【AI认证】微软 Azure AI-102 认证攻略：文档智能 (Document Intelligence)

### 如何创建和使用 Azure AI 应用程序 #### 使用 Azure Translator API 进行编程访问 为了在 Jupyter Lab 中编程访问 Azure Translator API，开发者可以利用 Python 的 `requests` 库发送 HTTP 请求给 API 终结点。这使得翻译文本变得简单而高效[^1]。 ```python import requests subscription_key = "your-subscription-key" endpoint = "https://api.cognitive.microsofttranslator.com/" path = '/translate?api-version=3.0' constructed_url = endpoint + path headers = { 'Ocp-Apim-Subscription-Key': subscription_key, 'Content-type': 'application/json', 'Ocp-Apim-Subscription-Region': 'westus2', # Replace with your region identifier. } body = [{ 'text': 'Hello, world!' }] request = requests.post(constructed_url, headers=headers, json=body) response = request.json() print(response) ``` 这段代码展示了如何设置请求头、构建 URL 并向 Azure Translator 发送 POST 请求以实现文本翻译功能。 #### 利用 Azure AI 文档智能处理文件 对于更复杂的文档处理需求，Azure 提供了专门针对文档智能化的服务——Document Intelligence。要开始工作，需先初始化 `DocumentModelAdministrationClient` 实例，并提供必要的认证信息以便连接至服务端口[^2]。 ```python from azure.ai.formrecognizer import DocumentAnalysisClient from azure.core.credentials import AzureKeyCredential endpoint = "<your-endpoint>" key = "<your-api-key>" document_analysis_client = DocumentAnalysisClient( endpoint=endpoint, credential=AzureKeyCredential(key)) ``` 此片段说明了怎样配置客户端对象用于后续调用分析函数或其他操作。 #### 构建基于 RAG 和 Azure OpenAI 的聊天机器人 另一个有趣的案例是在 GitHub 上开源的一个项目，它实现了带有检索增强生成 (RAG) 功能的对话系统。该项目不仅集成了 Azure Search 来索引大量数据源，还借助于 Azure OpenAI Service 完成高质量的回答生成任务[^3]。 ```bash git clone https://github.com/azure-samples/azure-search-openai-demo.git cd azure-search-openai-demo pip install -r requirements.txt # Follow further instructions from README.md to set up and run the application locally or remotely using VSCode dev container feature as mentioned in the link provided earlier. ``` 上述命令指导用户克隆仓库并安装依赖项，准备运行该应用程序。 #### 部署智能应用到 Azure 容器环境 最后，在考虑将开发完成的应用部署上线时，可以选择 Azure Container Apps 作为托管平台。这样做允许团队快速迭代产品特性的同时享受云原生架构带来的灵活性与扩展能力[^4]。 ```yaml # Example of a Dockerfile snippet that could be part of an intelligent app deployment process on Azure Containers App service. FROM python:3.9-alpine WORKDIR /app COPY . . RUN pip install --no-cache-dir -r requirements.txt CMD ["uvicorn", "main:app", "--host", "0.0.0.0", "--port", "$PORT"] ``` 以上 YAML 片段代表了一个典型的 Docker 文件结构，适用于打包 Flask 或 FastAPI 类型 Web 框架下的 RESTful 微服务。