Copy Files From Source Repo (2024-11-15 20:52)

Instructions/02-Explore-model-catalog.md

@@ -20,7 +20,7 @@ Azure AI Studio のモデル カタログは、さまざまなモデルを試し
     - **[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]**: "新しいリソース グループ"**
     - **場所**: **[選択に関するヘルプ]** を選択し、次に [場所ヘルパー] ウィンドウで **gpt-35-turbo** を選択し、推奨されるリージョンを選択します\*
-    - **Azure AI サービスまたは Azure OpenAI への接続**:*新しい接続を作成する*
+    - **Azure AI サービスまたは Azure OpenAI に接続**: (新機能) *選択したハブ名が自動入力されます*
     - **Azure AI 検索への接続**:接続をスキップする
 
     > \* Azure OpenAI リソースは、リージョンのクォータによってテナント レベルで制限されます。 場所ヘルパーに一覧表示されているリージョンには、この演習で使用されるモデル タイプの既定のクォータが含まれています。 リージョンをランダムに選択すると、1 つのリージョンがクォータ制限に達するリスクが軽減されます。 演習の後半でクォータ制限に達した場合は、別のリージョンに別のリソースを作成する必要が生じる可能性があります。 詳しくは、[リージョンごとのモデルの可用性](https://learn.microsoft.com/azure/ai-services/openai/concepts/models#gpt-35-turbo-model-availability)を参照してください

Instructions/03-Use-prompt-flow-chat.md

@@ -18,24 +18,14 @@ lab:
 1. **[新しいプロジェクトの作成]** ウィザードで、次の設定を使って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**:次の設定で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]**: "新しいリソース グループ"**
-        - **[場所]**: *以下のいずれかのリージョンから**ランダム**に選択する*\*
-        - オーストラリア東部
-        - カナダ東部
-        - 米国東部
-        - 米国東部 2
-        - フランス中部
-        - 東日本
-        - 米国中北部
-        - スウェーデン中部
-        - スイス北部
-        - 英国南部
+    - **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]**: "新しいリソース グループ"**
+    - **場所**: **[選択に関するヘルプ]** を選択し、次に [場所ヘルパー] ウィンドウで **gpt-35-turbo** を選択し、推奨されるリージョンを選択します\*
     - **Azure AI サービスまたは Azure OpenAI への接続**:*新しい接続を作成する*
     - **Azure AI 検索への接続**:接続をスキップする
 
-    > \* Azure OpenAI リソースは、リージョンのクォータによってテナント レベルで制限されます。 一覧表示されているリージョンには、この演習で使用されるモデル タイプの既定のクォータが含まれています。 リージョンをランダムに選択すると、1 つのリージョンがクォータ制限に達するリスクが軽減されます。 演習の後半でクォータ制限に達した場合は、別のリージョンに別のリソースを作成する必要が生じる可能性があります。 詳しくは、[リージョンごとのモデルの可用性](https://learn.microsoft.com/azure/ai-services/openai/concepts/models#gpt-35-turbo-model-availability)を参照してください
+    > \* Azure OpenAI リソースは、リージョンのクォータによってテナント レベルで制限されます。 場所ヘルパーに一覧表示されているリージョンには、この演習で使用されるモデル タイプの既定のクォータが含まれています。 リージョンをランダムに選択すると、1 つのリージョンがクォータ制限に達するリスクが軽減されます。 演習の後半でクォータ制限に達した場合は、別のリージョンに別のリソースを作成する必要が生じる可能性があります。 詳しくは、[リージョンごとのモデルの可用性](https://learn.microsoft.com/azure/ai-services/openai/concepts/models#gpt-35-turbo-model-availability)を参照してください
 
 1. 構成を確認して、プロジェクトを作成します。
 1. プロジェクトが作成されるまで待ちます。
@@ -47,11 +37,12 @@ lab:
 1. 左側のナビゲーション ウィンドウの **[コンポーネント]** で、**[デプロイ]** ページを選びます。
 1. 次の設定で **gpt-35-turbo** モデルの新しいデプロイを作成します。
     - **デプロイ名**:"モデル デプロイの一意の名前"**
-    - **モデルのバージョン**: *Select the default version (既定のバージョンの選択)*
     - **デプロイの種類**:Standard
-    - **Azure OpenAI リソースに接続済み**:既定の接続を選択します**
+    - **モデルのバージョン**: *Select the default version (既定のバージョンの選択)*
+    - **AI リソース**: *以前に作成したリソースを選択します*
     - **1 分あたりのトークン数のレート制限 (1,000 単位)**:5,000
-    - **コンテンツ フィルター**: 既定
+    - **コンテンツ フィルター**: DefaultV2
+    - **動的クォータを有効にする**: 無効
 1. モデルが展開されるまで待ちます。 デプロイの準備ができたら、**[プレイグラウンドで開く]** を選択します。
 1. チャット ウィンドウで、`What can you do?` というクエリを入力します。
 
@@ -77,7 +68,7 @@ lab:
    5. Encourage the user to ask follow-up questions for further assistance.
    ```
 
-1. **[変更の適用]** を選択します。
+1. **[保存]** を選択します。
 1. チャット ウィンドウで、前と同じクエリを入力します。`What can you do?` 応答が変化していることに注意してください。
 
 これでデプロイされた GPT モデルのシステム メッセージの調整は完了したので、プロンプト フローを操作することでアプリケーションをさらにカスタマイズできます。

Instructions/03b-Use-prompt-flow-NER.md

@@ -22,42 +22,36 @@ lab:
 最初に、Azure AI Studio プロジェクトと、それをサポートする Azure AI ハブを作成します。
 
 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. **[ビルド]** ページを選んでから、**[+ 新しいプロジェクト]** を選びます。
+1. **[ホーム]** ページを選択してから、**[+ 新しいプロジェクト]** を選択します。
 1. **[新しいプロジェクトの作成]** ウィザードで、次の設定を使って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"**
-    - **[Azure Hub] (Azure ハブ)**: "次の設定で新しいリソースを作成します。"**
-        - **[AI Hub name] (AI 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]**: "新しいリソース グループ"**
-        - **[場所]**: *以下のいずれかのリージョンから**ランダム**に選択する*\*
-        - オーストラリア東部
-        - カナダ東部
-        - 米国東部
-        - 米国東部 2
-        - フランス中部
-        - 東日本
-        - 米国中北部
-        - スウェーデン中部
-        - スイス北部
-        - 英国南部
-
-    > \* Azure OpenAI リソースは、リージョンのクォータによってテナント レベルで制限されます。 一覧表示されているリージョンには、この演習で使用されるモデル タイプの既定のクォータが含まれています。 リージョンをランダムに選択すると、テナントを他のユーザーと共有するシナリオで、1 つのリージョンがクォータ制限に達するリスクが軽減されます。 演習の後半でクォータ制限に達した場合は、別のリージョンに別のリソースを作成する必要が生じる可能性があります。
+    - **ハブ**:次の設定で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]**: "新しいリソース グループ"**
+    - **場所**: **[選択に関するヘルプ]** を選択し、次に [場所ヘルパー] ウィンドウで **gpt-35-turbo** を選択し、推奨されるリージョンを選択します\*
+    - **Azure AI サービスまたは Azure OpenAI への接続**:*新しい接続を作成する*
+    - **Azure AI 検索への接続**:接続をスキップする
+
+    > \* Azure OpenAI リソースは、リージョンのクォータによってテナント レベルで制限されます。 場所ヘルパーに一覧表示されているリージョンには、この演習で使用されるモデル タイプの既定のクォータが含まれています。 リージョンをランダムに選択すると、1 つのリージョンがクォータ制限に達するリスクが軽減されます。 演習の後半でクォータ制限に達した場合は、別のリージョンに別のリソースを作成する必要が生じる可能性があります。 詳しくは、[リージョンごとのモデルの可用性](https://learn.microsoft.com/azure/ai-services/openai/concepts/models#gpt-35-turbo-model-availability)を参照してください
 
 1. 構成を確認して、プロジェクトを作成します。
-1. プロジェクトが作成されるまで 5 から 10 分待ちます。
+1. プロジェクトが作成されるまで待ちます。
 
 ## GPT モデルをデプロイする
 
 プロンプト フローで LLM モデルを使うには、まずモデルをデプロイする必要があります。 Azure AI Studio を使うと、フローで使用できる OpenAI モデルをデプロイできます。
 
 1. 左側のナビゲーション ウィンドウの **[コンポーネント]** で、**[デプロイ]** ページを選びます。
-1. Azure OpenAI Studio で、**[デプロイ]** ページに移動します。
 1. 次の設定で **gpt-35-turbo** モデルの新しいデプロイを作成します。
-    - **モデル**: `gpt-35-turbo`
-    - **モデルのバージョン**: *既定値のままにします*
-    - **[デプロイ名]**: `gpt-35-turbo`
-    - 既定のコンテンツ フィルターを使って、1 分あたりのトークン数 (TPM) を **5K** に制限するには、**[詳細設定]** オプションを設定します。
-
+    - **デプロイ名**:"モデル デプロイの一意の名前"**
+    - **デプロイの種類**:Standard
+    - **モデルのバージョン**: *Select the default version (既定のバージョンの選択)*
+    - **AI リソース**: *以前に作成したリソースを選択します*
+    - **1 分あたりのトークン数のレート制限 (1,000 単位)**:5,000
+    - **コンテンツ フィルター**: DefaultV2
+    - **動的クォータを有効にする**: 無効
+
 LLM モデルがデプロイされたので、デプロイされたモデルを呼び出すフローを Azure AI Studio で作成できます。
 
 ## Azure AI Studio でフローを作成して実行する
@@ -72,16 +66,27 @@ LLM モデルがデプロイされたので、デプロイされたモデルを
 1. **[+ 作成]** を選んで、新しいフローを作成します。
 1. 新しい**標準フロー**を作成し、フォルダー名として「`entity-recognition`」と入力します。
 
+<details>  
+    <summary><b>トラブルシューティングのヒント</b>: アクセス許可エラー</summary>
+    <p>新しいプロンプト フローを作成するときにアクセス許可エラーが発生した場合は、次のトラブルシューティングを試してください。</p>
+    <ul>
+        <li>Azure portal で、AI サービス リソースを選択します。</li>
+        <li>[IAM] ページの [ID] タブで、それがシステム割り当てマネージド ID であることを確認します。</li>
+        <li>関連付けられたストレージ アカウントに移動します。 [IAM] ページで、<em>[ストレージ BLOB データ閲覧者]</em> というロールの割り当てを追加します。</li>
+        <li><strong>[アクセスの割り当て先]</strong> で、<strong>[マネージド ID]</strong>、<strong>[+ メンバーの選択]</strong> を選択し、<strong>[すべてのシステム割り当てマネージド ID]</strong> を選択します。</li>
+        <li>[確認と割り当て] で新しい設定を保存し、前の手順を繰り返します。</li>
+    </ul>
+</details>
+
 1 つの入力、2 つのノード、1 つの出力を含む標準フローが自動的に作成されます。 フローを更新して、2 つの入力を受け取り、エンティティを抽出し、LLM ノードからの出力をクリーンアップし、出力としてエンティティを返すようにします。
 
 ### 自動ランタイムを開始する
 
 フローをテストするには、コンピューティングが必要です。 必要なコンピューティングは、ランタイムを通じて利用できるようになります。
 
 1. `entity-recognition` という名前で新しいフローを作成すると、スタジオでそのフローが開きます。
-1. 上部のバーで **[ランタイムの選択]** フィールドを選びます。
-1. **[自動ランタイム]** ボックスの一覧で **[開始]** を選んで、自動ランタイムを開始します。
-1. ランタイムが起動するまで待ちます。
+1. 上部のバーから **[コンピューティング セッションの開始]** を選択します。
+1. コンピューティング セッションが開始するには 1 から 3 分かかります。
 
 ### 入力を構成する