開始使用適用於的 AI 工具組 Visual Studio Code

AI Toolkit for VS Code （AI Toolkit） 是一個 VS Code 延伸模組，可讓您使用您的應用程式或雲端下載、測試、微調及部署 AI 模型。 如需詳細資訊，請參閱 AI 工具組概觀。

注意

如需 AI 工具組VS Code的其他文件和教學課程，請參閱VS Code中的文件：適用於Visual Studio Code的 AI 工具組。 您會發現遊樂場、使用 AI 模型、微調本機和雲端式模型等等的指引。

在本文中，您將學會如何：

• 安裝適用於的 AI 工具組 VS Code
• 從目錄下載模型
• 使用遊樂場在本機執行模型
• 使用 REST 或 ONNX 執行時間將 AI 模型整合到您的應用程式

必要條件

• VS Code 必須安裝。 如需詳細資訊，請參閱 下載 VS Code 和 開始使用 VS Code。

使用 AI 功能時，建議您檢閱：在 Windows上開發負責任的產生式 AI 應用程式和功能。

安裝

AI 工具組可在 Visual Studio Marketplace 中使用，而且可以像任何其他VS Code延伸模組一樣安裝。 如果您不熟悉安裝 VS Code 擴充功能，請遵循下列步驟：

1. 在 [活動列] 中 VS Code ，選取 [擴充功能]
2. 在 [擴充功能] 搜尋列中，輸入 “AI Toolkit”
3. 選取 [適用於 Visual Studio Code 的 AI 工具組]
4. 選取 [安裝]

安裝延伸模組之後，您會看到 AI 工具組圖示出現在您的活動列中。

從目錄下載模型

AI 工具組的主要提要字段會組織成 我的模型、目錄、工具，以及 說明與意見反應。 遊樂場、大量執行、評估和 微調 功能可以在 工具 區域中取得。 要開始，請從 [目錄] 區段中選擇 [模型]，以開啟 [模型目錄] 視窗。

中 AI 工具組模型類別目錄視窗的螢幕快照

您可以使用目錄頂端的篩選條件 ，依、Publisher、Tasks和 Model 類型篩選。 另外還有一個 Fine-Tuning 支援 切換開關，只顯示可以微調的模型。

提示

模型類型 篩選條件可讓您顯示僅在 CPU、GPU 或 NPU 上本機執行的模型，或僅支援 遠端存取的模型。 針對至少有一個 GPU 之裝置的優化效能，請選取本機執行 w/ GPU 的模型類型。 這有助於尋找針對 DirectML 加速器優化的模型。

若要檢查您的 Windows 裝置上是否有 GPU，請開啟 [任務管理器 ]，然後選取 [效能] 索引標籤。如果您有 GPU（s），它們將會列在 「GPU 0」 或 「GPU 1」 等名稱之下。

注意

針對具有類神經處理單元 （NPU） 的 Copilot+ 計算機，您可以選取針對 NPU 加速器優化的模型。 Deepseek R1 Distilled 型號已針對 NPU 優化，並可在搭載 Snapdragon 的 Copilot+ Windows 11 電腦上下載。 如需詳細資訊，請參閱在 Copilot+ 計算機本機上執行已提取的 DeepSeek R1 模型，由 Windows AI Foundry 提供。

下列模型目前適用於具有一或多個 GPU 的 Windows 裝置：

• Mistral 7B （DirectML - 小型，快速）
• Phi 3 迷你 4K （DirectML - 小型，快速）
• Phi 3 迷你 128K （DirectML - 小型，快速）

選取 Phi 3 Mini 4K 模型，然後按一下 下載。

注意

Phi 3 迷你 4K 模型的大小約為 2GB-3GB。 視您的網路速度而定，下載可能需要幾分鐘的時間。

在遊樂場中執行模型

下載模型之後，它會出現在 [本機模型] 底下的 [我的模型] 區段中。 右鍵點擊模型，然後從快顯功能表中選取 [在遊樂場中載入]：

在遊樂場的聊天介面中，輸入下列訊息，後面接著 Enter 鍵：

您應該會看到模型回應已串流回您：

警告

如果您的裝置上沒有可用的 GPU，但您選取了 Phi-3-mini-4k-directml-int4-awq-block-128-onnx 模型，模型回應會非常慢。 您應該改為下載 CPU 優化版本：Phi-3-mini-4k-cpu-int4-rtn-block-32-acc-level-4-onnx。

您也可以變更：

• 內容指示： 協助模型瞭解您要求的大局。 這可能是背景資訊、您想要的範例/示範，或說明工作的目的。
• 推斷參數：
  • 回應長度上限：模型將傳回的令牌數目上限。
  • 溫度：模型溫度是一個參數，可控制語言模型輸出的隨機程度。 較高的溫度表示模型會承擔更多風險，讓您混合使用各種單字。 另一方面，較低的溫度可讓模型發揮其安全，並堅持更專注且可預測的回應。
  • Top P：也稱為核取樣，是一種設定，可控制預測下一個單字時語言模型所考慮的可能單字或詞組數目
  • 頻率懲罰：此參數會影響模型在其輸出中重複單字或片語的頻率。 值愈高（接近 1.0）會鼓勵模型 避免 重複單字或片語。
  • 存在懲罰：此參數用於產生 AI 模型中的多樣性和特定性。 較高的值（接近1.0）鼓勵模型包含更新穎且多樣化的令牌。 較低的值較可能讓模型產生一般或陳詞濫調詞組。

將 AI 模型整合到您的應用程式

有兩個選項可將模型整合到您的應用程式：

1. AI 工具組隨附使用 OpenAI 聊天完成格式REST本機 API 網頁伺服器。 這可讓您在本機使用端點 http://127.0.0.1:5272/v1/chat/completions 來測試應用程式，而不需要依賴雲端 AI 模型服務。 如果您想要切換至生產中的雲端端點，請使用此選項。 您可以使用 OpenAI 用戶端連結庫來連線到網頁伺服器。
2. 使用 ONNX 執行時間。 如果您想要將模型 與應用程式一起隨附於 裝置上的推斷，請使用此選項。

本機 REST API 網頁伺服器

REST本機 API Web 伺服器可讓您在本機建置及測試應用程式，而不需要依賴雲端 AI 模型服務。 您可以使用 或 OpenAI 用戶端連結庫與網頁伺服器 REST互動：

REST

以下是您 REST 要求的範例本文：

{
    "model": "Phi-3-mini-4k-directml-int4-awq-block-128-onnx",
    "messages": [
        {
            "role": "user",
            "content": "what is the golden ratio?"
        }
    ],
    "temperature": 0.7,
    "top_p": 1,
    "top_k": 10,
    "max_tokens": 100,
    "stream": true
}'

注意

您可能需要將模型欄位更新為您下載的模型名稱。

您可以使用 PostmanRESTAPI 工具來測試端點：

curl -vX POST http://127.0.0.1:5272/v1/chat/completions -H 'Content-Type: application/json' -d @body.json

Python（編程語言）

安裝 OpenAI Python 連結庫：

pip install openai

from openai import OpenAI

client = OpenAI(
    base_url="http://127.0.0.1:5272/v1/",
    api_key="x" # required by API but not used
)

chat_completion = client.chat.completions.create(
    messages=[
        {
            "role": "user",
            "content": "what is the golden ratio?",
        }
    ],
    model="Phi-3-mini-4k-directml-int4-awq-block-128-onnx",
)

print(chat_completion.choices[0].message.content)

C#

使用 NuGet 將適用於 .NET 的 Azure OpenAI 用戶端連結庫新增至您的專案：

dotnet add {project_name} package Azure.AI.OpenAI --version 1.0.0-beta.17

將名為 OverridePolicy.cs 的 C# 檔案新增至您的專案，並貼上下列程式代碼：

// OverridePolicy.cs
using Azure.Core.Pipeline;
using Azure.Core;

internal partial class OverrideRequestUriPolicy(Uri overrideUri)
    : HttpPipelineSynchronousPolicy
{
    private readonly Uri _overrideUri = overrideUri;

    public override void OnSendingRequest(HttpMessage message)
    {
        message.Request.Uri.Reset(_overrideUri);
    }
}

接下來，將下列程式代碼貼到 您的Program.cs 檔案中：

// Program.cs
using Azure.AI.OpenAI;

Uri localhostUri = new("http://localhost:5272/v1/chat/completions");

OpenAIClientOptions clientOptions = new();
clientOptions.AddPolicy(
    new OverrideRequestUriPolicy(localhostUri),
    Azure.Core.HttpPipelinePosition.BeforeTransport);
OpenAIClient client = new(openAIApiKey: "unused", clientOptions);

ChatCompletionsOptions options = new()
{
    DeploymentName = "Phi-3-mini-4k-directml-int4-awq-block-128-onnx",
    Messages =
    {
        new ChatRequestSystemMessage("You are a helpful assistant. Be brief and succinct."),
        new ChatRequestUserMessage("What is the golden ratio?"),
    }
};

StreamingResponse<StreamingChatCompletionsUpdate> streamingChatResponse
    = await client.GetChatCompletionsStreamingAsync(options);

await foreach (StreamingChatCompletionsUpdate chatChunk in streamingChatResponse)
{
    Console.Write(chatChunk.ContentUpdate);
}

注意

如果您下載 Phi3 模型的 CPU 版本，則必須將模型字段更新為 Phi-3-mini-4k-cpu-int4-rtn-block-32-acc-level-4-onnx。

ONNX 執行環境

ONNX 運行時間產生 API 提供 ONNX 模型的產生 AI 迴圈，包括 ONNX 運行時間的推斷、logits 處理、搜尋和取樣，以及 KV 快取管理。 您可以呼叫高階 generate() 方法，或在迴圈中執行模型的每個反覆專案、一次產生一個令牌，以及選擇性地更新迴圈內的產生參數。

它支援貪婪/梁搜尋和 TopP、TopK 取樣，以產生令牌序列和內建的對數處理，例如重複處罰。 下列程式代碼是如何在應用程式中運用 ONNX 執行時間的範例。

REST

請參閱本機 REST API 網頁伺服器中顯示的範例。 AI Toolkit REST Web 伺服器是使用 ONNX Runtime 所建置。

Python（編程語言）

安裝 Numpy：

pip install numpy

接下來，根據您的平臺和 GPU 可用性，將 ONNX Runtime Python 套件安裝到您的專案中：

平台	GPU 可用	PyPI
窗戶	是的 （AMD、NVIDIA、Intel、Qualcomm 等支援）	pip install --pre onnxruntime-genai-directml
Linux	是的 （Nvidia CUDA）	pip install --pre onnxruntime-genai-cuda --index-url=https://aiinfra.pkgs.visualstudio.com/PublicPackages/_packaging/onnxruntime-genai/pypi/simple/
窗戶 Linux	否	pip install --pre onnxruntime-genai

提示

我們建議使用 venv 或 conda 將 Python 套件安裝到虛擬環境中。

接下來，將下列程式代碼複製並貼到名為 app.py 的 Python 檔案中：

# app.py
import onnxruntime_genai as og
import argparse

def main(args):
    print("Loading model...")
    model = og.Model(f'{args.model}')
    print("Model loaded")
    tokenizer = og.Tokenizer(model)
    tokenizer_stream = tokenizer.create_stream()
    search_options = {
        'max_length': 2048
    }

    chat_template = '<|user|>\n{input} <|end|>\n<|assistant|>'

    # Keep asking for input prompts in a loop
    while True:
        text = input("Input: ")
    
        # If there is a chat template, use it
        prompt = f'{chat_template.format(input=text)}'

        input_tokens = tokenizer.encode(prompt)

        params = og.GeneratorParams(model)
        params.set_search_options(**search_options)
        params.input_ids = input_tokens
        
        generator = og.Generator(model, params)
        print("\nOutput: ", end='', flush=True)
        while not generator.is_done():
            generator.compute_logits()
            generator.generate_next_token()
            new_token = generator.get_next_tokens()[0]
            print(tokenizer_stream.decode(new_token), end='', flush=True)
              
        print()
        print()

        # Delete the generator to free the captured graph for the next generator, if graph capture is enabled
        del generator


if __name__ == "__main__":
    parser = argparse.ArgumentParser()
    parser.add_argument('-m', '--model', type=str, required=True, help='Onnx model folder path (must contain config.json and model.onnx)')
    args = parser.parse_args()
    main(args)

若要執行 Python 應用程式，請使用下列程式代碼：

python app.py --model ~/.aitk/models/{path_to_folder_containing_onnx_file}

注意

AI Toolkit 會將模型快取下載到使用者目錄中名為 .aitk 的隱藏資料夾 - 您必須將參數--model所使用的路徑更新為包含 ONNX 模型檔案的資料夾位置。 例如 ~/.aitk/models/microsoft/Phi-3-mini-4k-instruct-onnx/directml/Phi-3-mini-4k-directml-int4-awq-block-128-onnx/

C#

根據您的平臺和 GPU 可用性，將 ONNX Runtime NuGet 套件安裝到您的專案中：

平台	GPU 可用	Nuget
窗戶	是的 （AMD、NVIDIA、Intel、Qualcomm 等支援）	Microsoft.ML.OnnxRuntimeGenAI.DirectML
Linux	是的 （Nvidia CUDA）	Microsoft.ML.OnnxRuntimeGenAI.Cuda
窗戶 Linux	否	Microsoft.ML.OnnxRuntimeGenAI

將下列程式代碼複製並貼到您的 C# 檔案中：

using Microsoft.ML.OnnxRuntimeGenAI;

// update user_name and path placeholders
string modelPath = "C:\\Users\\{user_name}\\.aitk\\models\\{path}"; 
Console.Write("Loading model from " + modelPath + "...");
using Model model = new(modelPath);
Console.Write("Done\n");
using Tokenizer tokenizer = new(model);
using TokenizerStream tokenizerStream = tokenizer.CreateStream();

while (true)
{
    Console.Write("User:");
   
    string? input = Console.ReadLine();
    string prompt = "<|user|>\n" + input + "<|end|>\n<|assistant|>";

    var sequences = tokenizer.Encode(prompt);

    using GeneratorParams generatorParams = new GeneratorParams(model);
    generatorParams.SetSearchOption("max_length", 200);
    generatorParams.SetInputSequences(sequences);

    Console.Out.Write("\nAI:");
    using Generator generator = new(model, generatorParams);
    while (!generator.IsDone())
    { 
        generator.ComputeLogits();
        generator.GenerateNextToken();
        Console.Out.Write(tokenizerStream.Decode(generator.GetSequence(0)[^1]));
        Console.Out.Flush();
    }
    Console.WriteLine();
}

注意

AI 工具群組會將模型快取下載到使用者目錄中名為 .aitk 的隱藏資料夾 - 您必須將 程式代碼中的 更新modelPath為包含 ONNX 模型檔案的資料夾位置。 例如 ~/.aitk/models/microsoft/Phi-3-mini-4k-instruct-onnx/directml/Phi-3-mini-4k-directml-int4-awq-block-128-onnx/

後續步驟

使用適用於的 AI 工具組微調模型 VS Code