适用于 JavaScript 的生成 AI 概述

使用 JavaScript 发现生成 AI 的强大功能。 了解如何将 AI 无缝集成到 Web、移动或桌面应用程序中。

使用 AI 的 JavaScript？

虽然 Python 可能是创建、训练和微调 AI 模型的最佳语言，但当使用这些 AI 模型创建应用程序时，情况会有所不同。 大多数 AI 模型都是通过 web API 使用的。 这意味着任何可以进行 HTTP 调用的语言实际上都可以执行 AI。 由于 JavaScript 是跨平台的，它在浏览器和服务器端环境之间提供无缝集成，因此对于 AI 应用程序来说，这是一个不错的选择。

有趣和交互式课程

加入我们，获得沉浸式学习体验，包括视频、代码项目和完整实现，以使用和了解生成 AI。

• 课程
• 视频系列

本课程是学生和新开发人员以有趣的交互式方式了解 AI 的好方法。 对于职业开发人员，要想提升 AI 技能，就要深入研究。

在本课程中：

• 了解 AI，同时通过生成式 AI 赋予历史人物生命
• 使用内置的浏览器 API 应用无障碍功能
• 使用文本和图像生成将 AI 集成到应用体验中
• 了解 AI 应用程序的体系结构模式

使用配套应用程序与历史人物交谈

关于 LLM 需要了解哪些信息？

大型语言模型（LLM）是针对大量数据训练的深度神经网络，通过标记化输入识别和生成文本。 LLM 最初通过基于各种、广泛的数据集（一个昂贵的过程）进行训练来构建，以创建一个基本模型，然后可以使用专用数据对其进行微调，以便获得更高质量的输出。 实际上，无论是在典型的 IDE 中还是通过遵循详细提示的聊天接口，这些模型都像高级自动完成系统一样运行。 但是，它们受上下文长度的限制（通常是几千个标记，尽管较新的模型支持更多的标记），并且可能会从训练数据继承偏见。 这突显了负责任的 AI 实践的重要性，例如Microsoft所倡导的实践，这些做法强调 AI 开发中的公平性、可靠性、隐私性和责任性。

在课程的 LLM 会话中了解更多信息：

• 演示
• 视频

基本提示词设计技术

提示工程涉及设计和优化提示以增强 AI 模型输出。 在此会话中，引入的概念包括像零样本学习这样的技术，在这种情况下，模型无需示例，直接使用其训练数据生成响应；以及少样本学习，其中一些示例用于指导所需结果。 演讲者演示了如何添加提示（如思考链短语）以鼓励分步推理、明确说明、上下文甚至指定输出格式）可以显著改善模型的响应。 当您将方案与 Contoso Shoes 的 AI 助手结合使用时，将展示诸如音调调整和个性化等各种修改，以进一步优化结果，为下一会话中的 RAG 等更高级技术打下基础。

在课程的提示词工程会话中了解更多信息：

• 演示
• 视频

使用 RAG 提高 AI 准确性和可靠性

使用检索扩充生成（RAG）提高 AI 准确性和可靠性。 RAG 通过将从知识库拉取相关 up-to日期文档的检索器与基于该特定上下文处理答案的生成器相结合，从而克服了传统大型语言模型的限制。 此方法通过在受信任的源中建立输出来确保事实性的透明响应，使其既经济高效又可验证。 Contoso 房地产支持的一个实际示例展示了 RAG 如何通过使用公司文件来有效地提供详细且有引用依据的答案。

在课程的 RAG 会话中了解更多信息：

• 演示
• 视频

使用 LangChain.js 加快 AI 开发

使用 LangChain.js加速 AI 开发 ，这是一个简化使用大型语言模型的 JavaScript 库。 LangChain.js 提供用于生成提示模板、管理模型和矢量数据库组件以及创建复杂工作流的高级抽象。 该框架支持快速原型制作，例如生成一个 API 来提取和处理 YouTube 脚本来回答问题，并通过允许简单的组件交换（例如将本地模型和矢量存储替换为 Azure 服务）来简化从本地开发到生产转换的过程。

在课程的 LangChain.js 会话中了解更多信息：

• 演示
• 视频

使用 Ollama 在本地计算机上运行 AI 模型

通过基于 llama.cpp 的开源工具 Ollama 下载并使用本地 AI 模型，以高效运行 Phi-3 等小型语言模型。 本地模型消除了对云基础结构的依赖，利用脱机功能实现快速开发，并通过快速内部开发循环提供经济高效的测试。 Phi-3 以其高性能和负责任的 AI 安全性而闻名，即使在中等规格设备上也能运行，并且可通过与 OpenAI 兼容的 API 进行访问，因此可以轻松与开发工作流集成。

在课程的 Ollama 会话中了解更多信息：

• 演示
• 视频

使用 Phi-3 免费开始使用 AI

使用 Ollama 工具和 Phi-3 模型在浏览器中通过在线实验平台直接体验 AI 模型。 通过创建 GitHub Codespace，你可以在浏览器中与熟悉的 VS Code 编辑器进行交互，在终端运行 Ollama run phi3 等命令与模型聊天，并利用交互式 Jupyter Notebook 执行代码块，通过 OpenAI 兼容的 API 演示提示工程、少量学习和检索增强生成。 通过此设置，可以完全联机浏览和开发 AI 项目，而无需快速 GPU 或本地基础结构。

在课程的 Phi-3 会议中了解更多信息：

• 演示
• 视频

Azure AI Foundry 简介

Azure AI Foundry 就像是您使用 JavaScript 构建生成式 AI 应用之旅的入口。 在此会话中，我们将探讨 Foundry 如何通过中心和项目组织资源，深入了解一个丰富的模型目录，其中包含来自各种提供程序的数千个模型，并部署模型以在交互式场中测试它。 无论是选择托管计算还是无服务器 API 选项，在选择、部署模型并将模型集成到开发工作流时，核心概念都保持一致。

在课程的 Azure AI Foundry 会话中了解更多信息：

• 演示
• 视频

使用 Azure Cosmos DB 构建生成式AI应用

了解更多信息，请观看课程 中的Azure Cosmos DB 课程。

• 演示
• 视频

Azure 工具 & 用于托管和存储 AI 应用的服务

了解用于托管和存储 AI 应用的基本 Azure 工具和服务。 我们将探讨可以构建的不同类型的 AI 应用（从聊天应用到检索扩充的生成和自治代理），并讨论所需的工具，包括用于无缝部署的 Azure 开发人员 CLI （AZD）。 你将了解体系结构选项、权衡无服务器与基于容器的方法，以及如何在生产中管理 API，并考虑安全性、缩放和监视，确保 AI 应用程序可靠且可供实际使用。

在课程 的Azure 工具和服务会话中了解更多详细信息。

• 视频

利用 AI 聊天协议流式处理生成式 AI 输出

使用 AI 聊天协议探索流式处理 AI 输出，该协议简化了后端 AI 推理服务和客户端应用程序之间的实时通信。 我们将查看两种流式处理方法（在浏览器中推理和通过 AI 推理服务器）讨论 API 密钥公开、数据清理和协议选择的挑战。 借助 AI 聊天协议的轻量级客户端及其同步（getCompletion）和异步（getStreamedCompletion）方法，您可以轻松地将安全、高效且结构清晰的流集成到您的 AI 应用中，正如我们的无服务器 RAG 与 LangChain.js 示例所示。

在课程的流式处理会话中了解更多信息：

• 演示
• 视频