Phi Cookbook: Praktiske Eksempler med Microsofts Phi-modeller

April 23, 2026 · View on GitHub

Phi er en række open source AI-modeller udviklet af Microsoft.

Phi er i øjeblikket den mest kraftfulde og omkostningseffektive småsprogmodel (SLM) med meget gode benchmarks inden for flere sprog, ræsonnement, tekst/chat-generering, kodning, billeder, lyd og andre scenarier.

Du kan implementere Phi i skyen eller på edge-enheder, og du kan nemt bygge generative AI-applikationer med begrænset regnekraft.

Følg disse trin for at komme i gang med at bruge disse ressourcer:

Fork det repository: Klik
Klon repositoryet: git clone https://github.com/microsoft/PhiCookBook.git
Deltag i Microsoft AI Discord-fællesskabet og mød eksperter og andre udviklere

cover

🌐 Understøttelse af flere sprog

Understøttet via GitHub Action (Automatiseret & Altid Opdateret)

Foretrækker du at klone lokalt?

Dette repository inkluderer 50+ sprogoversættelser, hvilket væsentligt øger downloadstørrelsen. For at klone uden oversættelser, brug sparse checkout:

Bash / macOS / Linux:
git clone --filter=blob:none --sparse https://github.com/microsoft/PhiCookBook.git
cd PhiCookBook
git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'
CMD (Windows):
git clone --filter=blob:none --sparse https://github.com/microsoft/PhiCookBook.git
cd PhiCookBook
git sparse-checkout set --no-cone "/*" "!translations" "!translated_images"
Dette giver dig alt, hvad du behøver for at gennemføre kurset med en meget hurtigere download.

Indholdsfortegnelse

Introduktion
Inferens af Phi i forskellige miljøer
Inferens Phi Familie
Kvantisering af Phi-familien
Evaluering af Phi
RAG med Azure AI Search
- Sådan bruger du Phi-4-mini og Phi-4-multimodal(RAG) med Azure AI Search
Phi applikationsudviklings-eksempler
- Tekst & Chat Applikationer
  - Phi-4 Eksempler
  - Phi-3 / 3.5 Eksempler
- Azure AI Inference SDK kodebaserede eksempler
  - Phi-4 Eksempler
    - [📓] Generer projektkode ved hjælp af Phi-4-multimodal
  - Phi-3 / 3.5 Eksempler
    - Byg din egen Visual Studio Code GitHub Copilot Chat med Microsoft Phi-3-familien
    - Opret din egen Visual Studio Code Chat Copilot Agent med Phi-3.5 fra GitHub modeller
- Avancerede ræsonnementseksempler
  - Phi-4 Eksempler
- Demonstrationer
  - Phi-4-mini demos hostet på Hugging Face Spaces
  - Phi-4-multimodal demos hostet på Hugginge Face Spaces
- Vision Eksempler
  - Phi-4 Eksempler
    - [📓] Brug Phi-4-multimodal til at læse billeder og generere kode
  - Phi-3 / 3.5 Eksempler
- Reasoning-Vision Eksempler
  - Phi-4-Reasoning-Vision-15B
- Matematik Eksempler
  - Phi-4-Mini-Flash-Reasoning-Instruct Eksempler Matematik Demo med Phi-4-Mini-Flash-Reasoning-Instruct
- Audio Eksempler
  - Phi-4 Eksempler
- MOE Eksempler
  - Phi-3 / 3.5 Eksempler
- Funktionsopkald Eksempler
  - Phi-4 Eksempler 🆕
    - [📓] Brug af funktionsopkald med Phi-4-mini
    - [📓] Brug af funktionsopkald til at skabe multi-agenter med Phi-4-mini
    - [📓] Brug af funktionsopkald med Ollama
    - [📓] Brug af funktionsopkald med ONNX
- Multimodal Blandings Eksempler
  - Phi-4 Eksempler 🆕
    - [📓] Brug af Phi-4-multimodal som teknologijournalist
    - .NET konsolapplikation ved brug af Phi-4-multimodal til billedanalyse
Finjustering af Phi Eksempler
Hands on Lab
- Udforskning af banebrydende modeller: LLMs, SLMs, lokal udvikling og mere
- Frigørelse af NLP Potentiale: Finjustering med Microsoft Olive
Akademiske Forskningsartikler og Publikationer

Brug af Phi Modeller

Phi på Microsoft Foundry

Du kan lære, hvordan du bruger Microsoft Phi, og hvordan du bygger E2E-løsninger på dine forskellige hardwareenheder. For at prøve Phi selv kan du starte med at lege med modellerne og tilpasse Phi til dine scenarier ved hjælp af Microsoft Foundry Azure AI Model Catalog. Du kan lære mere i Kom godt i gang med Microsoft Foundry

Legeplads Hver model har en dedikeret legeplads til at teste modellen Azure AI Playground.

Phi på GitHub Modeller

Du kan lære, hvordan du bruger Microsoft Phi, og hvordan du bygger E2E-løsninger på dine forskellige hardwareenheder. For at prøve Phi selv kan du starte med at lege med modellen og tilpasse Phi til dine scenarier ved hjælp af GitHub Model Catalog. Du kan lære mere i Kom godt i gang med GitHub Model Catalog

Legeplads Hver model har en dedikeret legeplads til at teste modellen.

Phi på Hugging Face

Du kan også finde modellen på Hugging Face

Legeplads
Hugging Chat legeplads

🎒 Andre Kurser

Vores team producerer andre kurser! Se her:

LangChain

Azure / Edge / MCP / Agenter

Generativ AI Serie

Kerneuddannelse

Copilot Serie

Ansvarlig AI

Microsoft er forpligtet til at hjælpe vores kunder med at bruge vores AI-produkter ansvarligt, dele vores læringer og opbygge tillidsbaserede partnerskaber gennem værktøjer som Transparency Notes og Impact Assessments. Mange af disse ressourcer kan findes på https://aka.ms/RAI.
Microsofts tilgang til ansvarlig AI er forankret i vores AI-principper om retfærdighed, pålidelighed og sikkerhed, privatliv og sikkerhed, inklusivitet, gennemsigtighed og ansvarlighed.

Store naturlige sprog-, billede- og tale-modeller - som dem, der bruges i denne prøve - kan potentielt opføre sig på måder, der er uretfærdige, upålidelige eller stødende, og derved forårsage skade. Konsulter venligst Azure OpenAI service Transparency note for at blive informeret om risici og begrænsninger. Den anbefalede tilgang til at afbøde disse risici er at inkludere et sikkerhedssystem i din arkitektur, som kan registrere og forhindre skadelig adfærd. Azure AI Content Safety tilbyder et uafhængigt beskyttelseslag, der kan opdage skadeligt bruger-genereret og AI-genereret indhold i applikationer og tjenester. Azure AI Content Safety inkluderer tekst- og billed-API'er, der gør det muligt at opdage materiale, som er skadeligt. Inden for Microsoft Foundry tillader Content Safety-tjenesten dig at se, udforske og prøve eksempelkode til at opdage skadeligt indhold på tværs af forskellige modaliteter. Følgende quickstart dokumentation guider dig gennem at lave forespørgsler til tjenesten.

En anden faktor, der skal tages i betragtning, er den overordnede applikationsydelse. Med multimodale og multimodel-applikationer betragter vi ydeevne som, at systemet fungerer som du og dine brugere forventer, inklusive ikke at generere skadelige output. Det er vigtigt at vurdere ydeevnen af din samlede applikation ved hjælp af Performance and Quality and Risk and Safety evaluators. Du har også mulighed for at oprette og evaluere med brugerdefinerede evaluators.

Du kan evaluere din AI-applikation i dit udviklingsmiljø ved at bruge Azure AI Evaluation SDK. Givet enten et testdatasæt eller et mål, bliver dine genererende AI-applikationsgenereringer kvantitativt målt med indbyggede evaluators eller brugerdefinerede evaluators efter eget valg. For at komme i gang med azure ai evaluation sdk til at evaluere dit system, kan du følge quickstart-guiden. Når du har udført en evalueringskørsel, kan du visualisere resultaterne i Microsoft Foundry.

Varemærker

Dette projekt kan indeholde varemærker eller logoer for projekter, produkter eller tjenester. Autoriseret brug af Microsofts varemærker eller logoer er underlagt og skal følge Microsofts retningslinjer for varemærker og mærker.
Brug af Microsofts varemærker eller logoer i modificerede versioner af dette projekt må ikke skabe forvirring eller antyde Microsoft-sponsorat. Enhver brug af tredjeparts varemærker eller logoer er underlagt disse tredjeparts retningslinjer.

Få hjælp

Hvis du sidder fast eller har spørgsmål om at bygge AI-apps, så deltag i:

Hvis du har produktfeedback eller oplever fejl under udvikling, besøg:

Ansvarsfraskrivelse:
Dette dokument er oversat ved hjælp af AI-oversættelsestjenesten Co-op Translator. Selvom vi bestræber os på nøjagtighed, bedes du være opmærksom på, at automatiserede oversættelser kan indeholde fejl eller unøjagtigheder. Det oprindelige dokument på dets modersmål skal betragtes som den autoritative kilde. For kritisk information anbefales professionel menneskelig oversættelse. Vi påtager os intet ansvar for eventuelle misforståelser eller fejltolkninger som følge af brugen af denne oversættelse.