使用 Java SDK 管理 Azure AI Foundry 项目资源

解决 AI 工程化中的资源管理痛点：通过 Azure AI Projects Java SDK，开发者可以将 AI Foundry 的资源管理（如索引创建、数据集上传、模型评估）直接集成到 Java 应用程序中，替代手动在 Portal 界面操作。

为什么需要这个技能

在构建企业级 AI 应用时，频繁地在 Azure 门户中手动配置数据集、管理搜索索引或运行模型评估会严重降低开发效率，且无法实现 CI/CD 自动化。

通过该 SDK，开发者可以使用统一的 AIProjectClientBuilder 构建出一套子客户端体系，实现对 AI 基础设施的编程化控制。这意味着你可以通过代码自动创建索引、动态管理连接并触发模型评估流，从而将 AI 项目的生命周期管理纳入到标准软件工程的开发流程中。

适用场景

• 自动化索引管理：在数据更新后，自动创建或更新 Azure AI Search 索引。
• 模型效果评测：通过 EvaluationsClient 集成 OpenAI 评估 API，定量分析模型输出质量。
• 资源清单审计：自动遍历并导出项目中所有已连接的 Azure 资源及其凭据类型。
• 动态数据集加载：在训练或微调阶段，通过代码上传文档并管理数据集。

核心工作流

1. 环境配置与认证

首先在 Maven 中引入依赖，并配置项目端点环境变量。

<dependency>
    <groupId>com.azure</groupId>
    <artifactId>azure-ai-projects</artifactId>
    <version>1.0.0-beta.1</version>
</dependency>

PROJECT_ENDPOINT=https://<resource>.services.ai.azure.com/api/projects/<project>

2. 初始化客户端

使用 DefaultAzureCredential 实现免密钥的生产级认证，并根据需求创建特定的子客户端。

import com.azure.ai.projects.AIProjectClientBuilder;
import com.azure.identity.DefaultAzureCredentialBuilder;

AIProjectClientBuilder builder = new AIProjectClientBuilder()
    .endpoint(System.getenv("PROJECT_ENDPOINT"))
    .credential(new DefaultAzureCredentialBuilder().build());

// 创建特定功能的子客户端
IndexesClient indexesClient = builder.buildIndexesClient();
EvaluationsClient evaluationsClient = builder.buildEvaluationsClient();

3. 执行资源操作

例如，创建或更新一个 AI 搜索索引：

import com.azure.ai.projects.models.AzureAISearchIndex;
import com.azure.ai.projects.models.Index;

Index index = indexesClient.createOrUpdate(
    "my-index",
    "1.0",
    new AzureAISearchIndex()
        .setConnectionName(System.getenv("AI_SEARCH_CONNECTION_NAME"))
        .setIndexName(System.getenv("AI_SEARCH_INDEX_NAME"))
);

下载和安装

下载 azure-ai-projects-java 中文版 Skill ZIP

解压后将目录放入你的 AI 工具 skills 文件夹，重启工具后即可使用。具体路径参考内附的 USAGE.zh.md。

你可能还需要

暂无推荐