Unduh contoso creative writer - contoso creative writer Sumber Download

contoso creative writer

Kode sumber lainnya

1.0.0

Unduh

page_type

bahasa

produk

urlfragment

nama

keterangan

mencicipi

Azdeveloper

Python

JS

naskah

pesta

bisep

biru langit

Azure-Openai

Azure-Bing-Web

pencarian azure-cognitive

penulis contoso-kreatif

Asisten Penulisan Kreatif - Bekerja dengan Agen Menggunakan Prompty (Implementasi Python)

Menggunakan Azure Openai Agent dengan Python, mengintegrasikan pencarian pencarian Bing dan pencarian AZure AI, untuk membuat artikel berdasarkan topik dan instruksi pengguna.

Asisten Penulisan Kreatif: Bekerja dengan Agen Menggunakan Prompty (Implementasi Python)

Daftar isi

Fitur
Persyaratan akun Azure
Memulai
- Codespaces GitHub
- Vs kode wadah dev
- Lingkungan lokal
  - Prasyarat
  - Menginisialisasi proyek
Penyebaran
Menguji sampel
- Mengevaluasi hasil
Panduan
- Ketersediaan wilayah
- Biaya
- Pedoman Keamanan
Sumber daya
Kode Etik

Buka jendela terminal.

Masuk ke akun Azure Anda. Anda harus masuk ke pengembang Azure CLI dan Azure CLI:

Saya. Pertama dengan pengembang Azure CLI

azd auth login

ii. Kemudian masuk dengan Azure Cli

az login --use-device-code

Ketentuan sumber daya dan menggunakan kode:

azd up

Anda akan diminta untuk memilih beberapa detail tentang sumber daya yang Anda gunakan, termasuk lokasi. Sebagai pengingat kami merekomendasikan Kanada Timur sebagai wilayah untuk proyek ini. Setelah penyebaran selesai, Anda harus dapat menggulir ke atas di terminal Anda dan melihat URL bahwa aplikasi telah digunakan. Ini harus terlihat mirip dengan Ingress Updated. Access your app at https://env-name.codespacesname.eastus2.azurecontainerapps.io/ . Arahkan ke tautan untuk segera mencoba aplikasi!

Setelah langkah -langkah di atas selesai, Anda dapat menguji sampel.

Vs kode wadah dev

Opsi terkait adalah kontainer vs kode dev, yang akan membuka proyek di kode vs lokal Anda menggunakan ekstensi wadah dev:

Mulai Docker Desktop (instal jika belum diinstal)
Buka proyek:
Di jendela VS Code yang terbuka, setelah file proyek muncul (ini mungkin memakan waktu beberapa menit), buka jendela terminal.
Instal Paket yang Diperlukan:
```
 cd src/api
pip install -r requirements.txt
```
Setelah Anda menyelesaikan langkah -langkah ini, lompat ke penempatan.

Lingkungan lokal

Prasyarat

Azure Developer CLI (AZD)
Python 3.10+
Desktop Docker
Git

Catatan untuk pengguna Windows: Jika Anda tidak menggunakan wadah untuk menjalankan sampel ini, kait kami saat ini semua skrip shell. Untuk menyediakan sampel ini dengan benar saat kami mengerjakan pembaruan, kami sarankan menggunakan Git Bash.

Menginisialisasi proyek

Buat folder baru dan beralih ke sana di terminal, lalu jalankan perintah ini untuk mengunduh kode proyek:
```
azd init -t agent-openai-python-prompty
```
Perhatikan bahwa perintah ini akan menginisialisasi repositori git, jadi Anda tidak perlu mengkloning repositori ini.

Instal Paket yang Diperlukan:

 cd src/api
pip install -r requirements.txt

Penyebaran

Setelah Anda membuka proyek dalam codespaces, wadah dev, atau secara lokal, Anda dapat menggunakannya ke Azure.

Masuk ke akun Azure Anda. Anda harus masuk ke pengembang Azure CLI dan Azure CLI:
Saya. Pertama dengan pengembang Azure CLI
```
azd auth login
```
ii. Kemudian masuk dengan Azure Cli
```
az login --use-device-code
```
Jika Anda memiliki masalah dengan perintah itu, Anda mungkin juga ingin mencoba azd auth login --use-device-code .
Ini akan membuat folder di bawah .azure/ dalam proyek Anda untuk menyimpan konfigurasi untuk penyebaran ini. Anda mungkin memiliki beberapa lingkungan AZD jika diinginkan.
Ketentuan sumber daya dan menggunakan kode:
```
azd up
```
Proyek ini menggunakan gpt-35-turbo-0613 , gpt-4-1106-Preview dan gpt-4o-2024-05-13 yang mungkin tidak tersedia di semua wilayah Azure. Periksa ketersediaan wilayah terkini dan pilih suatu wilayah selama penyebaran yang sesuai. Kami merekomendasikan penggunaan Kanada East untuk proyek ini.
Setelah menjalankan AZD, Anda mungkin ditanya pertanyaan berikut selama Github Setup :
```
Do you want to configure a GitHub action to automatically deploy this repo to Azure when you push code changes ?
(Y/n) Y
```
Anda harus merespons dengan N , karena ini bukan langkah yang diperlukan, dan membutuhkan waktu untuk mengatur.

Menguji sampel

Repositori sampel ini berisi folder agen yang mencakup subfolder untuk setiap agen. Setiap folder agen berisi file prompty di mana prompty agen ditentukan dan file python dengan kode yang digunakan untuk menjalankannya. Menjelajahi file -file ini akan membantu Anda memahami apa yang dilakukan setiap agen. Folder agen juga berisi file orchestrator.py yang dapat digunakan untuk menjalankan seluruh aliran dan membuat artikel. Ketika Anda menjalankan azd up katalog produk diunggah ke toko vektor pencarian AIure AI dan nama indeks contoso-products dibuat.

Untuk menguji sampel:

Jalankan Contoh Aplikasi Web secara lokal menggunakan server FASTAPI.
Pertama arahkan ke folder SRC/API
```
 cd ./src/api
```
Jalankan server web fastapi
```
fastapi dev main.py
```
Catatan Penting : Jika Anda menjalankan dalam codespaces, Anda perlu mengubah visibilitas port 8000 dan 5173 API menjadi public di tab PORTS Terminal VS VS Anda. Tab port akan terlihat seperti ini:
Jika Anda membuka tautan server di browser, Anda akan melihat URL tidak ditemukan kesalahan, ini karena kami belum membuat rute URL rumah di Fastapi. Kami malah telah membuat rute /get_article yang digunakan untuk meneruskan konteks dan instruksi langsung ke file get_article.py yang menjalankan alur kerja agen.
(Opsional) Kami telah membuat antarmuka web yang akan kami jalankan selanjutnya, tetapi Anda dapat menguji API berfungsi seperti yang diharapkan dengan menjalankan ini di browser:
```
 http://127.0.0.1:8080/get_article?context=Write an article about camping in alaska&instructions=find specifics about what type of gear they would need and explain in detail
```
Setelah server FASTAPI sedang berjalan, Anda sekarang dapat menjalankan aplikasi web. Untuk melakukan ini, buka jendela terminal baru dan navigasikan ke folder web menggunakan perintah ini:
```
 cd ./src/web
```
Paket Node Instal Pertama:
```
npm install
```
Kemudian jalankan aplikasi web dengan server web dev lokal:
```
npm run dev
```
Ini akan meluncurkan aplikasi, di mana Anda dapat menggunakan contoh konteks dan instruksi untuk memulai. Pada halaman 'Tim Kreatif' Anda dapat memeriksa output dari masing -masing agen dengan mengkliknya. Aplikasi ini akan terlihat seperti ini:
Ubah instruksi dan konteks untuk membuat artikel pilihan Anda.
Untuk tujuan debugging, Anda mungkin ingin menguji di Python menggunakan logika orkestra
Untuk menjalankan sampel hanya menggunakan logika orkestrator, gunakan perintah berikut:
```
 cd ./src/api
python -m orchestrator
```

Pelacakan

Untuk mengaktifkan server penelusuran prompty:

 export LOCAL_TRACING=true

Kemudian mulailah orkestra:

 cd ./src/api
python -m orchestrator

Setelah Anda dapat melihat artikel telah dihasilkan, folder .runs akan muncul di ./src/api . Pilih folder ini dan klik file .tracy di dalamnya. Ini menunjukkan kepada Anda semua fungsi Python yang dipanggil untuk menghasilkan artikel. Jelajahi setiap bagian dan lihat informasi bermanfaat apa yang dapat Anda temukan.

Mengevaluasi hasil

Contoso Creative Writer menggunakan evaluator untuk menilai kualitas respons aplikasi. 4 Metrik Evaluator dalam penilaian proyek ini adalah koherensi, kelancaran, relevansi dan groundedness. Skrip evaluate.py khusus telah ditulis untuk menjalankan semua evaulasi untuk Anda.

Untuk menjalankan skrip jalankan perintah berikut:

 cd ./src/api
python -m evaluate.evaluate

Periksa: Anda melihat skor untuk koherensi, kelancaran, relevansi dan groundedness.
Periksa: skornya antara 1 dan 5

Untuk memahami apa yang sedang dievaluasi, buka file src/api/evaluate/eval_inputs.jsonl .
- Perhatikan bahwa 3 contoh penelitian, konteks produk, dan penugasan disimpan dalam file ini. Data ini akan dikirim ke orkestra sehingga setiap contoh akan memiliki:
- Setiap contoh akan menjalankan evaluasi dan akan membuat semua konteks, penelitian, produk, dan artikel akhir saat menilai respons.

Menyiapkan CI/CD dengan Tindakan GitHub

Template ini diatur untuk menjalankan CI/CD saat Anda mendorong perubahan ke repo Anda. Ketika CI/CD dikonfigurasi, evaluasi akan dalam tindakan GitHub dan kemudian secara otomatis menggunakan aplikasi Anda pada dorongan ke utama.

Untuk mengatur CI/CD dengan tindakan GitHub di repositori Anda, jalankan perintah berikut:

azd pipeline config

Panduan

Ketersediaan wilayah

Templat ini menggunakan gpt-35-turbo-0613 , gpt-4-1106-Preview dan gpt-4o-2024-05-13 yang mungkin tidak tersedia di semua wilayah Azure. Periksa ketersediaan wilayah terkini dan pilih suatu wilayah selama penyebaran yang sesuai

Kami merekomendasikan penggunaan Kanada Timur

Biaya

Anda dapat memperkirakan biaya arsitektur proyek ini dengan kalkulator harga Azure

Langganan Azure dengan Access Diaktifkan untuk API Pencarian Bing
Langganan Azure dengan Access Diaktifkan untuk Pencarian AIure AI

Keamanan

Catatan

Saat mengimplementasikan templat ini, tentukan apakah template menggunakan identitas atau lemari besi yang dikelola

Template ini telah mengelola identitas atau lemari besi utama yang dibangun untuk menghilangkan kebutuhan pengembang untuk mengelola kredensial ini. Aplikasi dapat menggunakan identitas yang dikelola untuk mendapatkan token Microsoft Entra tanpa harus mengelola kredensial apa pun. Selain itu, kami telah menambahkan alat tindakan github yang memindai file infrastruktur-sebagai-kode dan menghasilkan laporan yang berisi masalah yang terdeteksi. Untuk memastikan praktik terbaik dalam repo Anda, kami merekomendasikan siapa pun yang membuat solusi berdasarkan templat kami memastikan bahwa pengaturan pemindaian rahasia GitHub diaktifkan dalam repo Anda.