Guide de lecture localisé
deploy-modelObjectif, utilisation et source
Compétence de déploiement unifiée de modèles Azure OpenAI avec routage intelligent basé sur l'intention. Gère les déploiements prédéfinis rapides et les déploiements entièrement personnalisés (version/SKU/capacity/RAIpolitique), et découverte de la capacité dans les régions et les projets. UTILISER POUR : déployer un modèle, déployer un modèle GPT, créer un déploiement, déploiement de modèle, déployer un modèle OpenAI, configurer un modèle, provisionner un modèle, trouver la capacité, vérifier la disponibilité du modèle, où déployer, meilleure région pour le modèle, analyse de capacité. NE PAS UTILISER POUR : lister les déploiements existants (utiliser l’outil MCP foundry_models_deployments_list), supprimer des déploiements, créer des agents (utiliseragent/create), création de projet (utiliserproject/create).
Source récupérée:
- Dépôt source
- microsoft/skills
- SKILL.md
.github/plugins/azure-skills/skills/microsoft-foundry/models/deploy-model/SKILL.md- Étoiles du dépôt
- 3,157
- Mise à jour du dépôt
- 2026-10-31
- Catégories de capacités
- Services cloud
- Dernière collecte
Licence : Fichier de licence à vérifier
Les extraits de flux de travail sont des outils de lecture et non des instructions exécutables de Codez. Aucune compétence tierce n'a été utilisée pour générer cette page.
Les passages relatifs à l'objectif et au flux de travail ci-dessous constituent le contenu original, organisé et traduit pour la lecture. Ils sont distincts de l'analyse éditoriale de Codez, qui est étiquetée séparément.
À quoi sert cette compétence ?
Compétence de déploiement unifiée de modèles Azure OpenAI avec routage intelligent basé sur l'intention. Gère les déploiements prédéfinis rapides et les déploiements entièrement personnalisés (version/SKU/capacity/RAIpolitique), et découverte de la capacité dans les régions et les projets. UTILISER POUR : déployer un modèle, déployer un modèle GPT, créer un déploiement, déploiement de modèle, déployer un modèle OpenAI, configurer un modèle, provisionner un modèle, trouver la capacité, vérifier la disponibilité du modèle, où déployer, meilleure région pour le modèle, analyse de capacité. NE PAS UTILISER POUR : lister les déploiements existants (utiliser l’outil MCP foundry_models_deployments_list), supprimer des déploiements, créer des agents (utiliseragent/create), création de projet (utiliserproject/create).
Comment fonctionne le flux de travail en amont
Étape de confirmation (obligatoire)
Vérifiez toujours la cible avant le déploiement. Montrez à l'utilisateur ce qui sera utilisé et donnez-lui la possibilité de le modifier : si l'utilisateur choisit l'option2, afficher le haut5Projets dans cette région : > ⚠️ Ne jamais déployer sans indiquer à l’utilisateur le projet concerné. Cela évite les déploiements accidentels sur la mauvaise ressource.
passage en amont · L87 ↗Déployer le modèle
> Portée — à lire en premier. Cette compétence crée des déploiements de modèles hors bande via Azure CLI / MCP / portail. Pour les projets Foundry gérés par Azure (ceux générés à partir deazd ai agent init), déclarer les déploiements dansazure.yaml services.ai-project.deployments[]plutôt -azd ai agent initécrit l'entrée à partir de l'exemple de manifeste etazd provisioncrée le déploiement via Bicep. Voirfoundry-agent/create/create-hosted.mdPour le parcours d'or. Utilisez cette compétence uniquement pour : (a) les projets Foundry non gérés par un projet azd, (b) les déploiements ad hoc en dehors du cycle de vie azd. Point d'entrée unique pour tous les flux de travail de déploiement de modèles Azure OpenAI. Analyse l'intention de l'utilisateur et oriente vers le mode de déploiement approprié.
Détection d'intention
Analysez l'invite de l'utilisateur et dirigez-le vers le mode approprié :
passage en amont · L24 ↗Deploying to:
Project: <project-name>
Region: <region>
Resource: <resource-group>
Is this correct? Or choose a different project:
1. ✅ Yes, deploy here (default)
2. 📋 Show me other projects in this region
3. 🌍 Choose a different regionConfiguration requise
Prérequis
Tous les modes de déploiement nécessitent : Azure CLI installé et authentifié (az login)
Limites et contrôles de qualité
Aucun passage de limite distinct n'a été sélectionné dans ce fichier. Cela ne signifie pas que la compétence est sûre pour toutes les entrées ou tous les environnements. Consultez le code source complet et validez vos résultats.
Commencez par un essai sans danger
- Vérifiez l'hôte pris en charge et les instructions d'installation du dépôt. Conservez le répertoire Skill ainsi que ses scripts, ressources et documentation référencés ;SKILL.mdSeul, il peut omettre les dépendances.
- Indiquez à l'agent vos paramètres d'entrée réels, le résultat souhaité et les critères d'acceptation. La syntaxe d'appel et les outils disponibles dépendent du système hôte ; ce site ne propose pas de commande d'installation universelle.
- Testez le flux de travail source dans un projet temporaire ou sur une copie. Avant d'autoriser les opérations qui modifient des fichiers, des services distants ou des ressources facturables, examinez-les attentivement.
- Vérifiez la conformité du résultat avec les contrôles qualité sources et vos propres exigences. Un déclenchement réussi ou un nombre élevé d'étoiles dans le dépôt ne garantissent pas un résultat correct.
Pour en savoir plus, consultez la source.
Compétences connexes
Traduction et étendue
Ce guide de lecture sélectionne des passages de l'amont épingléSKILL.mdCette traduction est assistée. Elle ne constitue pas un manuel complet et ne garantit pas une compatibilité testée. Veuillez lire le document original et les fichiers auxquels il fait référence avant utilisation.
Cette introduction fait référence à la version épinglée ci-dessous ; l’activité actuelle du dépôt et la durée de la collecte sont indiquées séparément.
- Source épinglée
- Lire l'original ↗
- Source récupérée
- Commit source
00d66a64919edca5bca2c673373444e36a4b5461- Source SHA-256
ae0de869fdaee1a6b6b04582e723a2363d482d85a5c119f1963a2c36eff5667c