intelligent-app-workshop
微软官方 AI 应用开发 Workshop，基于 Semantic Kernel 和 Azure A
加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
微信扫码咨询客服
POMOAI — 让开源 AI 即刻运行
微软官方 AI 应用开发 Workshop，基于 Semantic Kernel 和 Azure A
加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
你有没有想过，当 AI 不再只是聊天机器人，而是能够深入业务场景、调用真实工具、像专业顾问一样分析数据时，应用会变成什么样子？微软用这个 Workshop 给出了答案。
很多团队在尝试将大语言模型集成到业务系统时，会遇到几个典型的困境：
Azure/intelligent-app-workshop 正是为解决这些问题而生的实战演练场。它由微软 Azure 全球黑带工程师 Govind Kamtamneni 主导设计，基于真实的生产级案例 Project Miyagi（金融顾问场景），手把手教你用微软 Copilot 技术栈构建 AI 增强型应用。
这个 Workshop 围绕微软的 Copilot Stack 展开，这是一个由多层组件构成的 AI 应用开发框架：
| 层级 | 组件 | 作用 |
|---|---|---|
| 推理引擎 | Azure AI Foundry（GPT-4 / o1 系列） | 提供强大的大语言模型推理能力 |
| 编排层 | Semantic Kernel | 连接 LLM 与业务逻辑的核心中间件 |
| 记忆系统 | AI Search（向量检索） | 提供语义记忆和 RAG 能力 |
| Agent 框架 | Microsoft Agent Framework | 构建可调用工具的 AI Agent |
| 部署平台 | Azure Container Apps | 云原生容器化托管 |
| 流程编排 | Prompt Flow | LLMOps 工作流管理 |
简单来说，Semantic Kernel 是这个技术栈的核心粘合剂——它让开发者用熟悉的 C# / Python / Java 编程模型来编排 LLM、工具和记忆，不必陷入 LangChain 式的复杂链式调用。
Semantic Kernel（简称 SK）是微软开源的 AI 编排框架，它的核心理念是将 AI 能力模块化。
Skill（技能）：SK 中的 Skill 类似于「能力包」，包含 skprompt.txt（定义系统提示词）和 config.json（配置参数）。Workshop 中定义的 AdvisorSkill 包含投资建议和投资组合配置两个子 Skill，每个 Skill 专注于一个细分场景。
Function Calling（函数调用）：SK Agent 可以注册多个 Plugin Function，LLM 在推理时会自动判断何时调用哪个工具——这就是让 AI 从「聊天」升级到「行动」的关键。Workshop Lesson 2-4 详细演示了如何实现股票数据查询、时间信息获取、Web 搜索等 Plugin。
Memory（记忆）：SK 支持接入 AI Search 等向量数据库，实现 RAG（检索增强生成）。Workshop 中演示了如何将语义记忆集成到对话系统中，让 AI 的回答基于真实业务数据而非幻觉。
这个 Workshop 不只是教你调用 API，它展示了如何构建生产级的 AI 应用架构：
这种架构的特点是云原生 + 事件驱动：前端通过 /api/chat 与后端通信，后端 Agent 可以异步调用外部 API、查询向量数据库，整个链路具备良好的伸缩性。
Workshop 分为 5 个递进式 Lesson：
每一步都有配套的解决方案代码（Solutions/ 目录），初学者可以从 Lesson 开始，跟着做逐步掌握。
任何项目都有其局限性，这个 Workshop 也不例外：
这个 Workshop 代表了微软在 AI 应用开发领域的方法论：用成熟的软件工程实践来管理 AI 应用的生命周期。
通过将 Prompt 工程化（SK Skill）、工具调用标准化（Plugin Function）、工作流可视化（Prompt Flow），微软试图让 AI 应用开发变得像传统软件开发一样可测试、可部署、可维护。
随着 Azure AI Foundry 的推出，这套方法论正在持续演进，Workshop 中还提到了 AutoGen 和 GraphRag 等更前沿的技术方向。对于想在企业场景落地 AI 的开发者来说，这是一条值得投入的学习路径。