Azure.AI.Projects 1.0.0-beta.9 版本发布:AI 项目管理的全面升级
Azure.AI.Projects 是微软 Azure AI 服务套件中的重要组件,它为开发者提供了在 Azure 平台上构建、部署和管理 AI 项目的统一接口。本次发布的 1.0.0-beta.9 版本带来了多项重要更新,特别是在部署管理、数据集处理和搜索索引方面进行了功能增强,同时对现有 API 进行了优化和重构。
核心功能增强
部署管理能力扩展
新版本引入了完整的 Deployments 功能集,开发者现在可以直接通过 SDK 枚举已部署到 AI Foundry 项目中的 AI 模型。这一功能为模型生命周期管理提供了更细粒度的控制能力,特别是在需要监控多个模型部署状态的场景下尤为实用。
数据集处理能力提升
Datasets 模块的加入使得文档上传和引用变得更加便捷。开发者可以:
- 批量上传训练或评估所需的文档
- 建立文档引用关系
- 为后续的评估任务准备高质量数据
这一功能特别适合需要处理大量非结构化数据的 AI 应用场景,如文档智能分析、知识挖掘等。
搜索索引管理
新增的 Indexes 功能提供了对搜索索引的完整管理能力,包括:
- 索引的创建与配置
- 索引内容的更新与维护
- 索引状态的监控
这对于构建基于搜索的 AI 应用(如智能问答系统、推荐系统)提供了基础设施支持。
架构优化与重大变更
客户端构造方式调整
新版本要求显式指定 AI Foundry 项目端点来构造 AIProjectClient。这一变更使得客户端配置更加明确,有助于提高代码的可读性和可维护性。端点格式为:https://<your-ai-services-account-name>.services.ai.azure.com/api/projects/<your-project-name>。
代理功能重构
代理(Agents)功能已迁移至独立的 Azure.AI.Agents.Persistent 包中。这一架构调整带来了更清晰的职责划分:
- 基础项目管理功能保留在核心包中
- 复杂的代理操作移至专用包
- 通过
GetPersistentAgentsClient方法获取代理客户端
这种设计使得核心包保持轻量,同时为代理功能提供了更大的扩展空间。
连接管理改进
Connections 相关 API 进行了重构:
- 响应对象简化为
Connection ConnectionProperties类更名为Connection- 属性结构优化,提高了 API 的直观性
这些变更使得连接管理更加符合开发者的直觉,降低了学习成本。
开发者体验优化
认证客户端支持
GetAzureOpenAIChatClient 方法现在支持返回经过认证的 AzureOpenAI ChatClient,开发者可以直接使用项目 AI 服务中部署的模型,无需额外处理认证逻辑。
评估功能简化
评估器 ID 现在通过 EvaluatorIDs 类提供,不再需要额外安装 Azure.AI.Evaluation 包。同时,Evaluation 类中的 Id 属性被更具语义的 name 属性取代,使代码更加自描述。
实际应用建议
对于正在使用早期版本的开发者,建议关注以下迁移要点:
- 更新客户端构造方式,确保提供完整的项目端点
- 将代理相关代码迁移至新的
Azure.AI.Agents.Persistent包 - 检查所有连接管理代码,适应新的 API 签名
- 利用新的数据集功能优化数据预处理流程
本次更新虽然包含了一些破坏性变更,但这些改进为后续功能扩展奠定了更坚实的基础,建议开发者尽早评估升级方案。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00