VIDEO · 人工智能
在 GitHub Copilot 应用中构建并部署 AI 智能体
一语总结GitHub 演示用 Copilot 和 Microsoft Foundry 构建受目录数据约束的问答智能体，并完成模型测试与服务端凭证隔离。
GitHub 从一条 Issue 及其验收标准出发，为 Tailspin Toys 众筹网站构建问答助手。智能体使用包含 21 款游戏、约 11 KB 的目录；融资总额、账户、奖品和发售日期等缺失信息必须明确承认不知道。Copilot 创建 Foundry 项目、比较三个模型，确认吞吐额度，并在直接测试时发现缺少 Azure 角色。演示者纠正了不必要的网页搜索需求，随后调整官方示例，在本地检查智能体，通过事实依据和幻觉陷阱测试后部署到 Foundry。网站聊天组件经 Azure 函数代理访问智能体，凭证留在服务端。流程具有实践参考价值，但演示没有证明完整的生产安全、规模化性能或模型优劣。
- 用小型目录明确知识边界
21 款游戏的目录可直接放入上下文；目录没有的融资和账户信息不能编造。
- 用验收标准约束模型选择并保留人工纠正
演示者检查事实依据、工具需求、配额和吞吐，并撤回 Copilot 提出的网页搜索建议。
- 连接用户前先测试模型和托管智能体
先直接调用模型，再进行本地检查，并用幻觉陷阱检验知识边界。
- 通过服务端代理保管 Foundry 凭证
Azure 函数使用开发者的 Azure 登录身份调用智能体，只把答案返回浏览器。
在 GitHub Copilot 应用中构建并部署 AI 智能体
GitHub 从一条 Issue 及其验收标准出发，为 Tailspin Toys 众筹网站构建问答助手。智能体使用包含 21 款游戏、约 11 KB 的目录；融资总额、账户、奖品和发售日期等缺失信息必须明确承认不知道。Copilot 创建 Foundry 项目、比较三个模型，确认吞吐额度，并在直接测试时发现缺少 Azure 角色。演示者纠正了不必要的网页搜索需求，随后调整官方示例，在本地检查智能体，通过事实依据和幻觉陷阱测试后部署到 Foundry。网站聊天组件经 Azure 函数代理访问智能体，凭证留在服务端。流程具有实践参考价值，但演示没有证明完整的生产安全、规模化性能或模型优劣。
文章金句
"这处信息缺口就是信任边界。
"目录里没有的信息，智能体必须明确说不知道。
"这些步骤中的每一步，都是从一条提示开始的。