Phi Cookbook: Gyakorlati példák a Microsoft Phi modelljeivel

April 23, 2026 · View on GitHub

A Phi a Microsoft által fejlesztett nyílt forráskódú AI modellek sorozata.

A Phi jelenleg a leghatékonyabb és legköltséghatékonyabb kis nyelvi modell (SLM), amely kiváló eredményeket ért el többnyelvűség, következtetés, szöveg/csevegés generálás, kódolás, képek, hang és egyéb szcenáriók terén.

Telepítheted a Phit felhőbe vagy élő eszközökre, és könnyedén építhetsz generatív AI alkalmazásokat korlátozott számítási kapacitással.

Kövesd az alábbi lépéseket az erőforrás használatának megkezdéséhez:

Forkold le a tárat: Kattints ide
Klónozd a tárat: git clone https://github.com/microsoft/PhiCookBook.git
Csatlakozz a Microsoft AI Discord közösséghez, és találkozz szakértőkkel és fejlesztőtársaiddal

cover

🌐 Többnyelvű támogatás

GitHub Action segítségével támogatott (Automatikus és mindig naprakész)

Szeretnéd helyben klónozni?

Ez a tár több mint 50 nyelvi fordítást tartalmaz, ami jelentősen megnöveli a letöltési méretet. Ha fordítások nélkül szeretnéd klónozni, használj sparse checkout-ot:

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"
Ez minden szükséges dolgot biztosít a kurzus befejezéséhez sokkal gyorsabb letöltéssel.

Tartalomjegyzék

Bevezetés
Phi futtatása különböző környezetekben
Phi család futtatása
Phi család kvantálása
Phi értékelése
RAG az Azure AI Kereséssel
- Hogyan használd a Phi-4-mini és Phi-4-multimodal (RAG) modelleket Azure AI Kereséssel
Phi alkalmazásfejlesztési példák
- Szöveg és csevegő alkalmazások
  - Phi-4 példák
  - Phi-3 / 3.5 példák
- Azure AI Inference SDK Kód Alapú Minták
  - Phi-4 Minták
    - [📓] Projektkód generálása Phi-4-multimodal használatával
  - Phi-3 / 3.5 Minták
    - Építsd meg saját Visual Studio Code GitHub Copilot Chat-edet a Microsoft Phi-3 családdal
    - Hozd létre saját Visual Studio Code Chat Copilot ügynököd Phi-3.5-tel GitHub modellekkel
- Haladó Érvelési Minták
  - Phi-4 Minták
- Demók
  - Phi-4-mini demók a Hugging Face Spaces-en
  - Phi-4-multimodal demók a Hugging Face Spaces-en
- Látás Minták
  - Phi-4 Minták
    - [📓] Használja a Phi-4-multimodal-t képek olvasására és kód generálására
  - Phi-3 / 3.5 Minták
- Érvelés-Látás Minták
  - Phi-4-Érvelés-Látás-15B
- Matematikai Minták
  - Phi-4-Mini-Flash-Érvelés-Utasítás Minták Matematika Demo Phi-4-Mini-Flash-Érvelés-Utasítással
- Hang Minták
  - Phi-4 Minták
- MOE Minták
  - Phi-3 / 3.5 Minták
- Funkcióhívás Minták
  - Phi-4 Minták 🆕
- Többmodalitás keverése Minták
  - Phi-4 Minták 🆕
    - [📓] Phi-4-multimodal használata technológiai újságíróként
    - .NET konzolalkalmazás Phi-4-multimodal képelemzéshez
Phi finomhangolása minták
Gyakorlati labor
- Élvonalbeli modellek felfedezése: LLM-ek, SLM-ek, helyi fejlesztés és még sok más
- Az NLP potenciáljának kiaknázása: Finomhangolás a Microsoft Olive-dal
Tudományos kutatási cikkek és publikációk

Phi modellek használata

Phi a Microsoft Foundry-n

Megtanulhatod, hogyan használd a Microsoft Phi-t, és hogyan építs végponttól végpontig (E2E) megoldásokat különböző hardvereszközeiden. Ahhoz, hogy te magad is kipróbáld a Phi-t, kezdj el játszani a modellekkel és testre szabni a Phi-t a saját eseteidhez a Microsoft Foundry Azure AI Model Catalog segítségével. További információkat találsz a Microsoft Foundry kezdő lépéseiről.

Játszótér Minden modellhez külön játszótér tartozik a modell tesztelésére: Azure AI Playground.

Phi a GitHub modelleken

Megtanulhatod, hogyan használd a Microsoft Phi-t, és hogyan építs végponttól végpontig (E2E) megoldásokat különböző hardvereszközeiden. Ahhoz, hogy te magad is kipróbáld a Phi-t, kezdj el játszani a modellel és testre szabni a Phi-t a saját eseteidhez a GitHub Model Catalog segítségével. További információkat találsz a GitHub Model Catalog kezdő lépéseiről.

Játszótér Minden modellhez külön játszótér a modell tesztelésére.

Phi a Hugging Face-en

A modellt megtalálhatod a Hugging Face-en.

Játszótér Hugging Chat játszótér

🎒 Egyéb kurzusok

Csapatunk más kurzusokat is kínál! Tekintsd meg:

LangChain

Azure / Edge / MCP / Ügynökök

Generatív AI sorozat

Alapvető tanulás

Copilot sorozat

Felelős mesterséges intelligencia

A Microsoft elkötelezett amellett, hogy ügyfeleink felelősségteljesen használják mesterséges intelligencia termékeinket, megosszák tanulságainkat, és bizalmon alapuló partnerségeket építsenek olyan eszközök révén, mint az Átláthatósági jegyzetek és Hatásértékelések. Ezeknek az erőforrásoknak sok megtalálható a https://aka.ms/RAI címen. A Microsoft felelős MI megközelítése az igazságosság, megbízhatóság és biztonság, adatvédelem és biztonság, befogadás, átláthatóság és elszámoltathatóság alapelvein nyugszik.

A nagy léptékű természetes nyelvű, képi és beszédfeldolgozó modellek – mint például a mintában használtak is – potenciálisan igazságtalan, megbízhatatlan vagy sértő módon viselkedhetnek, ami károkat okozhat. Kérjük, tájékozódj az Azure OpenAI szolgáltatás Átláthatósági jegyzetéből, hogy informált legyél a kockázatokról és korlátokról. Az ajánlott megközelítés ezen kockázatok mérséklésére egy olyan biztonsági rendszer beépítése az architektúrába, amely képes észlelni és megakadályozni a káros viselkedést. Az Azure AI Content Safety egy független védelmi réteget biztosít, amely képes észlelni a káros, felhasználók által vagy AI által generált tartalmakat az alkalmazásokban és szolgáltatásokban. Az Azure AI Content Safety szöveg- és kép API-kat tartalmaz, amelyek lehetővé teszik a káros anyagok felderítését. A Microsoft Foundry-n belül a Content Safety szolgáltatás lehetőséget ad arra, hogy megtekinthesse, felfedezze és kipróbálja a káros tartalom észlelésére vonatkozó különböző modalitások mintakódjait. A következő gyorsindítási dokumentáció vezet végig a szolgáltatásnak történő kérelmek küldésén.

Egy másik szempont, amit figyelembe kell venni, a teljes alkalmazás teljesítménye. Többmodalitású és többmodelles alkalmazások esetén a teljesítményünk azt jelenti, hogy a rendszer úgy működik, ahogyan Ön és felhasználói elvárják, beleértve azt is, hogy nem generál káros kimeneteket. Fontos az általános alkalmazás teljesítményének értékelése a Teljesítmény és Minőség, valamint Kockázat és Biztonság értékelőkkel. Továbbá lehetősége van egyedi értékelők létrehozására és használatára is.

Az AI alkalmazását értékelheti a fejlesztési környezetében az Azure AI Evaluation SDK segítségével. Egy teszt-adatkészlet vagy cél megadása esetén a generatív AI alkalmazás generációit kvantitatívan mérik a beépített vagy az Ön által választott egyedi értékelőkkel. Az azure ai evaluation sdk-val való kezdéshez és a rendszer értékeléséhez kövesse a gyorsindítási útmutatót. Az értékelés futtatása után a Microsoft Foundry-ban meg is jelenítheti az eredményeket.

Védjegyek

Ez a projekt tartalmazhat védjegyeket vagy logókat projektekhez, termékekhez vagy szolgáltatásokhoz. A Microsoft védjegyek vagy logók jogosult felhasználása a Microsoft Védjegy- és Márkaelveknek megfelelően történhet, és azokat követni kell. A Microsoft védjegyek vagy logók használata a projekt módosított változataiban nem okozhat félreértést, és nem utalhat a Microsoft támogatására. Harmadik fél védjegyeinek vagy logóinak bármilyen használata a harmadik fél szabályzata hatálya alá tartozik.

Segítségkérés

Ha elakad, vagy kérdése van AI alkalmazások fejlesztésével kapcsolatban, csatlakozzon:

Ha termék-visszajelzése vagy hibabejelentése van fejlesztés közben, látogasson el ide:

Jogi nyilatkozat:
Ez a dokumentum az AI fordító szolgáltatás, a Co-op Translator segítségével készült. Bár törekszünk a pontosságra, kérjük, vegye figyelembe, hogy az automatikus fordítások hibákat vagy pontatlanságokat tartalmazhatnak. Az eredeti dokumentum anyanyelvű változata tekintendő hiteles forrásnak. Kritikus információk esetén professzionális emberi fordítás ajánlott. Nem vállalunk felelősséget a fordítás használatából eredő félreértésekért vagy téves értelmezésekért.