支援程式代碼ISV旅程圖中的模式選取
為了協助獨立軟體廠商 （ISV） 建置其產生式 AI 解決方案，Microsoft 建立指引，以協助您找到可行的使用案例並開始建立。 此頁面著重於開發人員在完成建置解決方案旅程時，可以選擇的程式碼模式。 如果您不確定是否要選擇支援程式代碼或低程式碼模式，請流覽 功能構想頁面 ，以尋找使用案例的最佳方法。
支援程式代碼旅程的考慮
選擇支援程式代碼的方法可讓ISV喜歡在設計 AI 應用程式時使用高度自訂的選項。 在支援程式代碼方法中，有許多模式涵蓋數個平臺，以解決不同的需求和喜好設定。 如果您是下列專案，則支援程式代碼模式很適合：
- 建置高度自定義的應用程式，並需要控件內更多元件。
- 將 AI 功能整合到您自己的應用程式，或從頭開始建置一個。
- 遵守唯一的數據或安全性考慮。
如果您需要快速的解決方案，而且可以使用Power Platform連接器之類的工具，請考慮研究 低程序代碼模式。
pro-code 中有兩種高階方法：
- 建置自定義的員警。 此方法包含模式，可協助您建立具有自然語言功能的解決方案。 使用自定義 Copilot 建置可讓您的 AI 在各種情況下自然地與使用者交談。
- 在 Fabric 上建置應用程式。 此方法涵蓋使用 Fabric 來處理或儲存數據的模式，這些模式可與您所建立的 AI 應用程式整合。 這些模式提供強大的數據基礎和更多自定義的機會。
這兩種方法都提供許多優點，並可讓您建立可自定義的 AI 應用程式。 視您選擇的模式而定，您可以建置全新的應用程式或您引進至現有應用程式的新功能。
選擇模式
選擇模式是ISV開始建置解決方案之前所採取的最後一個步驟。 您選取的模式：
- 影響解決方案的功能。 為情況選擇正確的模式，可讓您將解決方案與客戶需求保持一致。 選取功能太少的模式可以限制您可以建立的專案。
- 影響項目的開發成本。 某些模式在開發期間需要更重的提升，花費ISV時間和金錢。 您選取之模式所需的投資不應超過使用案例的潛在價值。
- 可讓您在不同的介面內工作。 某些模式的設計目的是從頭開始建立應用程式，而其他模式則是設計來從Microsoft在現有的應用程式或平台內運作。
- 變更數據、基礎結構和其他後端考慮。 Pro-code 模式是多用途的，但可能會有限制或需要修改。 一般而言，當您選擇更複雜的模式選項時，您的數據和基礎結構選項會變得更加可自定義。
由於這些因素，在選擇模式之前，請務必仔細評估您的情況、客戶需求和技術功能。 您選取的平臺和策略會影響您可以建立的平臺和策略。
多個模式選項
ISV 不只選擇一種模式，而是可以選擇從多個模式整合功能。 甚至可以結合低程式代碼和支援程式代碼選項。
無論您選擇一個模式或合併多個模式，請務必考慮您目前的情況，並選擇最適合您的平臺。 此頁面特別著重於程序代碼模式。 若要探索跨 Pro 和低程式碼的更多選項，您可以流覽 完整的模式頁面。
語意核心
想要建置複雜 AI 應用程式的 ISV 可以在許多不同的模式選項中使用 語意核心 。 語意核心是開放原始碼軟體開發工具包（SDK），可讓您輕鬆地將現有的 C#、Python 和 Java 程式代碼與 OpenAI、Azure OpenAI、Hugging Face 等模型結合在一起。
因為語意核心會直接與您的程式代碼互動，所以可以使用許多不同的模式。 無論您選擇何種模式，語意核心都可以支援您的開發旅程，並使用新的產生 AI 功能來啟用您的解決方案。
建置自定義的 Copilot
建置自定義的 copilot 可讓您建立具有中度程序代碼提升的應用程式，以及比採用或擴充第一方更具自定義性的應用程式，Microsoft Copilot。 雖然您需要自行建置許多元件，Microsoft視您選擇的模式而定，透過 SDK、範本等提供值得注意的支援。
「建置自定義 Copilot」方法的判定樹。 一個箭號會指向一個方塊，其中讀取「使用ISV數據增強現有的應用程式」，其會與模式 D：Microsoft Graph API 連線。 另一個箭號會進入一個方塊，其中閱讀「建立聊天機器人以回應用戶問題並卸除簡單工作」，這會導致模式 E：Azure OpenAI Assistants。 第三個箭號會進入一個方塊，其中顯示「透過預先建置的範本將自然語言功能新增至 ISV Teams 聊天機器人」，這會導致 Pattern F： Teams AI Library。 最後一個箭號指向一個方塊，方塊中寫著「使用預先定型的模型、Azure AI SDK 和提示流程，提供高度自定義性」，連結到 
Microsoft Graph API
Microsoft Graph API 會從 Microsoft 365 應用程式存取用戶數據，例如 Outlook、Teams、OneDrive 和 SharePoint 內的資訊。 藉由讓現有的應用程式呼叫此 API，您可以使用來自 Microsoft 365 的個人化數據來增強用戶體驗。
這些 API 可以在您自己的解決方案 UI 內整合。 您可以從 Graph 總管檢視所收集的租用戶數據，這是一個開放原始碼平臺，旨在協助您瞭解Microsoft Graph API。
如果您：
- 擁有您想要使用個人化數據增強的現有應用程式。
- 想要根據使用者Microsoft 365 活動，提供個人化的回應。
- 需要來自 Microsoft 365 的數據。
此方法的主要優點包括：
- 存取使用者Microsoft 365 數據，以個人化其體驗。
- 快速且輕鬆地連線到數據，讓您專注於應用程式的其他層面。
讓我們來檢查一個虛構ISV如何在其應用程式中使用此模式。
Microsoft Graph API 案例
Contoso 已建置應用程式，讓客戶能夠管理內部作業，但他們正尋求加以改善。 其客戶提出有關基本系統管理工作的問題，例如排程會議、註銷時間，以及傳送電子郵件花費太多時間。
為了解決此問題，Contoso 決定使用 Microsoft Graph API 來增強其產生 AI 應用程式，其可連線到客戶在 Microsoft 365 中的數據。 Contoso 能夠增強其 AI 助理的功能，並存取從 API 擷取的更相關個人資料。 Microsoft Graph API 可讓 Contoso 的解決方案：
- 根據使用者的內容及其逾時要求，產生行事曆專案和逾時電子郵件。
- 使用其終端客戶 Outlook 行事曆中的資訊來建議潛在的會議時間和受邀者。
- 根據收件者與發件者之間的歷程記錄，建議要附加至電子郵件的語調編輯、主旨行和檔。
這些變更和更多功能可讓 Contoso 的再生 AI 應用程式大幅簡化其客戶的系統管理工作。 藉由在其應用程式中使用 Microsoft Graph API，他們可以為員工提供有用的個人化建議。
Azure OpenAI 助理
使用 Azure OpenAI 小幫手的功能，ISV 可以快速建立 AI 助理，並將其整合到其現有的應用程式中。 Azure OpenAI 小幫手可以回答問題、提示簡單的工作，甚至是根據使用者的輸入來撰寫和執行程序代碼。
建立 Azure OpenAI 小幫手就像撰寫 JSON 檔案一樣簡單，描述您希望助理執行的函式，併為其提供要在其中執行的沙盒化 Python 環境。 這可讓助理呼叫您現有的 API，並開始回應提示。
如果您：
- 擁有可受益於自定義小幫手的現有應用程式。
- 想要以較少的技術提升快速開發類似 Copilot 的應用程式。
- 需要與其他工具整合，讓應用程式不需要語言即可完成工作，例如數學。
此方法的主要優點包括：
- 快速且有效率地建立 AI 助理。
- 為客戶提供 AI 助理，其能夠回答更具體的問題和要求。
- 使用 AI 功能啟用您的解決方案，以提示簡單的動作來簡化工作。
Azure OpenAI 小幫手案例
Contoso 具有零售客戶的現有應用程式，可為員工入口網站提供上線、庫存管理、付款處理等等。 Contoso 會使用 Azure OpenAI Assistant 來建立商店小幫手，為客戶提供針對其特定情況量身打造的指引。
藉由建立 AI 助理，Contoso 可以將企業的數據整合到應用程式中，讓其能夠使用公司數據回答問題。 這些功能可讓副手：
- 引導新員工完成一般商店程式。
- 根據過去的趨勢預測庫存需求和需求。
- 上傳的就業檔中的參考指引，例如休假原則。
藉由在其應用程式中加入 AI 助理，Contoso 的解決方案會成為員工指引和建議的來源，而不只是管理工具。 其客戶可以使用它來回答問題，並識別日常工作中前進的路徑。
Teams AI 連結庫
如果您已經有 Teams 聊天機器人或有興趣建立聊天機器人，您的聊天機器人可以透過產生 AI 功能來增強。 Teams AI 連結庫中的 Scaffolding 能夠支援聊天機器人的對話語言，而聊天機器人可以直接由 Teams 中的使用者存取。
此應用程式會要求您輸入您希望應用程式使用的商業規則，而Microsoft提供處理聊天機器人後端層面的大型語言模型（LLM）。 您甚至可以修改聊天機器人以使用不同的 LLM、外掛程式等等。
如果您：
- 擁有想要增強自然語言功能的現有 Teams 聊天機器人。
- 想要利用預先建置的範本、整合式數據選項，以及內建的安全性功能。
此方法的主要優點包括：
- 使用自然語言功能改善Teams聊天機器人。
- 建置具有豐富支援選項的產生式 AI 解決方案。
- 自定義聊天機器人以套用至您的情況或產業需求。
Teams AI 連結庫案例
Contoso 已讓 Teams 聊天機器人可供其客戶使用一段時間，但隨著 AI 功能的發展，他們希望藉由讓其回答更具體的問題，並為員工提供個人化的建議，將應用程式現代化。
使用 Microsoft Teams AI 連結庫，Contoso 可以輕鬆地將自然語言功能新增至聊天機器人。 這些新的行用 AI 功能可讓聊天機器人透過下列方式更進一步地支援客戶：
- 建議正在進行的專案和秘訣的戰術後續步驟，以準備即將推出的公司活動。
- 根據使用者與聊天機器人之間的簡短互動，建立會議議程、電子郵件草稿等等。
- 根據交談的內容，使用量身打造的回應來回答問題。
這些功能可協助簡化 Contoso 客戶的員工體驗，並讓他們更快獲得更聰明的解答。 將產生 AI 納入其 Teams 聊天機器人，可讓使用者在工作中更有效率，因為他們可以自然地與聊天機器人交談，以在工作中獲得支援。
Azure AI Foundry
如果您想要建立具備高度彈性功能的完全自定義生成式 AI 應用程式，您可以使用 Azure AI Foundry 中眾多尖端選項之一 。 使用 Azure AI Foundry 建置產生式 AI 解決方案可讓您根據特定需求自定義解決方案，包括符合高度技術或利基需求。
Azure AI Foundry 包含許多建置 AI 應用程式的選項，例如提示流程和 Azure AI SDK，兩者都有預先定型的模型，您可以從中建置。 此服務與其他 Azure 服務整合，並提供進行中應用程式開發的資源，例如 LLMOps 工具鏈。
如果您：
- 想要從頭開始建置應用程式，或修改現有的應用程式。
- 您的 AI 助理必須完成複雜的程式，例如讀取和檢閱技術檔，或分析複雜的數據趨勢。
- 想要完全控制應用程式開發，以根據您的特定需求自定義語音、個性和品牌身分識別。
此方法的主要優點包括：
- 建立一個定製員警，可以回應更多的利基問題和要求。
- 自定義您的解決方案，以遵守獨特的安全性或數據需求。
Azure AI Foundry 案例
Contoso 想要在宣告建立和處理期間建置完全自定義的產生 AI 應用程式，以支援其醫療保健客戶。 若要將應用程式商業化，他們必須能夠正確處理客戶資訊、符合特殊安全性考慮，以及產生精確的內容。
藉由使用 Azure AI Foundry 從頭開始建立自己的產生式 AI 應用程式，他們能夠建置完全自定義且高度安全的應用程式，專為其醫療保健客戶的需求量身打造。 Contoso 的新申請可讓臨床醫生為保險公司輕鬆填寫表格。 透過 Azure AI Foundry，他們建立的 Copilot 可以：
- 支持根據各種組織特定問題，透過對話式提示建立條件式授權表單。
- 查詢多個病患記錄，並檢閱 Contoso 應用程式內的資訊。
- 符合組織特定的安全性考慮，以將風險和隱私權考慮降到最低。
藉由準確擷取病患資訊並使用自然語言功能來協助產生窗體，Contoso 可以加速宣告建立程式。 其解決方案可藉由快速且準確地完成這些特製化工作來節省使用者寶貴的時間。
在 Fabric 上建置應用程式
雖然許多ISV都熟悉 Fabric 作為數據或分析解決方案，但它也可以做為產生 AI 應用程式的完整整合式數據基礎。 不論您想要直接在 Fabric 上建置應用程式或與 OneLake 整合， 在 Fabric 上建置應用程式，都可讓您對解決方案進行不相符的自定義和控制。
「在網狀架構上建置應用程式」方法的連結樹狀結構。 一個箭號導致方塊讀取「允許ISV使用現有的 API、快捷方式等等在 Fabric OneLake 內讀取、寫入及管理數據」，這會導致模式 H：Interop with Fabric。 第二個箭號指向一個方塊，上面寫著「讓ISV在網狀架構平臺上開發產品，或結合 Fabric 與既有的應用程式」，這會導致模式 I：建置在網狀架構上。 最後一個箭號會導致方塊閱讀「為 ISV 提供工具，以在網狀架構生態系統內建立高度自定義的工作負載」，這會導致模式 J：建置網狀架構工作負載。
Interop with Fabric
將現有的應用程式與 Fabric 整合可提供無盡的選項，以簡化解決方案的數據後端。 透過與 Fabric 互通，您可以使用各種工具和 API，在單一平台上統一許多不同的數據源。
Fabric 同時提供 OneLake API 和即時智慧 API，其設計目的是要快速存取及處理您的數據。 您也可以使用 Data Factory 透過快捷方式統一整個環境的數據，以及從最多 200 個外部來源管理複雜的數據處理工作。 即使您的數據不在 Azure 上，您也可以建立快捷方式，將數據帶入 OneLake。
如果您：
- 擁有需要增強數據處理的現有應用程式。
- 從各種來源和環境繪製您的數據。
- 想要在 OneLake 或 Data Factory 內讀取和管理應用程式的數據。
此方法的主要優點包括：
- 透過提高處理、儲存和分析能力，改善現有應用程式的數據功能。
- 將數據從多個租用戶和環境整合至一個平臺。
Interop with Fabric 案例
Contoso 為其零售客戶開發的 SaaS 應用程式需要更大的數據功能，才能管理來自多個租用戶的數據。 Contoso 的終端客戶需要進一步瞭解其數據，並要求其數據中趨勢和模式的詳細資訊。 不過，其客戶會使用各種平台來進行庫存管理、人員配置、Web 管理，以及 Contoso 需要存取以形成數據的完整檢視。
為了解決這些問題，Contoso 將其現有的應用程式連線至 Fabric。 這可讓他們在系統管理層級擁有更佳的數據管理，以及更好的租用戶數據見解和可見度。 其應用程式能夠：
- 使用數據共享和多重雲端快捷方式，從 OneLake 中的不同租使用者收集資訊。
- 透過即時智慧 API 立即存取組織數據。
- 處理與大規模解決方案相關聯的數據量。
- 透過 Contoso 在其應用程式中建立的互動式儀錶板，將客戶數據的相關信息描繪給他們。
現在，Contoso 可以更輕鬆地從客戶存取數據，因此他們能夠修改其解決方案，以提供該資訊給其終端客戶。 其最終客戶可以輕鬆地準確地解譯其數據，並用它來為其業務做出選擇。
建置在網狀架構上
除了將 Fabric 連線為應用程式的數據平臺之外，您也可以建置在 Fabric 上，直接將 Fabric 的功能內嵌至您的應用程式。 開發人員可以使用各種不同的 REST API，在其應用程式中建置 Fabric 功能，以支援具有產生 AI 功能的更多技術工作流程。
不同的 API 可以在您的應用程式內整合，以使用不同的函式加以啟用。 例如，在應用程式中內嵌倉儲 API 會提供 Fabric 中可用的數據倉儲選項。 直接在 Fabric 之上開發應用程式可讓您順暢地利用及操作自己應用程式介面內的這些 Fabric 函式。
如果您：
- 正在建置應用程式，供數據科學家或其他具有更全面數據管理需求的使用者使用。
- 想要在應用程式中納入完整的資料儲存和處理選項。
- 想要從頭開始建置應用程式，或修改現有的應用程式。
此方法的主要優點包括：
- 將 Fabric 的數據功能直接整合到您的解決方案中。
- 管理及操作您自己的應用程式內的數據。
- 使用完整的可自定義性和控制性來建立您的應用程式。
在網狀架構案例上建置
Contoso 的客戶一直表示需要更複雜的數據功能。 在追蹤銷售趨勢、員工排程、數位和人員店內庫存，以及跨多個租用戶追蹤更多數據之間，他們在其新應用程式中需要更多數據處理支援。
為了更有效地管理客戶數據，Contoso 開發了以 Fabric 為基礎的新應用程式。 此應用程式可讓使用者直接與其數據互動，並在 Contoso 的應用程式中與其互動。 藉由利用 Fabric 的數據處理功能，其應用程式可以：
- 直接連線到應用程式內的 OneLake、Power BI，這可透過 Contoso 所建置的自定義儀錶板呈現。
- 提供從在線或人員商店、不同商店位置，以及依產品品牌和類別分類等類別的獲利率數據深入解析。
- 使用 AI 來分析此數據並提供見解和建議給客戶，例如建議產品定價變更、預測潛在中斷，以及識別營收數據流中的極端值。
- 提供 Contoso 的客戶直接存取 Contoso 平臺內的 Fabric 數據。
藉由在應用程式內嵌 Fabric 的功能，即可直接在解決方案中管理及操作數據。 他們建置在其解決方案之上的 AI 能夠存取此數據，並為 Contoso 的客戶提供個人化的商務見解。
組建 Fabric 工作負載
除了使用 Fabric 的七個原生工作負載進行建置之外，ISV 還可以藉由建立自己的自定義工作負載，並將它們作為個別解決方案來擴充 Fabric 的功能。 這些工作負載可以從頭開始建置，以提供大量的數據管理功能，無論是建立更全面的客戶數據檢視，還是根據數據趨勢和預測採取動作。
ISV 可以使用 Microsoft網狀架構工作負載開發工具包 來建立自己的工作負載，並將其發佈為 Azure Marketplace 上其他網狀架構使用者的 SaaS 供應專案。 此模式可在 Azure Marketplace 上輕鬆獲利，並在與客戶互動時使用 Fabric UX，讓您能夠專注於開發工作負載。
如果您：
- 想要建立可供網狀架構上的終端使用者使用的工具，例如其他開發人員或數據科學家。
- 查看您想要使用 Fabric 處理的數據需求或需求。
- 想要利用 azure Marketplace 上現有 UX 和簡單發行集等Microsoft支援。
此方法的主要優點包括：
- 在 Azure Marketplace 中發布您的應用程式，可供 Fabric 中的技術用戶輕鬆存取及購買。
- 直接針對客戶的數據需求量身打造高度自定義的解決方案。
建置網狀架構工作負載案例
Contoso 想要建立解決方案，供其零售客戶用來追蹤數個租用戶的數位和人員商店的供應鏈和庫存管理。 他們希望其應用程式可供技術使用者輕鬆存取，以便他們能夠追求更多數據驅動應用程式的用途。
使用Microsoft網狀架構工作負載開發工具包，Contoso 能夠開發其客戶可以直接從他們熟悉的UX中的 Fabric 存取的工作負載。 他們能夠在 Azure Marketplace 中將其作為 SaaS 應用程式獲利，而 Contoso 的終端使用者在 Fabric 平臺中可以輕鬆地存取該應用程式。 其網狀架構工作負載能夠：
- 藉由提供需要額外需求的區域見解，以及使用 AI 功能來建議前進路徑，以優化清查。
- 透過分析過去趨勢的機器學習功能預測未來需求。
- 模擬可能影響供應鏈的可能案例，例如變更供應商。
Contoso 藉由提供其解決方案作為網狀架構工作負載，可協助數據科學家和其他技術專業人員將供應鏈優化。 Contoso 的客戶透過 AI 仔細分析過去的數據和未來趨勢預測，更深入瞭解其業務。
結論
藉由瞭解每個模式及其功能，您現在應該能夠決定如何建置您的再生 AI 解決方案。 在研究您選擇的方法並確認其在您的功能內之後，您就可以開始開發應用程式。
探索下列資源，以深入瞭解您選擇的模式，以及建置您產生 AI 體驗的其他後續步驟。
建置您自己的副手
每個組建您自己的 Copilot 模式詳細資訊連結：
在 Fabric 上建置應用程式的詳細資訊
在 Fabric 上建置應用程式的詳細資訊連結：
相關連結
關於產生 AI 模式及其優點的詳細資訊： 使用 Microsoft 雲端建立產生 AI 體驗 - ISV 指南 |Microsoft Learn
ISV 設計衍生式 AI 體驗的 UX 指引： 設計您產生的 AI 用戶體驗的後續步驟。