Tutorials#
Dieser Abschnitt enthält eine Sammlung von Flow-Beispielen und Schritt-für-Schritt-Tutorials.
Kategorie |
Beispiel |
Beschreibung |
|---|---|---|
Nachverfolgung |
Promptflow bietet die Tracing-Funktion, um die internen Ausführungsdetails für alle Flows zu erfassen und zu visualisieren. |
|
Nachverfolgung |
LLM-Anwendung tracen |
|
Nachverfolgung |
LLM-Aufrufe in Autogen-Gruppenchat-Anwendungen tracen |
|
Nachverfolgung |
LLM-Aufrufe in Langchain-Anwendungen tracen |
|
Nachverfolgung |
Ein Tutorial zur Nutzung eines benutzerdefinierten OTLP-Collectors. |
|
Prompty |
Ein Quickstart-Tutorial zum Ausführen und Bewerten eines Prompts. |
|
Prompty |
Ein Quickstart-Tutorial zum Ausführen und Bewerten eines Chat-Prompts. |
|
Prompty |
||
Flow |
Ein Quickstart-Tutorial zum Ausführen und Bewerten eines Flex-Flows. |
|
Flow |
Ein Quickstart-Tutorial zum Ausführen eines klassenbasierten Flex-Flows und dessen Bewertung. |
|
Flow |
Ein Quickstart-Tutorial zum Ausführen eines klassenbasierten Flex-Flows im Stream-Modus und dessen Bewertung. |
|
Flow |
Ein Quickstart-Tutorial zum Ausführen eines klassenbasierten Flex-Flows im Stream-Modus und dessen Bewertung. |
|
Flow |
Ein Quickstart-Tutorial zum Ausführen eines Flows und dessen Bewertung. |
|
Flow |
Diese Anleitung führt Sie durch die wichtigsten Szenarien der Ausführung von Flows als Funktion. |
|
Flow |
Pipeline mit Komponenten erstellen, um einen verteilten Job mit TensorFlow auszuführen |
|
Flow |
Flow-Ausführungsverwaltung in Azure AI |
|
Flow |
Flow-Laufverwaltung |
|
Flow |
Ein Tutorial zur Konvertierung einer LangChain-Kriterien-Evaluierungsanwendung in einen Flex-Flow. |
|
Flow |
Ein Quickstart-Tutorial zum Ausführen und Bewerten eines Flex-Flows in Azure. |
|
Flow |
Ein Quickstart-Tutorial zum Ausführen eines klassenbasierten Flex-Flows und dessen Bewertung in Azure. |
|
Flow |
Ein Quickstart-Tutorial zum Ausführen eines Flows in Azure AI und dessen Bewertung. |
|
Bereitstellung |
Dieses Beispiel zeigt, wie ein einfacher Service mit Flow erstellt wird. |
|
Bereitstellung |
Dieses Beispiel zeigt, wie ein Flow als Docker-App bereitgestellt wird. |
|
Bereitstellung |
Dieses Beispiel zeigt, wie ein Flow als ausführbare App verpackt wird. |
|
Bereitstellung |
Dieses Beispiel zeigt, wie ein Flow mit Azure App Service bereitgestellt wird. |
|
Bereitstellung |
Dieses Beispiel zeigt, wie ein Flow als Kubernetes-App bereitgestellt wird. |
|
Rag |
Retrieval Augmented Generation (oder RAG) ist ein verbreitetes Muster zum Erstellen intelligenter Anwendungen mit Large Language Models (oder LLMs) geworden, da es externe Kenntnisse in das Modell einbringen kann, das nicht mit diesen aktuellen oder proprietären Informationen trainiert wurde. |
|
Rag |
Dieses Tutorial soll Ihr Verständnis für die Verbesserung der Flow-Qualität durch Prompt-Tuning und Evaluierung verbessern. |
|
Rag |
Ein Tutorial für einen Chat-mit-PDF-Flow, der es dem Benutzer ermöglicht, Fragen zum Inhalt einer PDF-Datei zu stellen und Antworten zu erhalten. |
|
Rag |
In diesem Tutorial erhalten Sie eine detaillierte Anleitung zur Erstellung eines RAG-basierten Copiloten mit dem Promptflow-Toolkit von Azure Machine Learning. |
|
Rag |
In diesem Dokument erfahren Sie, wie Sie Testdaten basierend auf Ihren Dokumenten für RAG-Apps generieren. |
|
Rag |
Ein Tutorial für einen Chat-mit-PDF-Flow, der in Azure AI ausgeführt wird. |
Mehr erfahren: Probieren Sie weitere Promptflow-Beispiele aus.