัฒนาแบบ AI-First
⬅️ ก่อนหน้า: การปรับใช้โมเดล AI
➡️ ถัดไป: แนวปฏิบัติที่ดีที่สุดสำหรับ AI ในการผลิต
🚀 บทถัดไป: บทที่ 3: การกำหนดค่า

ภาพรวมการอบรม

ห้องปฏิบัติการเชิงปฏิบัตินี้แนะนำให้นักพัฒนาผ่านกระบวนการนำเทมเพลต AI ที่มีอยู่แล้วไปปรับใช้โดยใช้ Azure Developer CLI (AZD) คุณจะได้เรียนรู้รูปแบบที่จำเป็นสำหรับการปรับใช้ AI ในสภาพแวดล้อมการผลิตโดยใช้บริการ Microsoft Foundry

หมายเหตุการตรวจสอบ (2026-03-25): ห้องปฏิบัติการนี้ได้รับการตรวจสอบกับ azd เวอร์ชัน 1.23.12 หากการติดตั้งในเครื่องของคุณเก่ากว่านี้ กรุณาอัปเดต AZD ก่อนเริ่มเพื่อให้เวิร์กโฟลว์การตรวจสอบสิทธิ์ เทมเพลต และการปรับใช้งานตรงกับขั้นตอนด้านล่าง

ระยะเวลา: 2-3 ชั่วโมง
ระดับ: ระดับกลาง
ความรู้พื้นฐาน: ความรู้พื้นฐานเกี่ยวกับ Azure, ความคุ้นเคยกับแนวคิด AI/ML

🎓 วัตถุประสงค์การเรียนรู้

เมื่อสิ้นสุดห้องปฏิบัติการนี้ คุณจะสามารถ:

✅ แปลงแอปพลิเคชัน AI ที่มีอยู่ให้ใช้เทมเพลต AZD
✅ กำหนดค่าบริการ Microsoft Foundry ด้วย AZD
✅ นำการจัดการข้อมูลประจำตัวที่ปลอดภัยมาใช้สำหรับบริการ AI
✅ ปรับใช้แอปพลิเคชัน AI ที่พร้อมใช้งานในสภาพแวดล้อมการผลิตพร้อมการเฝ้าติดตาม
✅ แก้ไขปัญหาการปรับใช้ AI ที่พบบ่อย

ความต้องการเบื้องต้น

เครื่องมือที่ต้องมี

ติดตั้ง Azure Developer CLI
ติดตั้ง Azure CLI
ติดตั้ง Git
ตัวแก้ไขโค้ด (แนะนำ VS Code)

ทรัพยากร Azure

การสมัครใช้งาน Azure ที่มีสิทธิ์ contributor
เข้าถึงบริการ Microsoft Foundry Models (หรือติดต่อขอสิทธิ์)
สิทธิ์ในการสร้างกลุ่มทรัพยากร

ความรู้เบื้องต้น

เข้าใจบริการ Azure เบื้องต้น
คุ้นเคยกับอินเทอร์เฟซบรรทัดคำสั่ง
แนวคิดเบื้องต้นเกี่ยวกับ AI/ML (API, โมเดล, คำสั่ง)

การตั้งค่าห้องปฏิบัติการ

ขั้นตอนที่ 1: เตรียมสภาพแวดล้อม

ตรวจสอบการติดตั้งเครื่องมือ:

# ตรวจสอบการติดตั้ง AZD
azd version

# ตรวจสอบ Azure CLI
az --version

# ลงชื่อเข้าใช้ Azure สำหรับเวิร์กโฟลว์ AZD
azd auth login

# ลงชื่อเข้าใช้ Azure CLI ก็ต่อเมื่อคุณวางแผนที่จะเรียกใช้คำสั่ง az ระหว่างการวินิจฉัยเท่านั้น
az login

ถ้าคุณทำงานกับหลายเทนแนนต์หรือระบบไม่ตรวจพบการสมัครใช้งานโดยอัตโนมัติ ให้ลองใหม่ด้วยคำสั่ง azd auth login --tenant-id <tenant-id>

โคลนรีโพซิทอรีของเวิร์กช็อป:

git clone https://github.com/Azure-Samples/azure-search-openai-demo
cd azure-search-openai-demo

โมดูล 1: ทำความเข้าใจโครงสร้าง AZD สำหรับแอปพลิเคชัน AI

องค์ประกอบของเทมเพลต AI AZD

สำรวจไฟล์สำคัญในเทมเพลต AZD ที่พร้อมสำหรับ AI:

azure-search-openai-demo/
├── azure.yaml              # AZD configuration
├── infra/                   # Infrastructure as Code
│   ├── main.bicep          # Main infrastructure template
│   ├── main.parameters.json # Environment parameters
│   └── modules/            # Reusable Bicep modules
│       ├── openai.bicep    # Microsoft Foundry Models configuration
│       ├── search.bicep    # Cognitive Search setup
│       └── webapp.bicep    # Web app configuration
├── app/                    # Application code
├── scripts/               # Deployment scripts
└── .azure/               # AZD environment files

แบบฝึกหัดห้องปฏิบัติการ 1.1: สำรวจการกำหนดค่า

ตรวจสอบไฟล์ azure.yaml:

cat azure.yaml

สิ่งที่ต้องดู:

การกำหนดบริการสำหรับส่วนประกอบ AI
การแมปตัวแปรสภาพแวดล้อม
การกำหนดโฮสต์

ทบทวนโครงสร้างพื้นฐานใน main.bicep:

cat infra/main.bicep

รูปแบบ AI ที่สำคัญที่ควรสังเกต:

การจัดเตรียมบริการ Microsoft Foundry Models
การผสานรวม Cognitive Search
การจัดการคีย์อย่างปลอดภัย
การกำหนดค่าความปลอดภัยเครือข่าย

ประเด็นอภิปราย: ทำไมรูปแบบเหล่านี้จึงสำคัญต่อ AI

การพึ่งพาบริการ: แอป AI มักต้องประสานงานบริการหลายอย่าง
ความปลอดภัย: คีย์ API และจุดเชื่อมต่อจำเป็นต้องจัดการอย่างปลอดภัย
การปรับขนาด: งาน AI มีความต้องการการปรับขนาดเฉพาะตัว
การจัดการค่าใช้จ่าย: บริการ AI อาจมีค่าใช้จ่ายสูงหากไม่ได้ตั้งค่าอย่างเหมาะสม

โมดูล 2: ปรับใช้แอปพลิเคชัน AI แรกของคุณ

ขั้นตอน 2.1: เริ่มต้นสภาพแวดล้อม

สร้างสภาพแวดล้อม AZD ใหม่:

azd env new myai-workshop

ตั้งค่าพารามิเตอร์ที่จำเป็น:

# ตั้งค่าเขตภูมิภาค Azure ที่คุณต้องการ
azd env set AZURE_LOCATION eastus

# ตัวเลือก: ตั้งค่าโมเดล OpenAI เฉพาะเจาะจง
azd env set AZURE_OPENAI_MODEL gpt-4.1-mini

ขั้นตอน 2.2: ปรับใช้โครงสร้างพื้นฐานและแอปพลิเคชัน

ปรับใช้ด้วย AZD:

azd up

สิ่งที่จะเกิดขึ้นระหว่าง azd up:

✅ จัดเตรียมบริการ Microsoft Foundry Models
✅ สร้างบริการ Cognitive Search
✅ ตั้งค่า App Service สำหรับเว็บแอปพลิเคชัน
✅ กำหนดค่าเครือข่ายและความปลอดภัย
✅ นำรหัสแอปพลิเคชันขึ้นใช้งาน
✅ ตั้งค่าการเฝ้าติดตามและบันทึกข้อมูล

ติดตามความคืบหน้าการปรับใช้ และจดบันทึกทรัพยากรที่ถูกสร้าง

ขั้นตอน 2.3: ตรวจสอบการปรับใช้ของคุณ

ตรวจสอบทรัพยากรที่ปรับใช้:

azd show

เปิดแอปพลิเคชันที่ปรับใช้:

azd show

เปิดเอ็นด์พอยต์เว็บที่แสดงในผลลัพธ์ของ azd show

ทดสอบฟังก์ชัน AI:
- ไปที่เว็บแอปพลิเคชัน
- ลองคำค้นสอบตัวอย่าง
- ตรวจสอบว่า AI ตอบสนองอย่างถูกต้อง

แบบฝึกหัดห้องปฏิบัติการ 2.1: ฝึกแก้ไขปัญหา

สถานการณ์: การปรับใช้สำเร็จแต่ AI ไม่ตอบสนอง

ปัญหาทั่วไปที่ควรตรวจสอบ:

คีย์ OpenAI API: ตรวจสอบให้ตั้งค่าอย่างถูกต้อง
ความพร้อมของโมเดล: ตรวจสอบว่าภูมิภาคของคุณรองรับโมเดลนี้หรือไม่
การเชื่อมต่อเครือข่าย: ตรวจสอบให้บริการสามารถสื่อสารกันได้
สิทธิ์ RBAC: ตรวจสอบว่าแอปสามารถเข้าถึง OpenAI ได้

คำสั่งสำหรับการดีบัก:

# ตรวจสอบตัวแปรแวดล้อม
azd env get-values

# ดูบันทึกการปรับใช้
az webapp log tail --name YOUR_APP_NAME --resource-group YOUR_RG

# ตรวจสอบสถานะการปรับใช้ OpenAI
az cognitiveservices account deployment list --name YOUR_OPENAI_NAME --resource-group YOUR_RG

โมดูล 3: ปรับแต่งแอปพลิเคชัน AI ให้เหมาะกับความต้องการของคุณ

ขั้นตอน 3.1: แก้ไขการกำหนดค่า AI

อัปเดตโมเดล OpenAI:

# เปลี่ยนเป็นโมเดลอื่น (ถ้ามีในภูมิภาคของคุณ)
azd env set AZURE_OPENAI_MODEL gpt-4.1

# ติดตั้งใหม่ด้วยการกำหนดค่าด้วยรุ่นใหม่
azd deploy

เพิ่มบริการ AI เพิ่มเติม:

แก้ไขไฟล์ infra/main.bicep เพื่อเพิ่ม Document Intelligence:

// Add to main.bicep
resource documentIntelligence 'Microsoft.CognitiveServices/accounts@2023-05-01' = {
  name: 'doc-intel-${uniqueString(resourceGroup().id)}'
  location: location
  kind: 'FormRecognizer'
  sku: {
    name: 'F0'  // Free tier for workshop
  }
  properties: {
    customSubDomainName: 'doc-intel-${uniqueString(resourceGroup().id)}'
  }
}

ขั้นตอน 3.2: การกำหนดค่าสภาพแวดล้อมเฉพาะ

แนวปฏิบัติที่ดีที่สุด: กำหนดค่าที่แตกต่างกันสำหรับการพัฒนากับการผลิต

สร้างสภาพแวดล้อมสำหรับการผลิต:

azd env new myai-production

ตั้งค่าพารามิเตอร์เฉพาะสำหรับการผลิต:

# การผลิตมักใช้ SKU ที่สูงกว่า
azd env set AZURE_OPENAI_SKU S0
azd env set AZURE_SEARCH_SKU standard

# เปิดใช้งานคุณสมบัติความปลอดภัยเพิ่มเติม
azd env set ENABLE_PRIVATE_ENDPOINTS true

แบบฝึกหัดห้องปฏิบัติการ 3.1: การเพิ่มประสิทธิภาพต้นทุน

ความท้าทาย: กำหนดค่าเทมเพลตให้รองรับการพัฒนาด้วยต้นทุนต่ำ

งานที่ต้องทำ:

ระบุ SKU ที่สามารถตั้งค่าเป็นฟรี/ขั้นพื้นฐาน
กำหนดค่าตัวแปรสภาพแวดล้อมเพื่อใช้ต้นทุนน้อยที่สุด
ปรับใช้และเปรียบเทียบค่าใช้จ่ายกับการกำหนดค่าการผลิต

คำแนะนำ:

ใช้ F0 (ฟรี) สำหรับ Cognitive Services หากเป็นไปได้
ใช้ Basic tier สำหรับ Search Service ในการพัฒนา
พิจารณาใช้แผน Consumption สำหรับ Functions

โมดูล 4: ความปลอดภัยและแนวปฏิบัติที่ดีที่สุดในสภาพแวดล้อมการผลิต

ขั้นตอน 4.1: การจัดการข้อมูลรับรองที่ปลอดภัย

ความท้าทายในปัจจุบัน: แอป AI จำนวนมากใช้การเข้ารหัสคีย์ API ตรงในโค้ดหรือเก็บไว้ในสถานที่ไม่ปลอดภัย

ทางแก้ไขด้วย AZD: ใช้ Managed Identity + การผสานรวมกับ Key Vault

ทบทวนการกำหนดค่าความปลอดภัยในเทมเพลตของคุณ:

# ค้นหาการกำหนดค่า Key Vault และ Managed Identity
grep -r "keyVault\|managedIdentity" infra/

ตรวจสอบการทำงานของ Managed Identity:

# ตรวจสอบว่าเว็บแอปมีการกำหนดค่าตัวตนที่ถูกต้องหรือไม่
az webapp identity show --name YOUR_APP_NAME --resource-group YOUR_RG

ขั้นตอน 4.2: ความปลอดภัยเครือข่าย

เปิดใช้งาน private endpoints (ถ้ายังไม่ได้กำหนดค่า):

เพิ่มในเทมเพลต bicep ของคุณ:

// Private endpoint for OpenAI
resource openAIPrivateEndpoint 'Microsoft.Network/privateEndpoints@2023-04-01' = {
  name: 'pe-openai-${uniqueString(resourceGroup().id)}'
  location: location
  properties: {
    subnet: {
      id: vnet.properties.subnets[0].id
    }
    privateLinkServiceConnections: [
      {
        name: 'openai-connection'
        properties: {
          privateLinkServiceId: openAIAccount.id
          groupIds: ['account']
        }
      }
    ]
  }
}

ขั้นตอน 4.3: การเฝ้าติดตามและการสังเกตการณ์

กำหนดค่า Application Insights:

# Application Insights ควรถูกตั้งค่าอัตโนมัติ
# ตรวจสอบการตั้งค่า:
az monitor app-insights component show --app YOUR_APP_NAME --resource-group YOUR_RG

ตั้งค่าการเฝ้าติดตามเฉพาะสำหรับ AI:

เพิ่มเมตริกส์กำหนดเองสำหรับการทำงานของ AI:

// In your web app configuration
resource webApp 'Microsoft.Web/sites@2023-01-01' = {
  properties: {
    siteConfig: {
      appSettings: [
        {
          name: 'APPLICATIONINSIGHTS_CONNECTION_STRING'
          value: applicationInsights.properties.ConnectionString
        }
        {
          name: 'OPENAI_MONITOR_ENABLED'
          value: 'true'
        }
      ]
    }
  }
}

แบบฝึกหัดห้องปฏิบัติการ 4.1: การตรวจสอบความปลอดภัย

งาน: ทบทวนการปรับใช้ของคุณเพื่อให้เป็นไปตามแนวปฏิบัติความปลอดภัยที่ดีที่สุด

รายการตรวจสอบ:

ไม่มีความลับที่ถูกฝังในโค้ดหรือการกำหนดค่า
ใช้ Managed Identity สำหรับการรับรองความถูกต้องระหว่างบริการ
Key Vault จัดเก็บการกำหนดค่าที่ละเอียดอ่อน
การเข้าถึงเครือข่ายถูกจำกัดอย่างเหมาะสม
เปิดใช้งานการเฝ้าติดตามและบันทึกข้อมูล

โมดูล 5: การแปลงแอปพลิเคชัน AI ของคุณเอง

ขั้นตอน 5.1: แบบประเมิน

ก่อนแปลงแอปของคุณ ให้ตอบคำถามเหล่านี้:

สถาปัตยกรรมแอปพลิเคชัน:
- แอปของคุณใช้บริการ AI อะไรบ้าง?
- ต้องการทรัพยากรคอมพิวต์อะไร?
- จำเป็นต้องใช้ฐานข้อมูลหรือไม่?
- มีการพึ่งพาระหว่างบริการอย่างไร?
ข้อกำหนดด้านความปลอดภัย:
- แอปของคุณจัดการกับข้อมูลที่ละเอียดอ่อนอะไรบ้าง?
- มีข้อกำหนดด้านการปฏิบัติตามกฎระเบียบใดหรือไม่?
- ต้องการเครือข่ายส่วนตัวหรือไม่?
ข้อกำหนดการปรับขนาด:
- คาดการณ์ปริมาณใช้งานอย่างไร?
- ต้องการการปรับขนาดอัตโนมัติหรือไม่?
- มีข้อกำหนดในภูมิภาคหรือไม่?

ขั้นตอน 5.2: สร้างเทมเพลต AZD ของคุณ

ทำตามรูปแบบนี้เพื่อแปลงแอปของคุณ:

สร้างโครงสร้างพื้นฐานเบื้องต้น:

mkdir my-ai-app-azd
cd my-ai-app-azd

# เริ่มต้นแม่แบบ AZD
azd init --template minimal

สร้างไฟล์ azure.yaml:

# Metadata
name: my-ai-app
metadata:
  template: my-ai-app-template@0.0.1-beta

# Services definition
services:
  api:
    project: ./api
    host: containerapp
  web:
    project: ./web
    host: staticwebapp
    
# Hooks for custom deployment logic  
hooks:
  predeploy:
    shell: sh
    run: echo "Preparing AI models..."

สร้างเทมเพลตโครงสร้างพื้นฐาน:

infra/main.bicep - เทมเพลตหลัก:

@description('Primary location for all resources')
param location string = resourceGroup().location

@description('Name of the OpenAI service')
param openAIServiceName string = 'openai-${uniqueString(resourceGroup().id)}'

// Your AI services here
module openAI 'modules/openai.bicep' = {
  name: 'openai'
  params: {
    name: openAIServiceName
    location: location
  }
}

infra/modules/openai.bicep - โมดูล OpenAI:

@description('Name of the OpenAI service')
param name string

@description('Location for the OpenAI service')
param location string

resource openAIAccount 'Microsoft.CognitiveServices/accounts@2023-05-01' = {
  name: name
  location: location
  kind: 'OpenAI'
  sku: {
    name: 'S0'
  }
  properties: {
    customSubDomainName: name
  }
}

output endpoint string = openAIAccount.properties.endpoint
output name string = openAIAccount.name

แบบฝึกหัดห้องปฏิบัติการ 5.1: ความท้าทายในการสร้างเทมเพลต

ความท้าทาย: สร้างเทมเพลต AZD สำหรับแอป AI ประมวลผลเอกสาร

ข้อกำหนด:

Microsoft Foundry Models สำหรับการวิเคราะห์เนื้อหา
Document Intelligence สำหรับ OCR
บัญชีจัดเก็บข้อมูลสำหรับอัปโหลดเอกสาร
Function App สำหรับตรรกะการประมวลผล
เว็บแอปสำหรับอินเทอร์เฟซผู้ใช้

คะแนนโบนัส:

เพิ่มการจัดการข้อผิดพลาดที่เหมาะสม
รวมการประเมินต้นทุน
ตั้งค่าหน้าปัดการเฝ้าติดตาม

โมดูล 6: การแก้ไขปัญหาที่พบบ่อย

ปัญหาการปรับใช้ทั่วไป

ปัญหา 1: โควต้าบริการ OpenAI เกินขีดจำกัด

อาการ: การปรับใช้ล้มเหลวพร้อมข้อผิดพลาดโควต้า
วิธีแก้ไข:

# ตรวจสอบโควต้าปัจจุบัน
az cognitiveservices usage list --location eastus

# ขอเพิ่มโควต้าหรือทดลองใช้ภูมิภาคอื่น
azd env set AZURE_LOCATION westus2
azd up

ปัญหา 2: โมเดลไม่พร้อมใช้ในภูมิภาค

อาการ: AI ตอบสนองล้มเหลวหรือข้อผิดพลาดการปรับใช้โมเดล
วิธีแก้ไข:

# ตรวจสอบความพร้อมของโมเดลตามภูมิภาค
az cognitiveservices model list --location eastus

# อัปเดตเป็นโมเดลที่พร้อมใช้งาน
azd env set AZURE_OPENAI_MODEL gpt-4.1-mini
azd deploy

ปัญหา 3: ปัญหาด้านสิทธิ์

อาการ: ข้อผิดพลาด 403 Forbidden เมื่อเรียกใช้บริการ AI
วิธีแก้ไข:

# ตรวจสอบการกำหนดบทบาท
az role assignment list --scope /subscriptions/YOUR_SUB/resourceGroups/YOUR_RG

# เพิ่มบทบาทที่ขาดหายไป
az role assignment create \
  --assignee YOUR_PRINCIPAL_ID \
  --role "Cognitive Services OpenAI User" \
  --scope /subscriptions/YOUR_SUB/resourceGroups/YOUR_RG

ปัญหาด้านประสิทธิภาพ

ปัญหา 4: AI ตอบสนองช้า

ขั้นตอนการตรวจสอบ:

ตรวจสอบ Application Insights สำหรับเมตริกประสิทธิภาพ
ทบทวนเมตริกของบริการ OpenAI ใน Azure portal
ตรวจสอบการเชื่อมต่อเครือข่ายและความหน่วง

วิธีแก้ไข:

ใช้แคชสำหรับคำค้นหาที่พบบ่อย
ใช้โมเดล OpenAI ที่เหมาะสมกับกรณีใช้งานของคุณ
พิจารณาใช้อ่านสำเนาสำหรับสถานการณ์โหลดสูง

แบบฝึกหัดห้องปฏิบัติการ 6.1: ความท้าทายการดีบัก

สถานการณ์: การปรับใช้สำเร็จ แต่แอปพลิเคชันส่งคืนข้อผิดพลาด 500

งานดีบัก:

ตรวจสอบบันทึกแอปพลิเคชัน
ตรวจสอบการเชื่อมต่อบริการ
ทดสอบการยืนยันตัวตน
ทบทวนการกำหนดค่า

เครื่องมือที่ใช้:

azd show สำหรับภาพรวมการปรับใช้
พอร์ทัล Azure สำหรับบันทึกรายละเอียดบริการ
Application Insights สำหรับการวัดข้อมูลแอปพลิเคชัน

โมดูล 7: การเฝ้าติดตามและการเพิ่มประสิทธิภาพ

ขั้นตอน 7.1: ตั้งค่าการเฝ้าติดตามครบวงจร

สร้างแดชบอร์ดกำหนดเอง:

ไปที่พอร์ทัล Azure และสร้างแดชบอร์ดพร้อม:

จำนวนคำขอและความล่าช้าของ OpenAI
อัตราการเกิดข้อผิดพลาดของแอปพลิเคชัน
การใช้ทรัพยากร
การติดตามค่าใช้จ่าย

ตั้งค่าการแจ้งเตือน:

# แจ้งเตือนสำหรับอัตราข้อผิดพลาดสูง
az monitor metrics alert create \
  --name "AI-App-High-Error-Rate" \
  --resource-group YOUR_RG \
  --target-resource-id YOUR_APP_ID \
  --condition "avg Http5xx greater than 10" \
  --description "Alert when error rate is high"

ขั้นตอน 7.2: การเพิ่มประสิทธิภาพค่าใช้จ่าย

วิเคราะห์ค่าใช้จ่ายปัจจุบัน:

# ใช้ Azure CLI เพื่อดึงข้อมูลต้นทุน
az consumption usage list --start-date 2024-01-01 --end-date 2024-01-31

นำมาตรการควบคุมค่าใช้จ่ายไปใช้:

ตั้งค่าการแจ้งเตือนงบประมาณ
ใช้นโยบาย autoscaling
ใช้แคชคำขอ
เฝ้าติดตามการใช้โทเค็นสำหรับ OpenAI

แบบฝึกหัดห้องปฏิบัติการ 7.1: การเพิ่มประสิทธิภาพประสิทธิภาพ

งาน: ปรับปรุงแอป AI ของคุณทั้งประสิทธิภาพและต้นทุน

เมตริกที่ต้องปรับปรุง:

ลดเวลาเฉลี่ยในการตอบสนองลง 20%
ลดต้นทุนรายเดือนลง 15%
รักษาความพร้อมใช้งานที่ 99.9%

กลยุทธ์ที่ควรลอง:

ใช้แคชตอบสนอง
ปรับแต่งคำสั่งให้ประหยัดโทเค็น
ใช้ SKU คอมพิวต์ที่เหมาะสม
ตั้งค่า autoscaling อย่างถูกต้อง

ความท้าทายสุดท้าย: การดำเนินการตั้งแต่ต้นจนจบ

สถานการณ์ความท้าทาย

คุณได้รับมอบหมายให้สร้างแชทบอทบริการลูกค้าพลัง AI ที่พร้อมใช้ในสภาพแวดล้อมการผลิตด้วยข้อกำหนดดังนี้:

ข้อกำหนดเชิงฟังก์ชัน:

อินเทอร์เฟซเว็บสำหรับการโต้ตอบกับลูกค้า
การผสานรวม Microsoft Foundry Models สำหรับการตอบกลับ
ความสามารถค้นหาเอกสารด้วย Cognitive Search
การผสานรวมกับฐานข้อมูลลูกค้าที่มีอยู่
รองรับหลายภาษา

ข้อกำหนดไม่ใช่ฟังก์ชัน:

รองรับผู้ใช้พร้อมกัน 1000 ราย
SLA ความพร้อมใช้งาน 99.9%
ปฏิบัติตาม SOC 2
ค่าใช้จ่ายไม่เกิน $500/เดือน
ปรับใช้ในหลายสภาพแวดล้อม (dev, staging, prod)

ขั้นตอนการดำเนินการ

ออกแบบสถาปัตยกรรม
สร้างเทมเพลต AZD
ดำเนินมาตรการความปลอดภัย
ตั้งค่าการเฝ้าติดตามและแจ้งเตือน
สร้างสายงานปรับใช้
จัดทำเอกสารโซลูชัน

เกณฑ์การประเมิน

✅ ฟังก์ชันการทำงาน: ตรงตามข้อกำหนดทั้งหมดหรือไม่
✅ ความปลอดภัย: มีการนำแนวปฏิบัติที่ดีที่สุดไปใช้หรือไม่
✅ การปรับขนาด: รองรับโหลดได้ดีหรือไม่
✅ การดูแลรักษา: โค้ดและโครงสร้างพื้นฐานมีการจัดการอย่างดีหรือไม่
✅ ต้นทุน: อยู่ในงบประมาณหรือไม่

แหล่งข้อมูลเพิ่มเติม

เอกสาร Microsoft

เทมเพลตตัวอย่าง

แหล่งข้อมูลชุมชน

🎓 ใบรับรองการสำเร็จ

ยินดีด้วย! คุณได้ผ่านเวิร์กช็อป AI แล้ว ตอนนี้คุณควรจะสามารถ:

✅ แปลงแอปพลิเคชัน AI ที่มีอยู่เป็นเท็มเพลต AZD
✅ นำแอปพลิเคชัน AI ที่พร้อมใช้งานในโปรดักชันไปใช้งาน
✅ นำแนวทางปฏิบัติด้านความปลอดภัยที่ดีที่สุดสำหรับงาน AI ไปใช้
✅ ตรวจสอบและเพิ่มประสิทธิภาพการทำงานของแอป AI
✅ แก้ไขปัญหาทั่วไปในการนำแอปไปใช้งาน

ขั้นตอนถัดไป

นำรูปแบบเหล่านี้ไปใช้กับโปรเจกต์ AI ของคุณเอง
ร่วมแบ่งปันเท็มเพลตกับชุมชน
เข้าร่วม Microsoft Foundry Discord เพื่อรับการสนับสนุนอย่างต่อเนื่อง
สำรวจหัวข้อขั้นสูง เช่น การนำไปใช้งานหลายภูมิภาค

ข้อเสนอแนะเวิร์กช็อป: ช่วยเราปรับปรุงเวิร์กช็อปนี้โดยการแบ่งปันประสบการณ์ของคุณใน ช่องทาง Microsoft Foundry Discord #Azure

การนำทางบทเรียน:

📚 หน้าแรกหลักสูตร: AZD For Beginners
📖 บทปัจจุบัน: บทที่ 2 - การพัฒนา AI-First
⬅️ ก่อนหน้า: การนำโมเดล AI ไปใช้งาน
➡️ ถัดไป: แนวปฏิบัติที่ดีที่สุดสำหรับ AI ในโปรดักชัน
🚀 บทถัดไป: บทที่ 3: การกำหนดค่า

ต้องการความช่วยเหลือ? เข้าร่วมชุมชนของเราเพื่อรับการสนับสนุนและการสนทนาเกี่ยวกับ AZD และการนำ AI ไปใช้งาน.

ข้อจำกัดความรับผิดชอบ:
เอกสารฉบับนี้ได้รับการแปลโดยใช้บริการแปลภาษา AI Co-op Translator แม้ว่าเราจะพยายามให้ความแม่นยำ โปรดทราบว่าการแปลอัตโนมัติอาจมีข้อผิดพลาดหรือความไม่ถูกต้อง เอกสารต้นฉบับในภาษาต้นทางควรถูกพิจารณาเป็นแหล่งข้อมูลที่น่าเชื่อถือ สำหรับข้อมูลที่สำคัญ แนะนำให้ใช้บริการแปลโดยมนุษย์ผู้เชี่ยวชาญ เราไม่รับผิดชอบต่อความเข้าใจผิดหรือการตีความที่ผิดพลาดที่เกิดขึ้นจากการใช้การแปลนี้