البدء السريع: تحسين وكيل مستضاف (معاينة)

مهم

Agent Optimizer حاليا في مرحلة المعاينة. يتم توفير هذه المعاينة دون اتفاقية على مستوى الخدمة، ولا نوصي بها لأحمال عمل الإنتاج. بعض الميزات ربما لا تكون مدعمة أو بها بعض القدرات المقيدة. لمزيد من المعلومات، راجع شروط الاستخدام التكميلية لمعاينات Microsoft Azure.

في هذه البداية السريعة، تقوم بنشر وكيل عينة التحسين، وتشغل محسن الوكيل لتحسين تعليماته، ثم تنشر المرشح الفائز.

للحصول على المفاهيم وراء كل خطوة والمسار الكامل من طرف إلى طرف، راجع سير عمل التحسين.

المتطلبات المسبقه

قبل أن تبدأ، تحتاج إلى:

اشتراك Azure--Create one مجانا.

azd CLI (Azure Developer CLI).
Azure CLI للمصادقة.
الامتداد microsoft.foundry ل azd (معاينة 0.1.40 أو أحدث) للاعتمادية azure.ai.agents ):
```
azd ext install microsoft.foundry
```
إذا تم تركيبه مسبقا، قم بالترقية:
```
azd ext upgrade microsoft.foundry
```

Azure CLI للمصادقة.
Python 3.10 أو أحدث.

حزم Python المستخدمة في هذا المسار:

pip install "azure-ai-projects>=2.4.0" azure-ai-agentserver-optimization azure-identity python-dotenv

مشروع Foundry موجود يحتوي بالفعل على العامل المستضاف ومجموعة البيانات المسجلة والمقيم الذي تريد استخدامه للتحسين.

تعليمة Visual Studio برمجية .
Microsoft Foundry Toolkit للإصدار تعليمة Visual Studio برمجية 1.6.4 أو أحدث، تم تسجيل الدخول إلى Azure. تقوم مجموعة أدوات Foundry بتثبيت وتحديث Microsoft Foundry Skill المستخدمة من قبل سير العمل هذا.
GitHub Copilot في تعليمة Visual Studio برمجية مع الوصول إلى وضع العامل. يرسل Foundry Toolkit طلب Agent Optimizer إلى GitHub Copilot بعد تحديد مساحة عمل العامل.
تم تثبيت والتحقق من Azure CLI و Azure Developer CLI (AZD):
```
az login
azd auth login
```

تلميح

إذا لم يكن لديك Foundry Toolkit، فقم بتثبيته من تعليمة Visual Studio برمجية Marketplace. تجلب مجموعة أدوات Foundry موارد Foundry وكتالوج النموذج ونشر الوكيل المستضاف والملاعب وتحسين العامل في تعليمة Visual Studio برمجية. أعد تحميل تعليمة Visual Studio برمجية إذا تمت مطالبتك بذلك، ثم سجل الدخول إلى Azure. للحصول على جولة في الملحق، راجع العمل مع مجموعة أدوات Microsoft Foundry لملحق تعليمة Visual Studio برمجية.

مضيف وكيل ترميز مزود بميزة Microsoft Foundry Skill مثبتة.
تم تثبيت والتحقق من Azure CLI و Azure Developer CLI (AZD):
```
az login
azd auth login
```
microsoft.foundry ملحق AZD. قم بتثبيته قبل بدء سير العمل:
```
azd ext install microsoft.foundry
```
إذا كان مثبتا بالفعل، فبادر بترقية:
```
azd ext upgrade microsoft.foundry
```

يجب أن يكون اشتراكك في Azure على قائمة الصلاحيات لمحسن الوكلاء. تواصل مع ممثل Microsoft الخاص بك لطلب الوصول.

ملحوظة

محسن الوكيل حاليا في مرحلة المعاينة.

الخطوة 1: إنشاء المشروع

تهيئة مشروع جديد من قالب نموذج التحسين:

mkdir my-agent && cd my-agent
azd ai agent init -m https://github.com/microsoft-foundry/foundry-samples/blob/main/samples/python/hosted-agents/bring-your-own/responses/optimization-customer-support/azure.yaml .

يستورد هذا القالب نموذج تحسين دعم العملاء، وهو عامل مستضاف Python جاهز للتحسين يستخدم النهج الخاص بك وبروتوكول الاستجابات. وهو يمثل وكيل دعم إلكترونيات المستهلك الذي يتعامل مع استفسارات الطلبات، والإرجاع، ومطالبات الضمان، واستكشاف الأخطاء وإصلاحها، والشكاوى، والتوصيات، والتصعيد. يجعل الحد الأدنى من التعليمات الأساسية عمدا التحسينات من تحسين التعليمات واكتشاف المهارات سهلة المقارنة.

تستدعي load_config() العينة لتحميل تكوين الأساس أو المرشح وتتضمن .agent_configs/baseline/eval.yamlمجموعات بيانات التقييم الكامل والسريع وتكوين الحاوية وبيان نشر Foundry. يستورد التدفق التفاعلي هذه الملفات ويطالب بإعدادات اشتراكك Azure والمنطقة وتوزيع النموذج.

تلميح

إذا كان لديك بالفعل مشروع وكيل موجود، انظر "اجعل محسن الوكيل جاهزا لإضافة دعم التحسين".

إذا كان لديك بالفعل مشروع Foundry، أضف -p <project-resource-id> لاستهداف الموارد الحالية.

الخطوة 2: التوفير والنشر

قم بالتحقق من صحة موارد Azure وتوفير المعلومات:

az login
azd auth login
azd provision

يستغرق التوفير حوالي دقيقتين وينشئ حساب Foundry، ومشروع، وAzure Container Registry، ونشر النماذج.

نشر الوكيل:

azd deploy

اختبر عملية النشر:

azd ai agent invoke "What is 2+2?"

الخطوة 3: إنشاء مجموعة التقييم وتحسين

أنشئ مجموعة بيانات تقييم ومقيمين لوكيلك:

azd ai agent eval generate

هذه الخطوة تنشئ eval.yaml، مجموعة بيانات اختبار، ومقيم تقييم بناء على تعليمات وكيلك. يستخدم المحسن هذه الملفات لقياس التحسن.

شغل المحسن:

azd ai agent optimize --max-candidates 2

يطلب منك مؤشر التحكم اختيار نموذج تحسين. لتجاوز الطلب، مرره مباشرة:

azd ai agent optimize --max-candidates 2 --optimize-model gpt-5

يكتشف مؤشر التحكم وكيلك من azure.yaml ويستخدم الوكيلة التي تم إنشاؤها eval.yaml تلقائيا. مع وجود مرشحين، عادة ما يكتمل التحسين في حوالي 8 دقائق. يتم عرض التقدم في الوقت الحقيقي:

Optimizing agent "customer-support-py"...
  Config: eval.yaml
  Baseline saved to .agent_configs/baseline/metadata.yaml
  Job ID: opt_162bd0f09....
  Status: pending
  Portal: <OPTIMIZATION-JOB-URL>

استخدم رابط البوابة لمراقبة عملك في بوابة Foundry.

نموذج التقييم يقيم كل استجابة (أي نموذج إكمال دردشة يعمل). نموذج التحسين (--optimize-model) يولد مرشحين محسينين ويجب أن يكون من القائمة المدعومة (عائلة gpt-5 أو DeepSeek). يمكنك أيضا الوضع optimization_model تحت options: الداخل eval.yaml لتجنب تجاوز العلم في كل مرة.

الخطوة 4: نشر الفائز

تشير النجمة (*) في المخرجات إلى أفضل مرشح. طبق الإعدادات المحسنة محليا، ثم نشر:

azd ai agent optimize apply --candidate <candidate-id>
azd deploy

يقوم الأمر apply بتنزيل التكوين المحسن إلى .agent_configs/<candidate_id>/ الإعداد وتحديث التعليمات azure.yaml الجديدة. يقوم الأمر deploy بدفع الوكيل المحسن مباشرة باستخدام نشر الكود.

استدعي وكيلك للتحقق من التحسين:

azd ai agent invoke "What is your return policy?"

يمكنك أيضا إجراء تقييم لتأكيد تحسن الدرجة:

azd ai agent eval run

Python مسار SDK

استخدم الخطوات التالية إذا كنت تريد تشغيل المحسن من Python بدلا من سير عمل Azure Developer CLI الموضح سابقا.

يفترض هذا المسار أن لديك بالفعل الموارد التالية في مشروع Foundry موجود:

عامل مستضاف لتحسينه.
مجموعة بيانات تدريب مسجلة.
مقيم مسجل.

على عكس تدفق Azure Developer CLI الموضح سابقا، لا يقوم مسار SDK Python بدعم مشروع أو إنشاء eval.yamlأو مجموعة بيانات أو مقيمين لك. إذا كنت تريد أن يقوم النموذج بإنشاء هذه الأصول تلقائيا، فاستخدم azd ai agent eval generate أولا.

1. إنشاء `.env` ملف

أنشئ مجلد عمل، ثم أضف ملفا .env بهذه القيم:

FOUNDRY_PROJECT_ENDPOINT=<your-project-endpoint>
FOUNDRY_AGENT_NAME=<your-hosted-agent-name>
DATASET_NAME=<your-registered-dataset-name>
EVALUATOR_NAME=<your-registered-evaluator-name>
DATASET_VERSION=1
POLL_INTERVAL_SECONDS=10
EVAL_MODEL=<your-eval-model-deployment-name>
OPTIMIZATION_MODEL=<your-optimization-model-deployment-name>

قم بتشغيل البرنامج النصي من نفس مجلد العمل هذا حتى load_dotenv() تتمكن من .env تحميل الملف تلقائيا. إذا كنت تفضل تشغيله من دليل آخر، فقم بتعيين نفس القيم في بيئة shell أولا.

استخدم نقطة نهاية المشروع الدقيقة من صفحة نظرة عامة على مشروع Foundry. يرسل البرنامج النصي Python طلبه الأول على الفور. إذا كان FOUNDRY_PROJECT_ENDPOINT مجرد عنصر نائب أو يشير إلى المشروع الخطأ، يفشل التشغيل مع ResourceNotFound: The project does not exist.

قم بتعيين EVAL_MODEL و OPTIMIZATION_MODEL إلى أسماء النشر الموجودة بالفعل في مشروع Foundry الخاص بك، وليس فقط أسماء العائلة النموذجية. على سبيل المثال، إذا تمت تسمية gpt-4.1-mini نشر المشروع أو DeepSeek-V3.2، فاستخدم اسم النشر الدقيق هذا في .env.

2. تشغيل مهمة التحسين

إنشاء ملف باسم optimize_hosted_agent.py في نفس المجلد مثل .env:

import os
import time

from azure.ai.agentserver.optimization import load_config
from azure.ai.projects import AIProjectClient
from azure.ai.projects.models import (
  OptimizationAgentIdentifier,
  OptimizationEvaluatorRef,
  OptimizationJob,
  OptimizationJobInputs,
  OptimizationOptions,
  OptimizationReferenceDatasetInput,
)
from azure.identity import DefaultAzureCredential
from dotenv import load_dotenv

load_dotenv()

endpoint = os.environ["FOUNDRY_PROJECT_ENDPOINT"]
agent_name = os.environ["FOUNDRY_AGENT_NAME"]
dataset_name = os.environ["DATASET_NAME"]
evaluator_name = os.environ["EVALUATOR_NAME"]
dataset_version = os.environ.get("DATASET_VERSION", "1")
eval_model = os.environ.get("EVAL_MODEL", "gpt-4o")
optimization_model = os.environ.get("OPTIMIZATION_MODEL", "gpt-5")
poll_interval_seconds = int(os.environ.get("POLL_INTERVAL_SECONDS", "10"))

optimization_config = load_config() # Reads agent optimization config from .agent_configs/baseline/metadata.yaml

with (
  DefaultAzureCredential() as credential,
  AIProjectClient(endpoint=endpoint, credential=credential) as project_client,
):
  job = OptimizationJob(
    inputs=OptimizationJobInputs(
      agent=OptimizationAgentIdentifier(agent_name=agent_name),
      train_dataset=OptimizationReferenceDatasetInput(
        name=dataset_name,
        version=dataset_version,
      ),
      evaluators=[OptimizationEvaluatorRef(name=evaluator_name)],
      options=OptimizationOptions(
        max_candidates=2,
        eval_model=eval_model,
        optimization_model=optimization_model,
        optimization_config={
          "system_prompt": optimization_config.instructions,
          **({"tools": optimization_config.tool_definitions} if optimization_config.tool_definitions else {}),
          **({"skills": optimization_config.skills} if optimization_config.has_skills else {}),
        }
      ),
    )
  )
  poller = project_client.beta.agents.begin_create_optimization_job(job=job)

  print(f"Optimization job started, waiting for completion...")
  while not poller.done():
    print(f"\tstatus=`{poller.status()}`")
    time.sleep(poll_interval_seconds)

  result = poller.result()

  if result:
    print(f"Baseline candidate: {result.baseline}")
    print(f"Best candidate: {result.best}")

    for candidate in result.candidates or []:
      print(
        f"{candidate.name}: candidate_id={candidate.candidate_id}, "
        f"avg_score={candidate.avg_score:.4f}, "
        f"avg_tokens={candidate.avg_tokens:.0f}"
      )

شغل النص:

python optimize_hosted_agent.py

عندما تنجح المهمة، يطبع البرنامج النصي المرشح الفائز و candidate_id.

على عكس azd ai agent optimize، لا ينشئ تدفق Python SDK ملفا محليا.agent_configs/baseline/metadata.yaml. تظل بيانات تعريف مهمة التحسين في الكائن الذي تم إرجاعه job وفي استجابة خدمة Foundry، بما في ذلك المرشح الأساسي وأفضل مرشح وقائمة المرشحين المسجلين.

3. تطبيق المرشح الفائز

إذا كنت تعمل أيضا من المشروع المحلي azd المستخدم في تدفق CLI أعلاه، فطبق المرشح الفائز باستخدام candidate_id الذي تم إرجاعه بواسطة البرنامج النصي Python:

azd ai agent optimize apply --candidate <candidate-id>
azd deploy

إذا كنت بحاجة فقط إلى فحص النتيجة، فاستخدم نتائج المرشحين ومعرفات التقييم المطبوعة بواسطة البرنامج النصي لمراجعة التكوين الفائز في Foundry قبل ترقيته.

تشغيل التحسين في VS Code

يتضمن Foundry Toolkit تجربة تحسين العامل الأصلية للوكلاء المستضافين المنشورين. من ملعب العامل، يمكنك بدء تشغيل تحسين، ومقارنة المرشحين بخط الأساس، وفحص تغييرات التكوين، ونشر أفضل مرشح.

الخطوة 1: تحديد عامل مستضاف تم نشره

اختر مجموعة أدوات المسبك في شريط النشاط.
ضمن My Resources، حدد Agents.
إذا كان لديك عامل مستضاف تم نشره، فحدده لفتح ملعب العامل المستضاف.
إذا لم يكن لديك عامل مستضاف تم نشره، فأكمل مسار VS Code في التشغيل السريع: نشر أول عامل مستضاف. بعد انتهاء النشر، ارجع إلى Agents وحدد العامل المستضاف الجديد.

الخطوة 2: بدء تشغيل التحسين

حدد علامة التبويب تحسين ، التي تم وضع علامة معاينة عليها.

حدد New Optimization.
في Select Workspace، اختر مساحة العمل التي تحتوي على التعليمات البرمجية للعامل المستضاف المحدد:
- حدد مساحة العمل الحالية إذا كانت مساحة العمل الحالية تحتوي على رمز العامل وملفه azure.yaml .
- حدد استعراض... لفتح مساحة العمل التي تحتوي على التعليمات البرمجية للعامل.
تستخدم مجموعة أدوات Foundry ملفات مساحة العمل لإعداد التحسين وتطبيق مرشح على الخدمة المطابقة azure.ai.agent .

يفتح Foundry Toolkit Copilot Chat GitHub ويرسل طلب Agent Optimizer معبأ بنوع العامل المحدد واسمه ونقطة نهاية مشروع Foundry.

أجب عن أسئلة التحسين الأربعة في Copilot Chat:

الإدخال	ما يجب توفيره
مقاييس التقييم	أدخل المقاييس أو المقيمين لاستخدامها. إذا لم يكن لديك، فاختر ما إذا كنت تريد تشغيل `azd ai agent eval generate` أو استخدام الإعدادات الافتراضية المضمنة للمحسن.
Dataset	حدد مجموعة بيانات التحسين. إذا لم يكن لديك واحد، فاختر ما إذا كنت تريد تشغيل `azd ai agent eval generate` أو استخدام الإعدادات الافتراضية المضمنة للمحسن.
الحد الأقصى للمرشحين	أدخل الحد الأقصى لعدد المرشحين المراد إنشاؤهم، مثل `2`.
نموذج التحسين	حدد توزيعا موجودا من نماذج التحسين المدعومة.

ينتظر GitHub Copilot هذه الإدخالات قبل أن يبدأ التحسين. يوجه الطلب الذي تم إنشاؤه Copilot لاستخدام سير عمل Microsoft Foundry Skill's Agent Optimizer والأوامر Azure Developer CLI حصريا. لا يستخدم أدوات Foundry MCP. Copilot:

فحص التعليمات البرمجية للعامل في مساحة العمل المحددة.
تهيئة بيئة AZD من القيم الموجودة azure.yaml إذا .env لم يكن المشروع يحتوي على بيئة بالفعل.
سلك العامل للتحسين ونشر العامل المستضاف المحدث.
eval.yaml يتم الإنشاء في مجلد خدمة العامل.
يبدأ التحسين بعد مراجعة التغييرات والأوامر المقترحة في الملف والموافقة عليها.

بعد Copilot إرسال المهمة، ارجع إلى علامة التبويب تحسين. يظهر التشغيل ضمن عمليات تشغيل التحسين. يعرض الجدول معرف التشغيل والحالة وعدد المرشحين ودرجة الأساس وأفضل درجة ووقت الإنشاء.

الخطوة 3: مقارنة أفضل مرشح وتوزيعه

عند نجاح التشغيل، حدده ضمن تشغيل التحسين.
قارن بين الخط الأساسيوأفضل الدرجات. راجع تفاصيل النتيجة لكل مرشح، وحدد عرض التغييرات لفحص تغييرات التكوين الخاصة به.
إذا تحسن أفضل مرشح على الأساس، فحدد Deploy best candidate لتحديث العامل الحالي. لنشره كعامل جديد أو تغيير إعدادات النشر، حدد توزيع مخصص بدلا من ذلك.

ملحوظة

إذا كان كل مرشح يسجل درجات أقل من الأساس، فلا تنشر مرشحا. احتفظ بالعامل الحالي وراجع مجموعة البيانات أو إعدادات التحسين قبل تشغيل المحسن مرة أخرى.

تشغيل التحسين باستخدام Microsoft Foundry Skill

استخدم هذا المسار في أي مضيف عامل ترميز يدعم Microsoft Foundry Skill، مثل GitHub Copilot في تعليمة Visual Studio برمجية أو Copilot CLI أو Claude Code. تحل المهارة سياق العامل من azure.yaml، وتحمل سير عمل Agent Optimizer الخاص بها، وتحتفظ بالتطبيق المرشح والنشر خلف بوابات المراجعة.

الخطوة 1: افتح مساحة عمل العامل

افتح مجلدا فارغا في مضيف وكيل الترميز. تأكد من توفر المهارة microsoft-foundry . إذا لم تكن المهارة متاحة، اتبع مهارة استخدام Microsoft Foundry في وكلاء البرمجة.

الخطوة 2: اطلب من المهارة تشغيل محسن الوكيل

أرسل هذه المطالبة إلى وكيل الترميز الخاص بك:

Use the Microsoft Foundry Skill to run the Agent Optimizer workflow for a
Python hosted agent. If this workspace doesn't contain an agent, initialize the
customer support optimization sample from this template:
https://github.com/microsoft-foundry/foundry-samples/blob/main/samples/python/hosted-agents/bring-your-own/responses/optimization-customer-support/azure.yaml
Resolve the AZD environment and hosted-agent service, verify that the agent is
optimizer-ready, and deploy and invoke the baseline. Generate and show me the
evaluation dataset, evaluators, and eval.yaml before running optimization.
Verify that the project has a supported optimization model deployment, then run
Agent Optimizer with two candidates. Stop after reporting the operation ID,
portal URL, candidate IDs, and scores. Don't apply or deploy a candidate yet.

قد يطلب منك وكيل الترميز تحديد اشتراك أو منطقة أو مشروع Foundry أو خدمة عامل أو نموذج تقييم أو نموذج تحسين عندما لا يتمكن من حل هذه القيم من مساحة العمل. راجع الملفات التي تم إنشاؤها والموارد التي تحمل التكلفة قبل الموافقة على أي تغييرات أو أوامر.

الخطوة 3: تطبيق مرشح معتمد ونشره

بعد مراجعة نتائج التحسين، أرسل مطالبة المتابعة هذه:

Recommend the best optimization candidate and explain the score improvement.
Summarize the candidate changes before applying anything. After I approve the
candidate, apply it locally, show the source diff, and stop again before
deployment. After I approve deployment, run azd deploy, invoke the agent with
"What is your return policy?", and rerun the evaluation to confirm the
improvement.

تستخدم azd ai agent optimize apply --candidate <candidate-id> المهارة حتى تتمكن من مراجعة التكوين المحسن محليا. يتم نشره فقط بعد موافقتك، ثم يستدعي العامل المستضاف المحدث ويقيمه.

تنظيف الموارد

إذا كان سير العمل الخاص بك قد أنشأ موارد من خلال مشروع AZD، فاحذف الموارد المتوفرة عند الانتهاء من التجربة:

azd down --force --purge

تلميح

لماذا --purge؟ تستخدم حسابات Foundry الحذف البرمجي بشكل افتراضي. بدون --purge، يبقى اسم المورد محجوزا لمدة 48 ساعة، ويفشل إعادة التوفير بنفس الاسم.

استكشاف الأخطاء وإصلاحها

المشكلة	السبب	إصلاح
`azd ai agent optimize` الأمر غير موجود	الامتداد قديم جدا	قم بتشغيل `azd ext upgrade microsoft.foundry` اللعبة للحصول على معاينة 0.1.40 أو أحدث.
`optimization_model is required`	التشغيل في الوضع غير التفاعلي بدون تكوين نموذج	أضف `--optimize-model gpt-5` إلى الأمر، أو اضبطه `optimization_model: gpt-5` تحت `options:` في `eval.yaml`. في الوضع التفاعلي، يطلب مؤشر التحكم اختيار النموذج.
فشل البرنامج النصي Python مع `KeyError: 'DATASET_NAME'` متغير مفقود آخر أو	لم يتم تحميل البرنامج النصي للملف الخاص بك `.env` ، أو المتغير مفقود	قم بتشغيل البرنامج النصي من نفس المجلد مثل `.env`، أو قم بتصدير القيم المطلوبة في shell قبل تشغيل `python optimize_hosted_agent.py`.
فشل البرنامج النصي Python مع`ResourceNotFound: The project does not exist`	`FOUNDRY_PROJECT_ENDPOINT` لا يشير إلى مشروع Foundry موجود	انسخ نقطة نهاية المشروع من صفحة نظرة عامة على مشروع Foundry وقم بتحديثها `FOUNDRY_PROJECT_ENDPOINT` في `.env`.
فشل البرنامج النصي Python مع`Optimization model deployment '<name>' not found`	`OPTIMIZATION_MODEL` ليس اسم نموذج تم نشره في مشروع Foundry الخاص بك	استخدم اسم النشر الدقيق من Build>Deployments، مثل عائلة موجودة `gpt-5` أو نشر DeepSeek في مشروعك.
لا يظهر قسم تحسين لعامل مستضاف	مجموعة أدوات Foundry أقدم من الإصدار 1.6.4، أو أن العامل المحدد ليس وكيلا مستضافا منشورا	تحديث مجموعة أدوات Foundry وإعادة تحميل تعليمة Visual Studio برمجية وإعادة فتح العامل المنشور من علامة التبويب Agents.
لا يفتح Copilot Chat GitHub بعد تحديد مساحة العمل	GitHub Copilot غير مثبت أو غير متوفر لحسابك أو تم تعطيل وضع العامل	قم بإعداد GitHub Copilot في تعليمة Visual Studio برمجية، وتمكين وضع العامل، ثم حدد تحسين جديد مرة أخرى.
لا يمكن ل Foundry Toolkit تطبيق أفضل مرشح على مساحة العمل الحالية	لا تحتوي مساحة العمل على `azure.yaml` خدمة يتطابق اسمها مع العامل المستضاف المنشور	افتح مساحة العمل التي تحتوي على التعليمات البرمجية للعامل المحدد وخدمة المطابقة `azure.ai.agent` ، ثم حاول مرة أخرى.
لا يمكن لعامل الترميز العثور على العامل المستضاف	المجلد الخطأ مفتوح أو `azure.yaml` لا يعرف `azure.ai.agent` خدمة	افتح مجلد مشروع AZD الذي يحتوي على `azure.yaml`، ثم اطلب من عامل الترميز حل خدمة العامل المستضاف مرة أخرى.
يتوقف وكيل الترميز قبل تطبيق مرشح أو توزيعه	تتطلب مهارة Agent Optimizer المراجعة قبل تغييرات المصدر والتوزيع	راجع درجات المرشح و diff المحلي، ثم وافق صراحة على خطوة التطبيق أو التوزيع.
درجة التحسين هي 0 أو منخفضة جدا	التقييم يحتوي على العديد من الصفوف الخاطئة	افتح رابط التقييم في النتائج. قم بإصلاح أخطاء توليد الردود أو التقييم، ثم أعد تشغيلها.
`azd provision` فشل مع خطأ الحصة	الاشتراك يفتقر إلى السعة	جرب منطقة مختلفة أو اطلب زيادة الحصة.

ما تعلمته

في هذه البداية السريعة، أنت:

تم نشر وكيل عينة التحسين باستخدام قالب دعم العملاء.
شغل محسن العامل باستخدام Azure Developer CLI أو Python SDK أو تعليمة Visual Studio برمجية أو Microsoft Foundry Skill.
نشرت المرشح الفائز وتحققت من التحسن.

الخطوات التالية

الملاحظات

هل كانت هذه الصفحة مفيدة؟

Last updated on 2026-07-31

البدء السريع: تحسين وكيل مستضاف (معاينة)

المتطلبات المسبقه

الخطوة 1: إنشاء المشروع

الخطوة 2: التوفير والنشر

الخطوة 3: إنشاء مجموعة التقييم وتحسين

الخطوة 4: نشر الفائز

Python مسار SDK

1. إنشاء .env ملف

2. تشغيل مهمة التحسين

3. تطبيق المرشح الفائز

تشغيل التحسين في VS Code

الخطوة 1: تحديد عامل مستضاف تم نشره

الخطوة 2: بدء تشغيل التحسين

الخطوة 3: مقارنة أفضل مرشح وتوزيعه

تشغيل التحسين باستخدام Microsoft Foundry Skill

الخطوة 1: افتح مساحة عمل العامل

الخطوة 2: اطلب من المهارة تشغيل محسن الوكيل

الخطوة 3: تطبيق مرشح معتمد ونشره

تنظيف الموارد

استكشاف الأخطاء وإصلاحها

ما تعلمته

الخطوات التالية

الملاحظات

الموارد الإضافية

1. إنشاء `.env` ملف