Copy Files From Source Repo (2024-10-11 20:17)

Instructions/02-Explore-model-catalog.md

@@ -15,7 +15,7 @@ Azure AI Studio のモデル カタログは、さまざまなモデルを試し
 
 プロジェクトをホストするには、Azure サブスクリプション内に Azure AI ハブが必要です。 このリソースは、プロジェクトの作成中に作成するか、事前にプロビジョニングすることができます (この演習ではこちらを行います)。
 
-1. **[管理]** セクションで、**[すべてのハブ]** を選択した後、**[+ 新しいハブ]** を選択します。 次の設定を使用して新しいハブを作成します。
+1. **[管理]** セクションで、**[すべてのリソース]** を選択し、**[+ 新しいハブ]** を選択します。 次の設定を使用して新しいハブを作成します。
     - **ハブ名**:*一意の名前*
     - **[サブスクリプション]**:"*ご自身の Azure サブスクリプション*"
     - **[リソース グループ]**: "一意の名前で新しいリソース グループを作成するか、既存のものを選びます"**

Instructions/06-Explore-content-filters.md

@@ -17,7 +17,7 @@ Azure AI Studio には、不快感を与える可能性があるプロンプト
 
 1. Web ブラウザーで [https://ai.azure.com](https://ai.azure.com) を開き、Azure の資格情報を使ってサインインします。
 
-1. [管理] セクションで、[すべて] ハブを選択し、**[新しいハブの追加]** を選択します。 次の設定を使用して新しいハブを作成します。
+1. [管理] セクションで、[すべてのリソース] を選択し、**[+ 新しいハブ]** を選択します。 次の設定を使用して新しいハブを作成します。
     - **ハブ名**:*一意の名前*
     - **[サブスクリプション]**:"*ご自身の Azure サブスクリプション*"
     - **[リソース グループ]**: "一意の名前で新しいリソース グループを作成するか、既存のものを選びます"**
@@ -50,7 +50,7 @@ Azure AI Studio には、不快感を与える可能性があるプロンプト
 
 Azure AI ハブは、1 つ以上の "プロジェクト" を定義できる共同ワークスペースとして機能します。** Azure AI ハブにプロジェクトを作成してみましょう。
 
-1. Azure AI Studio の **[ビルド]** ページで、**[+ 新しいプロジェクト]** を選びます。 次に、**[新しいプロジェクトの作成]** ウィザードで、次の設定でプロジェクトを作成します。
+1. Azure AI Studio の **[ハブの概要]** ページで、**[+ 新しいプロジェクト]** を選択します。 次に、**[新しいプロジェクトの作成]** ウィザードで、次の設定でプロジェクトを作成します。
 
     - **プロジェクト名**:"プロジェクトの一意の名前"**
     - **ハブ**:自分の AI ハブ**
@@ -82,7 +82,7 @@ Azure AI ハブは、1 つ以上の "プロジェクト" を定義できる共
 
 コンテンツ フィルターは、有害であるか、不快感を与える可能性がある言語が生成されるのを防ぐために、プロンプトと入力候補に適用されます。
 
-1. **[ビルド]** ページで、左側のナビゲーション バーで **[コンテンツ フィルター]** を選択し、**[コンテンツ フィルターの作成]** を選択します。
+1. 左側のナビゲーション バーの **[コンポーネント]** の下で、**[コンテンツ フィルター]** を選択し、**[+ コンテンツ フィルターの作成]** を選択します。
 
 1. **[基本情報]** タブで次の情報を指定します。 
     - **[名前]**: *コンテンツ フィルター用の一意の名前*
@@ -117,7 +117,7 @@ Azure AI ハブは、1 つ以上の "プロジェクト" を定義できる共
 
 会話のやり取りでのモデルの動作を見てみましょう。
 
-1. 左側のウィンドウで **[プレイグラウンド]** に移動します。
+1. 左側のウィンドウで **[プロジェクト プレイグラウンド]** に移動します。
 
 1. **[チャット]** モードで、**[チャット セッション]** セクションに次のプロンプトを入力します。
 

Instructions/08-Code-first-development.md

@@ -51,13 +51,13 @@ Azure Developer CLI AI プロジェクト テンプレートの使用を開始
 
 1. 最初に、[最新バージョン](https://github.com/Azure/azure-dev/releases/tag/azure-dev-cli_1.9.3)の Azure Developer CLI がインストールされていることを確認します。
     ```bash
-        azd version
+    azd version
     ```
 
 1. 次に、VS Code ターミナルから Azure アカウントにサインインします。
 
     ```bash
-        azd auth login 
+    azd auth login 
     ```
 
 ## プロジェクト用に Azure リソースをプロビジョニングする
@@ -67,7 +67,7 @@ Azure Developer CLI AI プロジェクト テンプレートの使用を開始
 1. azd を使用して AI アプリケーションのプロビジョニングと*デプロイ*をします。
 
     ```bash
-        azd up
+    azd up
     ```
 
 1. 次のプロンプトが表示されるはずです。 次のガイダンスを使用して対応してください。
@@ -144,7 +144,7 @@ Azure portal は、プロジェクトの基になる Azure リソースを管理
 1. ここでは、次のテスト**入力**を使用して、Copilot デプロイをテストします。
 
     ```bash
-      {"question": "tell me about your hiking shoes", "customerId": "2", "chat_history": []}
+    {"question": "tell me about your hiking shoes", "customerId": "2", "chat_history": []}
     ```
 
 次に示すような出力コンポーネントで、有効な JSON 応答が得られるはずです。
@@ -193,13 +193,13 @@ Azure portal は、プロジェクトの基になる Azure リソースを管理
 1. 開発環境に **Promptflow ツール**がインストールされていることを確認します。
 
     ```bash
-        pf version
+    pf version
     ```
 
 1. **pf フロー テスト** ツールを使用して、次に挙げたサンプルの質問により、**contoso_chat** フレックス フロー アプリケーションをローカルでテストします。 入力を渡すためのコマンドの構文に注意してください。
 
     ```bash
-        pf flow test --flow ./contoso_chat --inputs question="tell me about your jackets" customerId="3" chat_history=[]
+    pf flow test --flow ./contoso_chat --inputs question="tell me about your jackets" customerId="3" chat_history=[]
     ```
 
 次のような応答が得られるはずです。
@@ -211,7 +211,7 @@ Azure portal は、プロジェクトの基になる Azure リソースを管理
 1. 次に示すように、`--ui` フラグを使用して実行の詳細をトレースできます。
 
     ```bash
-        pf flow test --flow ./contoso_chat --inputs question="tell me about your jackets" customerId="3" chat_history=[] --ui
+    pf flow test --flow ./contoso_chat --inputs question="tell me about your jackets" customerId="3" chat_history=[] --ui
     ```
 
 このコマンドを使用すると、ブラウザー (新しいタブ) で、待機時間やトークンの使用状況など、そのテストの実行に関する高度な詳細を提供するテーブルが表示された**トレース ビュー**が起動されるはずです。
@@ -316,7 +316,7 @@ GitHub Actions を使用してアプリ評価パイプラインを実行する
 このプロジェクトでは、長期間実行したままにすると大きなコストが発生する可能性があるモデルとサービス (Azure AI 検索など) を使用します。 この Azure AI AZD テンプレートを調べ終わったら、Azure の不要なコストを防ぐために、作成したリソースを削除する必要があります。 VS Code ターミナルで次のコマンドを実行することで、これを行うことができます。
 
 ```bash
-    azd down
+azd down
 ```
 
 この結果、アプリケーションのプロビジョニングとデプロイで行った手順が無効になるだけでなく、リソースを*消去* (そうしなければ、リソースは "論理的な削除" 状態で保持され、リソース名の再利用やモデル クォータの再利用ができなくなる場合があります) する追加の手順も実行されます。 **このコマンドを実行すると、シャットダウン中にこれらのアクションについてプロンプトが表示されるため、正しく応答することを確認してください**。