支持代码 ISV 旅程中的模式选择
为了帮助独立软件供应商（ISV）构建其生成 AI 解决方案，Microsoft创建了指导，帮助你找到可行的用例并开始创建它。 本页重点介绍开发人员在构建解决方案的过程中可以选择的亲代码模式。 如果不确定是选择支持代码模式还是低代码模式，请访问 功能设想页 来查找用例的最佳方法。
pro-code 旅程的注意事项
选择支持代码的方法使 ISV 能够让你在设计 AI 应用程序时使用高度可自定义的选项。 在支持代码方法中，有许多模式涵盖多个平台，以满足不同的需求和首选项。 如果你满足以下情况，则支持代码模式非常合适：
- 生成高度自定义的应用，并且需要在控件中需要更多的组件。
- 将 AI 功能集成到自己的应用程序或从头开始生成一个。
- 遵守独特的数据或安全问题。
如果需要快速解决方案并使用 Power Platform 连接器等工具，请考虑研究 低代码模式。
pro-code 中有两种高级方法：
- 生成自定义警戒。 此方法包含有助于创建具有自然语言功能的解决方案的模式。 使用自定义 copilot 进行构建可使 AI 在各种情况下自然地与用户交谈。
- 在 Fabric 上生成应用程序。 此方法介绍使用 Fabric 处理或存储数据的模式，这些模式可与你创建的 AI 应用程序集成。 这些模式提供了强大的数据基础，并提供了更多自定义的机会。
这两种方法提供了许多优势，使你能够创建可自定义的 AI 应用程序。 根据所选模式，可以生成一个全新的应用程序或引入现有应用程序的新功能。
选择模式
选择模式是 ISV 开始构建解决方案之前要执行的最后一步。 选择的模式：
- 影响解决方案的功能。 为情况选择正确的模式使你能够将解决方案与客户需求保持一致。 选择功能太少的模式可以限制可以创建的内容。
- 影响项目的开发成本。 某些模式在开发过程中需要更重的提升，使 ISV 花费时间和金钱。 所选模式所需的投资不应超过用例的潜在价值。
- 使你能够在不同的接口中工作。 某些模式旨在从头开始创建应用程序，而另一些模式旨在从Microsoft在现有应用程序或平台中工作。
- 更改数据、基础结构和其他后端注意事项。 Pro-code 模式是通用的，但可能有限制或需要修改。 通常，随着选择更复杂的模式选项，数据和基础结构选项变得更加可自定义。
由于所有这些因素，在选择模式之前，必须仔细评估你的情况、客户需求和技术能力。 选择的平台和策略将影响可以创建的内容。
多个模式选项
ISV 可以选择从多个模式集成功能，而不是只选择一种模式。 甚至可以组合低代码和支持代码选项。
无论是选择一种模式还是组合多个模式，请务必考虑你处于的情况，并选择最适合你的平台。 本页重点介绍支持代码模式。 若要浏览跨 pro 和低代码的更多选项，可以访问 全面的模式页面。
语义内核
希望构建复杂的 AI 应用程序的 ISV 可以在许多不同的模式选项中使用 语义内核 。 语义内核是一个开源软件开发工具包（SDK），它可以轻松地将现有的 C#、Python 和 Java 代码与 OpenAI、Azure OpenAI、Hugging Face 等中的模型组合在一起。
由于语义内核直接与代码交互，因此可以使用许多不同的模式。 无论选择哪种模式，语义内核都可以支持开发旅程，并使用新的生成 AI 功能启用解决方案。
生成自定义 copilot
通过构建自定义 copilot，你可以创建具有中等编码提升和比采用或扩展第一方应用程序更具可自定义性的应用程序，Microsoft Copilot。 虽然需要自行生成许多组件，但Microsoft通过 SDK、模板等提供显著支持，具体取决于所选模式。
“生成自定义 copilot”方法的决策树。 一个箭头指向一个框，其中显示“使用 ISV 数据的 AI 增强现有应用”，该应用与模式 D 连接：Microsoft图形 API。 另一个箭头会进入一个框，其中显示“创建聊天机器人，以响应用户问题和卸载简单任务”，这会导致模式 E：Azure OpenAI 助手。 第三个箭头会进入一个框，该框显示“通过预生成模板向 ISV Teams 聊天机器人添加自然语言功能”，这会导致模式 F： Teams AI 库。 最终箭头指向一个框，其中显示“使用预先训练的模型、Azure AI SDK 和提示流提供高可自定义性”，这会导致 
Microsoft 图形 API
Microsoft图形 API 从 Microsoft 365 应用程序（如 Outlook、Teams、OneDrive 和 SharePoint 中的信息）访问用户数据。 通过使现有应用程序能够调用此 API，可以使用来自 Microsoft 365 的个性化数据增强用户体验。
这些 API 可以集成到自己的解决方案 UI 中。 可以从 Graph 资源管理器查看 收集的租户数据，该资源管理器是一个开源平台，旨在帮助你了解 Microsoft Graph API。
如果你：
- 拥有想要使用个性化数据增强的现有应用程序。
- 想要根据最终用户Microsoft 365 活动向最终用户提供个性化响应。
- 需要来自 Microsoft 365 的数据。
此方法的主要优点包括：
- 访问最终用户Microsoft 365 数据以个性化体验。
- 快速轻松地连接到数据，使你能够专注于应用程序的其他方面。
让我们看看一个虚构的 ISV 如何在应用程序中使用此模式。
Microsoft Graph API 方案
Contoso 构建了一个应用程序，使客户能够管理内部操作，但他们正寻求改进它。 他们的客户提出了有关基本管理任务的问题，例如安排会议、日志记录休假和发送电子邮件花费太多时间。
为了解决此问题，Contoso 决定使用 Microsoft Graph API 来增强其生成 AI 应用程序，该 API 可以连接到 Microsoft 365 中的客户数据。 Contoso 能够增强其 AI 助手的功能，并可以访问从 API 检索到的更相关的个人数据。 Microsoft Graph API 使 Contoso 的解决方案能够：
- 根据用户的上下文及其休假请求生成日历条目和休假电子邮件。
- 使用其最终客户的 Outlook 日历中的信息来建议潜在的会议时间和被邀请者。
- 根据收件人和发件人之间的历史记录建议要附加到电子邮件的语气编辑、主题行和文档。
这些更改和更多功能使 Contoso 的生成 AI 应用程序能够大幅简化其客户的管理任务。 通过在应用程序中使用 Microsoft Graph API，可以为员工提供有用的个性化建议。
Azure OpenAI 助手
使用 Azure OpenAI 助手的功能 ，ISV 可以快速创建 AI 助手并将其集成到其现有应用程序中。 Azure OpenAI 助手可以回答问题、提示简单任务，甚至可以根据用户的输入来编写和执行代码。
创建 Azure OpenAI 助手就像编写 JSON 文件一样简单，描述你希望助手执行的函数，并为它提供一个要在其中运行的沙盒 Python 环境。 这使助手能够调用现有 API 并开始响应提示。
如果你：
- 拥有可从自定义助手中受益的现有应用程序。
- 想要通过更少的技术提升快速开发类似 Copilot 的应用程序。
- 需要与其他工具集成，使应用程序无需语言即可完成任务，例如数学。
此方法的主要优点包括：
- 快速高效地创建 AI 助手。
- 为客户提供能够回答更具体的问题和请求的 AI 助手。
- 使用 AI 功能启用解决方案，可以提示简单的操作来简化任务。
Azure OpenAI 助手方案
Contoso 为零售客户提供现有应用程序，它为员工门户提供载入、库存管理、付款处理等。 Contoso 将使用 Azure OpenAI 助手创建商店助理，为客户提供针对特定情况定制的指导。
通过创建 AI 助手，Contoso 可以将企业的数据集成到应用程序中，这样就可以使用公司数据来回答问题。 这些功能允许 copilot：
- 指导新员工完成典型的应用商店流程。
- 根据过去的趋势预测库存需求和要求。
- 上传的就业文档中的参考指南，例如休假策略。
通过在其应用程序中包括 AI 助手，Contoso 的解决方案成为员工的指导和建议的来源，而不仅仅是管理工具。 他们的客户可以使用它来回答问题，并确定日常任务中的前进路径。
Teams AI 库
如果已有 Teams 聊天机器人或有兴趣创建聊天机器人，则可以使用生成 AI 功能增强聊天机器人。 Teams AI 库中的基架能够支持聊天机器人的对话语言，这些语言可由 Teams 中的用户直接访问。
此应用程序要求你输入希望应用使用的业务逻辑，而Microsoft提供处理聊天机器人后端方面的大型语言模型（LLM）。 甚至可以修改聊天机器人以使用不同的 LLM、插件等。
如果你：
- 拥有一个想要增强自然语言功能的现有 Teams 聊天机器人。
- 想要利用预建模板、集成数据选项和内置安全功能。
此方法的主要优点包括：
- 使用自然语言功能改进 Teams 聊天机器人。
- 构建具有大量支持选项的生成 AI 解决方案。
- 自定义聊天机器人以适用于你的情况或工业需求。
Teams AI 库方案
Contoso 已经使 Teams 聊天机器人可供其客户使用一段时间，但随着 AI 功能的发展，他们希望通过启用它来回答更具体的问题并为员工提供个性化建议，从而实现应用程序的现代化。
使用 Microsoft Teams AI 库，Contoso 可以轻松地向其聊天机器人添加自然语言功能。 这些新的生成 AI 功能使聊天机器人能够通过以下方式更好地支持客户：
- 建议正在进行的项目和提示的战术后续步骤，以便为即将到来的公司事件做好准备。
- 基于用户与聊天机器人之间的简短交互创建会议议程、电子邮件草稿等。
- 使用基于对话上下文的定制响应回答问题。
这些功能有助于简化 Contoso 客户的员工体验，并使他们能够更快地获得更智能的答案。 将生成 AI 合并到 Teams 聊天机器人中可使用户更高效地工作，因为他们可以自然地与聊天机器人对话，以在工作中获得支持。
Azure AI Studio
如果要在功能方面创建完全自定义的生成 AI 应用程序，则可以使用 Azure AI Studio 中的众多前沿选项之一。 使用 Azure AI Studio 构建生成 AI 解决方案可以自定义解决方案以满足特定需求，包括满足高度技术要求或利基要求。
Azure AI Studio 包含许多用于生成 AI 应用程序的选项，例如提示流和 Azure AI SDK，这两个选项都具有可构建的预先训练的模型。 该服务与其他 Azure 服务集成，为正在进行的应用程序开发提供资源，例如 LLMOps 工具链。
如果你：
- 想要从头开始生成应用程序或修改现有应用程序。
- 要求 AI 助手完成复杂的流程，例如读取和查看技术文档或分析复杂数据趋势。
- 希望完全控制应用开发，以便根据特定需求自定义语音、个性和品牌标识。
此方法的主要优点包括：
- 创建一个定制的警察，可以响应更多的利基问题和请求。
- 自定义解决方案以遵守独特的安全或数据要求。
Azure AI Studio 方案
Contoso 希望构建完全自定义的生成 AI 应用程序，在声明创建和处理期间支持其医疗保健客户。 为了将应用程序商业化，他们需要能够准确处理客户信息，满足专门的安全注意事项，并生成准确的内容。
通过使用 Azure AI Studio 从头开始创建自己的生成 AI 应用程序，他们能够构建完全自定义且高度安全的应用程序，以满足其医疗保健客户的需求。 Contoso 的新应用程序使临床医生能够轻松填写表单。 他们通过 Azure AI Studio 创建的警察可以：
- 支持基于各种组织特定问题通过对话提示生成条件授权表单。
- 查询 Contoso 应用程序中的多个患者记录并查看信息。
- 满足组织特定的安全注意事项，以最大程度地减少风险和隐私问题。
通过准确检索患者信息并使用自然语言功能来帮助生成表单，Contoso 可以加速声明创建过程。 他们的解决方案通过快速准确地完成这些专用任务来节省用户宝贵的时间。
在 Fabric 上生成应用
虽然许多 ISV 都熟悉 Fabric 作为数据或分析解决方案，但它也可以作为生成式 AI 应用程序的综合集成数据基础。 无论你是要直接在 Fabric 上生成应用还是与 OneLake 集成， 在 Fabric 上生成应用都提供对解决方案的不匹配自定义和控制。
“在 Fabric 上生成应用”方法的链接树。 一个箭头指向一个框，上面写着“允许 ISV 使用现有 API、快捷方式等在 Fabric OneLake 中读取、写入和管理数据”，这会导致模式 H：与 Fabric 互操作。 第二个箭头指向一个框，上面写着“使 ISV 能够在 Fabric 平台之上开发产品或将 Fabric 与预先存在的应用程序相结合”，这会导致模式 I：在 Fabric 上构建。 最后一个箭头指向一个框阅读“为 ISV 提供工具，以在 Fabric 生态系统中创建高度可自定义的工作负载”，这会导致 Pattern J：生成 Fabric 工作负载。
与 Fabric 的互操作
将现有应用程序与 Fabric 集成可提供无休止的选项，用于简化解决方案的数据后端。 通过与 Fabric 进行互操作，可以使用各种工具和 API 在单个平台上统一多种不同的数据源。
Fabric 提供 OneLake API 和实时智能 API，旨在快速访问和处理数据。 还可以使用数据工厂通过快捷方式跨环境统一数据，并管理多达 200 个外部源的复杂数据处理任务。 即使数据不在 Azure 上，也可以创建用于将数据引入 OneLake 的快捷方式。
如果你：
- 具有需要增强数据处理的现有应用程序。
- 正在从各种源和环境绘制数据。
- 想要在 OneLake 或数据工厂中读取和管理应用程序的数据。
此方法的主要优点包括：
- 通过提高处理、存储和分析能力，改进现有应用的数据功能。
- 将数据从多个租户和环境集成到一个平台中。
与 Fabric 方案互操作
Contoso 为其零售客户开发的 SaaS 应用程序需要更大的数据功能来管理来自多个租户的数据。 Contoso 的最终客户需要更深入地了解其数据，并请求有关其数据中的趋势和模式的详细信息。 但是，其客户使用各种平台进行库存管理、人员配备、Web 管理等，Contoso 需要访问这些平台来形成数据的完整视图。
为了解决这些问题，Contoso 将其现有应用程序连接到 Fabric。 这样，他们就可以在管理级别获得更好的数据管理，以及租户的数据见解和可见性。 其应用程序能够：
- 使用数据共享和多云快捷方式从 OneLake 中的不同租户收集信息。
- 通过实时智能 API 立即访问组织数据。
- 处理与大型解决方案关联的数据量。
- 通过 Contoso 在其应用程序中创建的交互式仪表板来描述有关客户数据的信息。
现在，Contoso 可以更轻松地访问其客户的数据，因此他们能够修改其解决方案，以便向最终用户提供信息。 其最终客户可以轻松准确地解释其数据，并使用它为业务做出选择。
基于构造生成
除了将 Fabric 作为应用程序的数据平台连接到 Fabric 之外，还可以基于 Fabric 构建，将 Fabric 的功能直接嵌入到应用中。 开发人员可以使用各种 REST API 在其应用程序中构建 Fabric 功能，以支持具有生成式 AI 功能的更多技术工作流。
可以在应用程序中集成不同的 API，以使用不同的功能启用它。 例如，在应用程序中嵌入仓库 API 可提供 Fabric 中可用的数据仓库选项。 直接在 Fabric 的基础上开发应用程序，使你可以在自己的应用程序的接口中无缝利用和操作这些 Fabric 函数。
如果你：
- 正在构建一个应用程序，该应用程序将由数据科学家或其他具有更全面的数据管理需求的其他用户使用。
- 想要在应用程序中整合全面的数据存储和处理选项。
- 希望从头开始生成应用程序或修改现有应用程序。
此方法的主要优点包括：
- 将 Fabric 的数据功能直接集成到解决方案中。
- 在自己的应用程序中管理和操作数据。
- 创建具有完全可自定义性和控制的应用程序。
基于构造方案进行生成
Contoso 的客户一直在表达对更复杂的数据功能的需求。 在跟踪销售趋势、员工计划、数字和人员存储的库存，以及跨多个租户进行更多跟踪之间，它们在新应用程序中需要更多的数据处理支持。
为了更有效地管理客户数据，Contoso 开发了基于 Fabric 构建的新应用程序。 此应用程序允许用户直接与其数据进行交互，并在 Contoso 的应用程序中与之交互。 利用 Fabric 的数据处理功能，其应用程序可以：
- 直接连接到 OneLake、Power BI 等应用程序，可以通过 Contoso 生成的自定义仪表板来显示。
- 从在线或人员商店、不同商店位置以及产品品牌和类别等类别提供对盈利能力的数据见解。
- 使用 AI 分析此数据并向客户提供见解和建议，例如建议产品定价变化、预测潜在中断以及确定收入流中的离群值。
- 为 Contoso 的客户提供直接访问 Contoso 平台中的 Fabric 数据。
通过在应用程序中嵌入 Fabric 的功能，可以直接在解决方案中管理和操作数据。 他们基于解决方案构建的 AI 能够访问此数据，并为 Contoso 的客户提供个性化的业务见解。
构建 Fabric 工作负载
除了使用 Fabric 的七个本机工作负载进行构建外，ISV 还可以通过创建自己的自定义工作负载并将其作为单独的解决方案来扩展 Fabric 的功能。 这些工作负载可以从头开始构建，以提供大量数据管理功能，无论是创建客户数据的更全面视图还是基于数据趋势和预测采取措施。
ISV 可以使用 Microsoft Fabric 工作负载开发工具包创建自己的工作负载，并将其发布为 Azure 市场 上的其他 Fabric 用户的 SaaS 产品/服务。 与客户交互时，这种模式很容易在Azure 市场上盈利，并使用 Fabric UX，这让你可以自由地专注于开发工作负载。
如果你：
- 想要创建可供 Fabric 上的最终用户使用的工具，例如其他开发人员或数据科学家。
- 查看想要使用 Fabric 解决的数据需求或要求。
- 想要利用Microsoft支持，例如现有 UX 和Azure 市场上的简单发布。
此方法的主要优点包括：
- 在 Azure 市场 中发布应用程序，可在其中轻松访问和购买 Fabric 中的技术最终用户。
- 直接根据客户的数据要求创建高度可自定义的解决方案。
生成 Fabric 工作负荷方案
Contoso 希望创建可供零售客户用来跟踪多个租户的数字和人员商店的供应链和库存管理的解决方案。 他们希望其应用程序可供技术最终用户轻松访问，以便他们可以为数据驱动应用程序追求更多用途。
使用 Microsoft Fabric 工作负荷开发工具包，Contoso 能够开发其客户可以直接从他们熟悉的 UX 中的 Fabric 访问的工作负载。 他们能够在 Azure 市场中将其作为 SaaS 应用程序盈利，Contoso 的最终用户可以轻松地在 Fabric 平台中访问该应用程序。 其 Fabric 工作负载能够：
- 通过提供对需要额外需求的区域的见解以及使用 AI 功能来建议前进的道路来优化库存。
- 通过分析过去趋势的机器学习功能预测未来需求。
- 模拟可能影响供应链的可能方案，例如更改供应商。
Contoso 通过将其解决方案作为 Fabric 工作负载提供，可以帮助数据科学家和其他技术专业人员优化供应链。 Contoso 的客户通过 AI 仔细分析过去的数据和对未来趋势的预测，深入了解其业务。
结束语
通过了解每个模式及其功能，你现在应该能够决定如何构建生成 AI 解决方案。 在研究所选的方法并确认它在你的功能范围内后，可以开始开发应用程序。
浏览以下资源，详细了解所选模式以及构建生成 AI 体验的其他后续步骤。
生成你自己的 Copilot
指向每个生成自己的 copilot 模式的详细信息的链接：
有关在 Fabric 上生成应用的详细信息
有关在 Fabric 上生成应用的详细信息的链接：
相关链接
有关生成 AI 模式及其优势的详细信息： 使用 Microsoft 云创建生成 AI 体验 - ISV 指南 |Microsoft Learn
ISV 设计生成 AI 体验的 UX 指南： 设计生成 AI 用户体验的后续步骤。