了解 AI 代理的主要成本驅動因素
中級
開發人員
Microsoft Foundry
Foundry Tools
Azure OpenAI 服務
Microsoft Copilot
你可以使用 Microsoft Foundry 和預訓練模型來建立代理型 AI 代理。 在此案例中，基礎結構成本都包含在內，不需要考慮運算和網路等成本。 本模組會探索更複雜的案例，您在其中考慮自訂 AI 代理程式的成本驅動因素，特別是當它們使用 AI 模型時。
學習目標
你可以使用 Microsoft Foundry 和預訓練模型來建立代理型 AI 代理。 在此案例中，基礎結構成本都包含在內，不需要考慮運算和網路等成本。 本模組會探索更複雜的案例，您在其中考慮自訂 AI 代理程式的成本驅動因素，特別是當它們使用 AI 模型時。 開發和部署人工智慧代理可以為企業釋放變革能力，但需要仔細規劃和預算。 本模組探討建立自訂 AI 代理程式所涉及的關鍵成本因素，從基礎設施和整合到資料品質和團隊專業知識。 在本課程模組中，商務領導者會深入瞭解如何有效管理這些成本，並探索可簡化開發、減少額外負荷並確保長期成功的 Microsoft 解決方案。 除了本模組的內容之外，您還應該考慮復原能力，這會增加冗餘基礎設施和安全成本。
在本課程模組中，您將瞭解：
- AI 代理基礎設施成本。
- AI 代理開發和整合成本。
- AI 代理數據質量和數據準備成本。
- AI 代理團隊專業知識和資源分配的關鍵成本驅動因素。
- AI 代理的持續成本。
必要條件
- “對人工智能和大型語言模型（LLMs）的基本了解”
- 「熟悉雲端平台和軟體生命週期概念」