Miyagi开发指南:从Prompt工程到插件开发的完整路径 Miyagi开发指南从Prompt工程到插件开发的完整路径【免费下载链接】miyagiSample to envision intelligent apps with Microsofts Copilot stack for AI-infused product experiences.项目地址: https://gitcode.com/gh_mirrors/mi/miyagiMiyagi是一个基于Microsoft Copilot stack构建智能应用的开源项目旨在帮助开发者创建AI增强型产品体验。本指南将带你从基础的Prompt工程开始逐步掌握插件开发的核心技能最终构建出功能强大的智能应用。一、Miyagi项目架构概览Miyagi项目基于Microsoft Copilot stack构建提供了完整的AI应用开发框架。其核心架构包括AI安全与安全层、Copilot Studio、AI编排、数据层、基础模型与AI工具链以及AI基础设施等多个组件。从架构图中可以看出Miyagi采用了分层设计各个组件之间协同工作共同构建出强大的AI应用。其中Prompt Flow和Semantic Kernel是实现AI编排的关键工具而Cognitive Search、Cosmos DB等则构成了数据持久化层。二、Prompt工程入门Prompt工程是AI应用开发的基础它涉及设计和优化输入提示以引导AI模型产生期望的输出。Miyagi项目提供了丰富的Prompt工程示例和工具帮助开发者快速掌握这一技能。2.1 Prompt Flow基础Prompt Flow是Miyagi中用于构建和管理提示流程的工具。它提供了可视化的界面让开发者可以轻松地设计复杂的提示逻辑。在Prompt Flow中你可以添加各种工具组件如LLM模型、Python脚本等构建完整的提示处理流程。例如在prompt-engineering/prompt-flow-examples/目录下你可以找到多个实用的Prompt Flow示例如分类、问答等。2.2 提示设计最佳实践设计有效的提示是Prompt工程的核心。以下是一些最佳实践明确任务目标在提示中清晰地说明你希望AI完成的任务。提供上下文信息适当的上下文可以帮助AI更好地理解问题。使用示例引导通过示例展示期望的输出格式和内容。控制输出长度根据需要限制AI的输出长度。Miyagi项目的prompts/目录中提供了大量的提示模板你可以参考这些模板来设计自己的提示。三、Semantic Kernel核心概念Semantic Kernel是Miyagi项目中的另一个核心组件它提供了一套工具和API帮助开发者将AI能力集成到应用中。3.1 技能(Skills)开发在Semantic Kernel中技能是一组相关的功能可以被AI模型调用。Miyagi项目提供了多个技能示例如services/recommendation-service/dotnet/Plugins/AdvisorPlugin/中的投资建议技能。开发技能时你需要定义技能的描述、输入参数和输出格式。Semantic Kernel会根据这些信息自动生成API供AI模型调用。3.2 记忆(Memory)管理Semantic Kernel提供了强大的记忆管理功能允许AI模型存储和检索信息。Miyagi项目中的services/recommendation-service/dotnet/Controllers/MemoryController.cs展示了如何实现记忆管理功能。通过记忆管理你的AI应用可以记住用户的偏好、历史对话等信息从而提供更加个性化的服务。四、插件开发实战插件是扩展Miyagi功能的重要方式。通过开发插件你可以将外部服务和功能集成到Miyagi应用中。4.1 插件开发基础Miyagi插件通常包括一个清单文件(manifest)和一个OpenAPI规范。清单文件描述了插件的基本信息如名称、描述等而OpenAPI规范则定义了插件提供的API。你可以在services/chatgpt-plugin/dotnet/目录下找到插件开发的示例代码。4.2 插件安装与测试开发完成后你可以通过Miyagi的插件管理界面安装和测试插件。安装插件时系统会验证插件的清单文件和OpenAPI规范确保其符合要求。安装成功后你可以在应用中使用插件提供的功能。五、项目部署与扩展Miyagi提供了多种部署选项包括Docker容器、Kubernetes集群等。你可以在deploy/目录下找到详细的部署指南和配置文件。此外Miyagi还支持通过扩展来增加新的功能。你可以参考services/目录下的现有服务开发自己的扩展服务。六、总结通过本指南你已经了解了Miyagi项目的基本架构和核心组件掌握了Prompt工程和插件开发的基本技能。现在你可以开始构建自己的AI应用了。Miyagi项目的docs/目录提供了更详细的文档和教程建议你深入阅读这些资源以充分利用Miyagi的强大功能。最后不要忘记通过以下命令克隆Miyagi仓库开始你的AI应用开发之旅git clone https://gitcode.com/gh_mirrors/mi/miyagi祝你在Miyagi开发之路上取得成功【免费下载链接】miyagiSample to envision intelligent apps with Microsofts Copilot stack for AI-infused product experiences.项目地址: https://gitcode.com/gh_mirrors/mi/miyagi创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考

相关新闻

最新新闻

AutoScientists快速上手:10分钟从零搭建到启动你的第一个AI科研团队(附完整环境配置)

AutoScientists快速上手:10分钟从零搭建到启动你的第一个AI科研团队(附完整环境配置)

AutoScientists快速上手:10分钟从零搭建到启动你的第一个AI科研团队(附完整环境配置) 【免费下载链接】AutoScientists AutoScientists: Self-Organizing Agent Teams for Long-Running Scientific Experimentation 项目地址: https://gitc…

2026/8/27 17:18:26
LLM时代的推理感知推荐系统:技术演进与未来方向!

LLM时代的推理感知推荐系统:技术演进与未来方向!

TLDR: 本文系统梳理了大模型在推荐系统中引入推理能力的发展脉络,首次明确界定了“推荐推理”的概念,并从文本推理、潜在推理与检索增强推理三类范式出发,总结其机制演化与评估挑战,为构建具备推理意识的下一代推荐系统提供方向。…

2026/8/27 17:18:26
Agent实战教程:LangGraph图结构深度解析,构建大模型智能体的核心组件与实战,看到就是赚到!!

Agent实战教程:LangGraph图结构深度解析,构建大模型智能体的核心组件与实战,看到就是赚到!!

图结构(Graphs) LangGraph 的核心是将智能体工作流建模为图结构。你可以通过三个关键组件来定义智能体的行为: 状态(State) 这是一个共享的数据结构,代表你应用程序的当前快照。它可以是任何数据类型&#…

2026/8/27 17:18:26
大模型RAG核心技术:信息检索如何打造AI“超级大脑“?看完这一篇你就知道了!!

大模型RAG核心技术:信息检索如何打造AI“超级大脑“?看完这一篇你就知道了!!

前言 你是否有过这样的经历?问AI一个问题,它能自信满满地回答,但你稍微验证一下就发现——“这个回答完全是编造的”。没错,这就是当今大模型的典型特点:看似无所不知,实则可能自信地胡说八道。 这个问题该…

2026/8/27 17:18:26
17万Star、5天迭代两个版本:DeepSeek Harness开源后,AI编程的「Agent运行时」争夺战谁会赢?

17万Star、5天迭代两个版本:DeepSeek Harness开源后,AI编程的「Agent运行时」争夺战谁会赢?

2026年8月13日,DeepSeek正式开源AI Agent框架DeepSeek Harness(DSH),5天内GitHub Star冲破17万;8月20日,OpenAI紧随其后将Codex定义为「开放的Agent Harness平台」。从DeepSeek到OpenAI,从腾讯到…

2026/8/27 17:18:26
Lite Transformer模型架构全解析:内核尺寸调度3-7-15-31与编码器解码器设计

Lite Transformer模型架构全解析:内核尺寸调度3-7-15-31与编码器解码器设计

Lite Transformer模型架构全解析:内核尺寸调度3-7-15-31与编码器解码器设计 【免费下载链接】lite-transformer [ICLR 2020] Lite Transformer with Long-Short Range Attention 项目地址: https://gitcode.com/gh_mirrors/li/lite-transformer Lite Transfo…

2026/8/27 17:13:26