Volba nejlepšího vzoru kódu pro vytvoření řešení generující AI

Výběr vzorku na cestě ISV pro kód

Společnost Microsoft vytvořila pokyny, které vám pomůžou nezávislým dodavatelům softwaru vytvářet řešení generující AI, a pomůže vám najít případ použitelného použití a začít ho vytvářet. Tato stránka se zaměřuje na vzory kódu, které můžou vývojáři zvolit při vytváření svého řešení. Pokud si nejste jistí, jestli chcete zvolit vzor s kódem nebo s nízkými kódy, navštivte stránku s možnostmi, kde najdete nejlepší přístup pro váš případ použití.

Důležité informace o cestě s kódem

Volba přístupu s kódem umožňuje nezávislí výrobci softwaru, jako byste při navrhování aplikací AI používali vysoce přizpůsobitelné možnosti. V rámci přístupu pro kód existuje mnoho vzorů, které pokrývají několik platforem pro řešení různých potřeb a preferencí. Vzor pro kód je vhodný, pokud jste:

• Vytvoření vysoce přizpůsobené aplikace a potřeba více komponent v rámci vašeho ovládacího prvku
• Integrace funkcí AI do vlastní aplikace nebo vytvoření úplně od začátku
• Dodržování jedinečných problémů s daty nebo zabezpečením

Pokud potřebujete rychlé řešení a můžete použít nástroje, jako jsou konektory Power Platform, zvažte zkoumání vzorů s nízkými kódy.

V rámci prokódu existují dva přístupy vysoké úrovně:

• Vytvoření vlastního kopírovaného objektu Tento přístup zahrnuje vzory, které vám pomůžou vytvořit řešení s funkcemi přirozeného jazyka. Vytváření pomocí vlastního kopírovacího objektu umožňuje, aby vaše AI přirozeně mluvila s uživateli v široké škále situací.
• Vytvoření aplikace v prostředcích infrastruktury Tento přístup se zabývá vzory, které používají Prostředky infrastruktury ke zpracování nebo ukládání dat, které je možné integrovat s aplikací AI, kterou vytvoříte. Tyto vzory poskytují silné datové základy a příležitost pro větší přizpůsobení.

Oba přístupy nabízejí řadu výhod a umožňují vytvořit přizpůsobitelnou aplikaci AI. V závislosti na zvoleném vzoru můžete vytvořit zcela novou aplikaci nebo nové funkce, které zavádíte do existující aplikace.

Výběr vzoru

Volba vzoru je posledním krokem, který isV provede před zahájením sestavování řešení. Model, který vyberete:

• Ovlivňuje možnosti vašeho řešení. Volba správného vzoru pro situaci vám umožní sladit vaše řešení s potřebami vašich zákazníků. Výběr vzoru s příliš málo možnostmi může omezit to, co můžete vytvořit.
• Ovlivňuje vývojové náklady projektu. Některé vzory vyžadují při vývoji větší nárůst nákladů na nezávislé výrobce softwaru a peníze. Investice potřebná pro vybraný model by neměla přepocházet na potenciální hodnotu vašeho případu použití.
• Umožňuje pracovat v různých rozhraních. Některé vzory jsou navržené tak, aby vytvářely zcela nové aplikace, zatímco jiné jsou navržené tak, aby fungovaly v rámci vašich stávajících aplikací nebo platforem od Microsoftu.
• Mění data, infrastrukturu a další aspekty back-endu. Vzory kódu pro jsou všestranné, ale můžou mít omezení nebo vyžadovat úpravy. Při výběru složitějších možností vzorů se vaše data a infrastruktura obvykle stávají přizpůsobitelnými.

Vzhledem ke všem těmto faktorům je důležité pečlivě vyhodnotit vaši situaci, potřeby zákazníků a technické schopnosti před výběrem vzoru. Výběr platformy a strategie bude mít vliv na to, co můžete vytvořit.

Více možností vzoru

Místo výběru pouze jednoho vzoru se nezávislí výrobci softwaru můžou rozhodnout integrovat možnosti z více vzorů. Je dokonce možné kombinovat možnosti s nízkým kódem a prokódem.

Ať už zvolíte jeden vzor nebo zkombinujete více, je důležité zvážit situaci, ve které jste, a zvolit platformu, která vám nejlépe vyhovuje. Tato stránka se zaměřuje konkrétně na vzory kódu. Pokud chcete prozkoumat další možnosti pro- a low-code, můžete navštívit stránku komplexních vzorů.

Sémantické jádro

Nezávislí výrobci softwaru, kteří chtějí vytvářet sofistikované aplikace AI, můžou používat sémantické jádro v mnoha různých možnostech vzorů. Sémantické jádro je opensourcová sada SDK (Software Development Kit), která usnadňuje kombinování stávajícího kódu C#, Pythonu a Javy s modely z OpenAI, Azure OpenAI, Hugging Face a dalších.

Vzhledem k tomu, že sémantické jádro komunikuje přímo s vaším kódem, je možné ho použít v mnoha různých vzorech. Bez ohledu na to, který model zvolíte, může sémantické jádro podporovat vaši cestu vývoje a umožnit vašemu řešení nové možnosti generující umělé inteligence.

Vytvoření vlastního copilotu

Vytvoření vlastního kopírovacího objektu umožňuje vytvořit aplikaci s mírnou metodou zvedání kódu a větší přizpůsobitelností než přijetí nebo rozšíření první strany, microsoft Copilot. I když potřebujete vytvářet mnoho komponent na vlastní pěst, Microsoft poskytuje doplňkovou podporu prostřednictvím sad SDK, šablon a dalších, a to v závislosti na zvoleném vzoru.

Rozhodovací strom pro přístup "Sestavení vlastního copilotu". Jedna šipka vede do pole s informacemi "Vylepšuje stávající aplikace pomocí umělé inteligence, která používá data isV", která se připojuje se vzorem D: rozhraní Microsoft Graph API. Další šipka vede do pole pro čtení "Vytvoří chatboty, kteří můžou reagovat na otázky uživatelů a přesměrovat jednoduché úkoly", což vede do vzoru E: Asistenti Azure OpenAI. Třetí šipka vede do pole s textem "Přidá funkce přirozeného jazyka do chatovacích robotů ISV Teams prostřednictvím předem připravených šablon", což vede k knihovně AI Teams F: Teams. Konečná šipka vede k poli "Nabízí vysokou přizpůsobitelnost pomocí předem natrénovaných modelů, sady nástrojů Azure AI SDK a tokem podnětu", což vede k

Rozhraní Microsoft Graph API

Rozhraní Microsoft Graph API přistupuje k uživatelským datům z aplikací Microsoft 365, jako jsou například informace v Outlooku, Teams, OneDrivu a SharePointu. Když stávajícím aplikacím povolíte volat toto rozhraní API, můžete vylepšit uživatelské prostředí pomocí přizpůsobených dat z Microsoftu 365.

Tato rozhraní API je možné integrovat do uživatelského rozhraní vašeho vlastního řešení. Shromážděná data tenanta se dají zobrazit v Graph Exploreru, což je opensourcová platforma navržená tak, aby vám pomohla získat informace o rozhraních Microsoft Graph API.

Tento model vás může zajímat, pokud:

• Máte existující aplikaci, kterou chcete vylepšit pomocí přizpůsobených dat.
• Chcete koncovým uživatelům poskytnout přizpůsobené odpovědi na základě aktivity Microsoftu 365.
• Vyžadovat data konkrétně z Microsoftu 365.

Mezi klíčové výhody tohoto přístupu patří:

• Přístup k datům Microsoftu 365 koncového uživatele za účelem přizpůsobení jejich prostředí
• Rychlé a snadné připojení k datům, které vám umožní soustředit se na další aspekty aplikace.

Pojďme se podívat, jak jeden fiktivní výrobce softwaru dokázal tento vzor použít ve své aplikaci.

Scénář rozhraní Microsoft Graph API

Společnost Contoso vytvořila aplikaci, která zákazníkům umožňuje spravovat interní operace, ale snaží se ji vylepšit. Jejich zákazníci přinesou problémy se základními úkoly správy, jako jsou plánování schůzek, odhlašovací volno a odesílání e-mailů, které zabírají příliš mnoho času.

Společnost Contoso se rozhodne tento problém vyřešit rozšířením generující aplikace AI pomocí rozhraní Microsoft Graph API, která se můžou připojit k datům zákazníků v Microsoftu 365. Společnost Contoso dokáže vylepšit možnosti svého asistenta AI s přístupem k relevantnějším osobním údajům načteným z rozhraní API. Rozhraní Microsoft Graph API umožňují společnosti Contoso provádět následující akce:

• Vygenerujte položky kalendáře a e-maily o vypršení časového limitu na základě kontextu od uživatele a jejich žádostí o volno.
• Informace z outlookových kalendářů koncových zákazníků vám pomůžou navrhnout potenciální časy schůzek a pozvané osoby.
• Navrhněte úpravy tónů, řádky předmětu a dokumenty pro připojení k e-mailům na základě historie mezi příjemcem a odesílatelem.

Tyto změny a další možnosti umožňují generovat aplikaci AI společnosti Contoso, aby výrazně zjednodušila úlohy správy svých zákazníků. Pomocí rozhraní Microsoft Graph API ve své aplikaci můžou zaměstnancům poskytnout užitečné a přizpůsobené rady.

Asistenti Azure OpenAI

Nezávislí výrobci softwaru můžou pomocí funkcí pomocníků Azure OpenAI rychle vytvářet asistenty AI a integrovat je do svých stávajících aplikací. Asistenti Azure OpenAI můžou odpovídat na otázky, vyžadovat jednoduché úkoly a dokonce je přizpůsobit psaní a spouštění kódu na základě vstupů uživatele.

Vytvoření pomocníka Azure OpenAI je stejně jednoduché jako napsání souboru JSON popisujícího funkci, kterou má asistent provádět, a dává mu prostředí Pythonu v izolovaném prostoru( v izolovaném prostoru), ve kterém se má spustit. Díky tomu může asistent zavolat stávající rozhraní API a začít reagovat na výzvy.

Tento model vás může zajímat, pokud:

• Máte existující aplikaci, která by měla prospěch z přizpůsobeného asistenta.
• Chcete rychle vyvíjet aplikaci podobné kopírce s méně technickým liftem.
• Potřebujete integraci s dalšími nástroji, které vaší aplikaci umožňují provádět úkoly bez jazyka, jako je matematika.

Mezi klíčové výhody tohoto přístupu patří:

• Rychlé a efektivní vytváření pomocníka s AI
• Poskytování služeb zákazníkům asistentovi umělé inteligence, který dokáže zodpovědět konkrétnější otázky a požadavky.
• Povolení řešení pomocí funkcí umělé inteligence, které můžou vyžadovat jednoduché akce, které zjednoduší úlohy.

Scénář pomocníka Azure OpenAI

Společnost Contoso má existující aplikaci pro maloobchodní zákazníky, která poskytuje portál zaměstnanců pro onboarding, správu zásob, zpracování plateb a další. Společnost Contoso použije Pomocníka pro Azure OpenAI k vytvoření pomocníka pro store, který zákazníkům poskytne pokyny přizpůsobené jejich konkrétní situaci.

Díky vytvoření asistenta umělé inteligence může Společnost Contoso integrovat data firem do aplikace, což jí umožní zodpovědět otázky pomocí firemních dat. Tyto možnosti umožňují kopírovat:

• Provedou nové zaměstnance typickými procesy obchodu.
• Predikce potřeb inventáře a požadavků na základě minulých trendů
• Referenční pokyny v nahraných dokumentech o zaměstnání, jako jsou zásady odchodu z práce.

Zahrnutím asistenta AI do své aplikace se řešení společnosti Contoso stane zdrojem pokynů a návrhů pro zaměstnance, a ne jenom nástroje pro správu. Jejich zákazníci ho můžou použít k zodpovězení otázek a identifikaci cesty vpřed v každodenních úkolech.

Knihovna AI teams

Pokud už chatovací robot Teams máte nebo ho chcete vytvořit, můžete chatovacího robota vylepšit o možnosti generující umělé inteligence. Generování uživatelského rozhraní v knihovně AI teams umožňuje podporovat konverzační jazyk chatovacího robota, ke kterému mají přístup přímo uživatelé v Teams.

Tato aplikace vyžaduje, abyste zadali obchodní logiku, kterou má vaše aplikace používat, zatímco velké jazykové modely (LLM), které Microsoft poskytuje, zpracovává back-endové aspekty chatovacího robota. Chatovací robot můžete dokonce upravit tak, aby používal různé LLM, moduly plug-in a další.

Tento model vás může zajímat, pokud:

• Máte existujícího chatovacího robota Teams, kterého chcete rozšířit o funkce přirozeného jazyka.
• Chcete využít předdefinované šablony, integrované možnosti dat a integrované bezpečnostní funkce.

Mezi klíčové výhody tohoto přístupu patří:

• Vylepšení chatovacího robota Teams pomocí funkcí přirozeného jazyka
• Vytvoření řešení generující umělé inteligence s možnostmi podpory
• Přizpůsobení chatovacího robota tak, aby platilo pro vaše situace nebo průmyslové potřeby.

Scénář knihovny AI v Teams

Společnost Contoso už nějakou dobu zpřístupňuje svým zákazníkům chatovací roboty Teams, ale s vývojem schopností umělé inteligence chce svou aplikaci modernizovat tím, že jí umožní zodpovědět konkrétnější otázky a poskytnout zaměstnancům individuální rady.

Pomocí knihovny Microsoft Teams AI může společnost Contoso snadno přidat do chatovacího robota možnosti přirozeného jazyka. Tyto nové možnosti generující umělé inteligence umožňují chatovacímu robotu lépe podporovat zákazníky těmito funkcemi:

• Navrhněte taktické další kroky pro probíhající projekty a tipy pro přípravu na nadcházející firemní události.
• Vytváření programů schůzek, konceptů e-mailů a dalších možností na základě krátké interakce mezi uživatelem a chatovacím robotem.
• Zodpovězení otázek s využitím přizpůsobených odpovědí na základě kontextu konverzace

Tyto funkce pomáhají zjednodušit činnost zaměstnanců pro zákazníky společnosti Contoso a umožňují jim rychleji získat inteligentnější odpovědi. Začleněním generující umělé inteligence do chatovacího robota Teams je jeho uživatelé efektivnější v práci, protože můžou přirozeně komunikovat s chatovacím robotem, aby dostávali podporu v práci.

Azure AI Foundry

Pokud chcete vytvořit zcela přizpůsobenou aplikaci AI, která je vysoce flexibilní z hlediska možností, můžete použít jednu z mnoha špičkových možností z Azure AI Foundry. Budování řešení s generativní umělou inteligencí pomocí Azure AI Foundry vám umožňuje přizpůsobit řešení vašim konkrétním potřebám, včetně splnění vysoce technických nebo specifických požadavků.

Azure AI Foundry obsahuje řadu možností pro sestavení aplikace AI, jako je prompt flow a Azure AI SDK, přičemž obě mají předem natrénované modely, z nichž můžete vytvořit. Tato služba je integrovaná s dalšími službami Azure a poskytuje prostředky pro průběžný vývoj aplikací, jako je například sada nástrojů LLMOps.

Tento model vás může zajímat, pokud:

• Chcete vytvořit zcela novou aplikaci nebo upravit existující aplikaci.
• Vyžadovat, aby asistent umělé inteligence dokončil složité procesy, jako je čtení a kontrola technických dokumentů nebo analýza složitých trendů dat.
• Chcete mít plnou kontrolu nad vývojem aplikací, abyste přizpůsobili hlas, osobnost a identitu značky vašim konkrétním potřebám.

Mezi klíčové výhody tohoto přístupu patří:

• Vytvoření zkopírovaného objektu, který může reagovat na další otázky a požadavky.
• Přizpůsobení řešení tak, aby dodržovalo jedinečné požadavky na zabezpečení nebo data.

Scénář Azure AI Foundry

Společnost Contoso chce vytvořit plně přizpůsobenou generující aplikaci AI, která bude podporovat své zdravotnické zákazníky během vytváření a zpracování deklarací identity. Aby mohla aplikace komercializovat, musí být schopná přesně zpracovávat informace o zákaznících, splňovat specializované aspekty zabezpečení a generovat přesný obsah.

Díky použití Azure AI Foundry k vytvoření vlastní generující aplikace AI od začátku dokázali vytvořit plně přizpůsobenou a vysoce zabezpečenou aplikaci přizpůsobenou potřebám svých zákazníků ve zdravotnictví. Nová aplikace společnosti Contoso umožňuje lékařům pracujícím pro pojišťovny snadno vyplňovat formuláře. Kopilot, kterého vytvořili prostřednictvím Azure AI Foundry, může:

• Podpora vytváření formulářů podmíněné autorizace prostřednictvím konverzačních výzev na základě různých otázek specifických pro organizaci.
• Zadejte dotaz na více záznamů pacientů a zkontrolujte informace v aplikaci společnosti Contoso.
• Splnění bezpečnostních aspektů specifických pro organizaci za účelem minimalizace rizik a ochrany osobních údajů

Díky přesnému načítání informací o pacientech a používání funkcí přirozeného jazyka, které pomáhají při generování formulářů, může Společnost Contoso urychlit proces vytváření deklarací identity. Jejich řešení šetří uživatelům cenný čas tím, že tyto specializované úkoly rychle a přesně dokončí.

Vytvoření aplikace v prostředcích infrastruktury

I když je řada výrobců softwaru obeznámených s prostředky infrastruktury jako datovým nebo analytickým řešením, může sloužit také jako komplexní, integrovaný základ dat pro generování aplikací umělé inteligence. Bez ohledu na to, jestli chcete vytvořit aplikaci přímo v Prostředcích infrastruktury nebo integrovat s OneLake, můžete vytvořit aplikaci v prostředcích Fabric , která vám poskytne chybějící přizpůsobení a kontrolu nad vaším řešením.

Strom odkazu pro přístup "sestavení aplikace v prostředcích infrastruktury". Jedna šipka vede ke čtení pole "Umožňuje nezávislí výrobci softwaru číst, zapisovat a spravovat data v rámci Fabric OneLake pomocí existujících rozhraní API, zkratek a dalších", což vede k tomu, že vzor H: Interoperabilita s prostředky infrastruktury. Druhá šipka vede ke čtení pole "Umožňuje nezávislí výrobci softwaru vyvíjet produkty na platformě Fabric nebo kombinovat prostředky infrastruktury s již existujícími aplikacemi", což vede k modelu I: Sestavení na prostředcích infrastruktury. Konečná šipka vede ke čtení rámečku "poskytuje nezávislé výrobce softwaru nástroje pro vytváření vysoce přizpůsobitelných úloh v ekosystému Fabric", což vede k modelu J: Sestavení úlohy Fabric.

Spolupráce s prostředky infrastruktury

Integrace existující aplikace s Prostředky infrastruktury poskytuje nekonečné možnosti pro zjednodušení back-endu dat vašeho řešení. Díky spolupráci s Prostředky infrastruktury můžete sjednotit velké množství různorodých zdrojů dat na jedné platformě pomocí různých nástrojů a rozhraní API.

Fabric nabízí rozhraní API OneLake i rozhraní API pro analýzu v reálném čase, která jsou navržená pro rychlý přístup k datům a jejich zpracování. Data Factory můžete také použít ke sjednocení dat napříč prostředími prostřednictvím zástupců a správy složitých úloh zpracování dat z až 200 externích zdrojů. I když vaše data nejsou v Azure, můžete vytvořit zástupce pro přenesení dat do OneLake.

Tento model vás může zajímat, pokud:

• Máte existující aplikaci, která vyžaduje rozšířené zpracování dat.
• Nakreslete data z různých zdrojů a prostředí.
• Chcete číst a spravovat data aplikace v rámci OneLake nebo Data Factory.

Mezi klíčové výhody tohoto přístupu patří:

• Vylepšení možností dat pro stávající aplikace prostřednictvím zvýšených schopností zpracování, úložiště a analýzy
• Integrace dat z více tenantů a prostředí do jedné platformy

Scénář spolupráce s prostředky infrastruktury

Aplikace SaaS, kterou společnost Contoso vyvinula pro své maloobchodní zákazníky, vyžaduje pro správu dat z více tenantů větší možnosti dat. Koncoví zákazníci společnosti Contoso vyžadují větší přehled o svých datech a požadují další informace o trendech a vzorech v jejich datech. Jejich zákazníci ale používají různé platformy pro správu inventáře, personální oddělení, správu webů a další platformy, ke kterým společnost Contoso potřebuje přístup, aby vytvořila kompletní zobrazení dat.

Aby se tyto problémy vyřešily, společnost Contoso připojila svou stávající aplikaci k Prostředkům infrastruktury. To jim umožňuje lepší správu dat na úrovni správy a lepší přehledy dat a viditelnost pro tenanty. Jejich aplikace může:

• Ke shromažďování informací z různých tenantů ve OneLake použijte sdílení dat a klávesové zkratky pro více cloudů.
• Přístup k datům organizace okamžitě prostřednictvím rozhraní API pro analýzu v reálném čase
• Zpracování objemu dat přidružených k rozsáhlému řešení
• Zobrazte informace o datech zákazníka prostřednictvím interaktivních řídicích panelů, které společnost Contoso vytvořila ve své aplikaci.

Teď, když má společnost Contoso přístup k datům od svých zákazníků snadněji, může své řešení upravit tak, aby tyto informace poskytla koncovým zákazníkům. Koncoví zákazníci můžou svá data snadno a přesně interpretovat a používat je k rozhodování pro svou firmu.

Sestavení v prostředcích infrastruktury

Kromě připojení k Prostředkům infrastruktury jako datové platformy pro vaši aplikaci můžete také stavět na prostředcích Fabric a vkládat funkce Prostředků infrastruktury přímo do aplikace. Vývojáři můžou pomocí různých rozhraní REST API do svých aplikací vytvářet funkce infrastruktury, aby podporovali více technických pracovních postupů pomocí generativních funkcí umělé inteligence.

Různá rozhraní API je možné integrovat do vaší aplikace a povolit ji s různými funkcemi. Například vložení rozhraní API skladu do vaší aplikace poskytuje možnosti datového skladu dostupné v rámci prostředků infrastruktury. Vývoj aplikace přímo na platformě Fabric umožňuje bezproblémově využívat a manipulovat s těmito funkcemi Infrastruktury v rámci rozhraní vaší aplikace.

Tento model vás může zajímat, pokud:

• Vytváří aplikaci, kterou budou používat datoví vědci nebo jiní uživatelé s komplexnějšími potřebami správy dat.
• Chcete do své aplikace začlenit komplexní možnosti ukládání a zpracování dat.
• Hledáte vytvoření zcela nové aplikace nebo úpravu existující aplikace.

Mezi klíčové výhody tohoto přístupu patří:

• Integrace funkcí dat Fabric přímo do vašeho řešení.
• Správa a manipulace s daty ve vaší vlastní aplikaci
• Vytvoření aplikace s plnou přizpůsobitelností a řízením

Scénář sestavení v prostředcích infrastruktury

Zákazníci společnosti Contoso vyjadřují potřebu složitějších datových funkcí. Mezi sledováním trendů prodeje, plánů zaměstnanců, inventářem digitálních a osobních obchodů a dalšími daty ve více tenantech vyžadují v nové aplikaci mnohem větší podporu zpracování dat.

Pro efektivnější správu zákaznických dat společnost Contoso vyvinula novou aplikaci vytvořenou na základě prostředků infrastruktury. Tato aplikace umožňuje uživatelům přímé rozhraní se svými daty a interakci s nimi v aplikaci společnosti Contoso. Díky využití možností zpracování dat fabric může jejich aplikace:

• Připojte se k OneLake, Power BI a dalším prostředkům přímo v aplikaci, které se dají zobrazit prostřednictvím přizpůsobených řídicích panelů vytvořených společností Contoso.
• Poskytuje přehledy o ziskovosti z kategorií, jako jsou online nebo osobní obchody, různá umístění obchodů a podle značky a kategorie produktů.
• Pomocí AI můžete tato data analyzovat a poskytovat zákazníkům přehledy a návrhy, například navrhnout změnu cen produktu, předpovídat potenciální přerušení a identifikovat odlehlé hodnoty v datových proudech výnosů.
• Poskytněte zákazníkům společnosti Contoso přímý přístup k datům prostředků infrastruktury v rámci platformy Společnosti Contoso.

Vložením možností prostředků infrastruktury do aplikace můžou spravovat a manipulovat s daty přímo v rámci svého řešení. Umělá inteligence, kterou vytvořili na základě svého řešení, má přístup k datům a poskytuje individuální obchodní přehledy pro zákazníky společnosti Contoso.

Sestavení úlohy Fabric

Kromě sestavování se sedmi nativními úlohami Fabric můžou nezávislí výrobci softwaru rozšířit možnosti Fabric vytvořením vlastních přizpůsobených úloh a jejich nabízením jako samostatného řešení. Tyto úlohy je možné vytvářet úplně od začátku, aby poskytovaly celou řadu možností správy dat, ať už jde o vytvoření komplexnějšího zobrazení dat vašich zákazníků nebo provádění akcí na základě trendů a předpovědí dat.

Nezávislí výrobci softwaru můžou pomocí sady Microsoft Fabric Workload Development Kit vytvořit vlastní úlohu a publikovat ji jako nabídku SaaS pro ostatní uživatele infrastruktury na Azure Marketplace. Tento model je snadno monetizovatelný na Azure Marketplace a při spolupráci se zákazníky používá UX fabric, což vám umožní soustředit se na vývoj úloh.

Tento model vás může zajímat, pokud:

• Chtěli byste vytvořit nástroj dostupný koncovým uživatelům v Prostředcích infrastruktury, jako jsou jiní vývojáři nebo datoví vědci.
• Podívejte se na potřebu dat nebo požadavek, který chcete řešit pomocí prostředků infrastruktury.
• Chcete využít podporu Microsoftu, jako je stávající UX a jednoduchá publikace na Azure Marketplace.

Mezi klíčové výhody tohoto přístupu patří:

• Publikování aplikace na Azure Marketplace, kde je možné ji snadno získat a zakoupit technickými koncovými uživateli v Prostředcích infrastruktury.
• Vytváření vysoce přizpůsobitelných řešení přímo přizpůsobených požadavkům vašich zákazníků na data

Vytvoření scénáře úloh Fabric

Společnost Contoso chce vytvořit řešení, která můžou používat jejich maloobchodní zákazníci ke sledování dodavatelského řetězce a správy zásob v digitálních i osobních prodejnách pro několik tenantů. Chtějí, aby byla jejich aplikace pro technické koncové uživatele snadno přístupná, aby mohli pro svou aplikaci řízenou daty využít více.

Pomocí sady Microsoft Fabric Workload Development Kit společnost Contoso dokázala vyvíjet úlohu, ke které mají zákazníci přístup přímo z Prostředků infrastruktury v uživatelském prostředí, které dobře znají. Podařilo se jim ji zpeněžit jako aplikaci SaaS na Azure Marketplace, kde je snadno přístupná koncovým uživatelům společnosti Contoso na platformě Fabric. Jejich úloha Infrastruktury dokáže:

• Optimalizujte inventář tím, že poskytnete přehled o oblastech, které potřebují další poptávku, a s využitím funkcí AI můžete navrhnout cestu vpřed.
• Prognózovat budoucí poptávku prostřednictvím funkcí strojového učení, které analyzují minulé trendy.
• Simulujte možné scénáře, které by mohly ovlivnit dodavatelský řetězec, například změnu dodavatelů.

Díky tomu, že společnost Contoso nabízí své řešení jako úlohu Fabric, může datovým vědcům a dalším technickým odborníkům pomoct optimalizovat dodavatelské řetězce. Zákazníci společnosti Contoso získají lepší přehled o své firmě prostřednictvím pečlivé analýzy minulých dat a předpovědí budoucích trendů v AI.

Závěr

Když se seznámíte s jednotlivými vzory a jejich možnostmi, měli byste být nyní vybaveni, abyste se rozhodli, jak vytvořit řešení generující umělé inteligence. Po prozkoumání zvoleného přístupu a potvrzení, že je v rámci vašich schopností, můžete začít vyvíjet aplikaci.

Další informace o zvoleném vzoru a dalších krocích k vytvoření prostředí generující umělé inteligence najdete v následujících zdrojích informací.

Vytvoření vlastního copilotu

Odkazy na další informace o každém sestavení vlastního vzoru copilotu:

• Model D – rozhraní Microsoft Graph API
• Pattern E – Asistenti Azure OpenAI
• Pattern F – Knihovna AI Teams
• Pattern G – Azure AI Foundry

Další informace o vytvoření aplikace v prostředcích infrastruktury

Odkazy na další informace o vytváření aplikací v prostředcích infrastruktury:

• Přístup – Vytvoření aplikace v prostředcích infrastruktury
• Pattern J – Sestavení úlohy v prostředcích infrastruktury

Související odkazy

Další informace o vzorech generování AI a jejich výhodách: Vytváření prostředí generující umělé inteligence s microsoft cloudem – průvodce pro nezávislé výrobce softwaru | Microsoft Learn

Pokyny pro uživatelské rozhraní pro nezávislé výrobce softwaru, které navrhují prostředí generování umělé inteligence: Další kroky pro návrh uživatelského prostředí generující AI