你当前正在访问 Microsoft Azure Global Edition 技术文档网站。 如果需要访问由世纪互联运营的 Microsoft Azure 中国技术文档网站，请访问 https://docs.azure.cn。
本文介绍如何生成实现实体槽填充的 CLU 模型，以方便多回合对话。 使用此方法，模型可以增量收集跨多个会话轮次所需的信息。 用户无需在单个交互中提供所有详细信息。 因此，可以更自然、更高效地完成任务。
先决条件
Azure 订阅 - 如果没有订阅，可以 免费创建一个。
所需权限 - 确保建立帐户和项目的人员在订阅级别具有 Azure AI 帐户所有者角色。 或者，订阅范围内的 参与者 或 认知服务参与者 角色也满足此要求。 有关详细信息，请参阅基于角色的访问控制（RBAC）。
Foundry Tools 中的 Azure 语言资源 - 在 Azure 门户中创建 语言资源。
注释
需要为资源组分配所有者角色来创建语言资源。
Microsoft Foundry 项目 - 在 Foundry 中创建项目。 有关详细信息，请参阅 创建 Foundry 项目。
已部署的 OpenAI 模型 - 在 Foundry 中部署 OpenAI 模型，如 “部署 OpenAI 模型 ”部分中所述。
配置所需的角色、权限和设置
首先，使用适当的角色和权限配置 Azure 资源。
为您的语言资源添加必要的角色
在 Azure 门户中 导航到“语言资源”页，然后从左侧导航窗格中选择 “访问控制”（IAM ）。
选择 “添加>角色分配”，并为语言资源分配 认知服务语言所有者 或 认知服务参与者 角色。
在“ 分配访问权限”下，选择“ 用户”、“组”或服务主体。
选择“选择成员”。
从列表中选择用户名。 可在“选择”字段中搜索用户名。 对所有必需的角色重复此步骤。
对需要访问此资源的所有用户帐户重复这些步骤。
将 Azure 语言资源连接到 Foundry
若要启用安全访问，请在语言资源与 Foundry 之间创建连接。 此连接提供对数据的安全标识管理、身份验证和控制访问。
注释
多回合功能目前仅在 Foundry（经典）门户中提供。
导航到 Foundry（经典版）。
对于本教程，请访问你的现有 Foundry 项目。
从左侧导航菜单中选择 管理中心 。
从管理中心菜单的“Hub”部分选择“已连接资源”。
在主窗口中，选择“ + 新建连接”。
从添加与外部资产的连接窗口中选择语言。
选择 “添加连接”，然后选择“ 关闭”。
在 Foundry 中部署 OpenAI 模型
部署 OpenAI 模型，为 CLU 模型提供基础智能和高级推理功能。
从导航菜单的“我的资产”部分选择“模型 + 终结点”。
在主窗口中，选择“ + 部署模型”。
从下拉菜单中选择 “部署基本模型 ”。
在 “选择模型 ”窗口中，选择一个模型。 对于此项目，建议使用 gpt-4 基本模型。
选择“确认”。
在 “部署 gpt-4 ”窗口中，保留默认值并选择“ 部署”。
模型部署现已完成。
生成多回合模型
配置语言资源、Foundry 项目和 OpenAI 部署后，即可生成 CLU 模型。
创建 CLU 项目
在本部分中，你将创建旅行社模型并使用快速部署来部署它。
导航到 Foundry（经典版）。
如果尚未登录，门户会提示使用 Azure 凭据进行身份验证。
登录后，在 Foundry 中创建或访问现有项目。
如果你尚未在此任务的项目中，请选择它。
在左侧导航窗格 “概述 ”部分中，选择 “微调”。
在主窗口中，选择 “AI 服务微调 ”选项卡，然后选择“ + 微调”。
在 “创建服务微调 ”窗口中，选择“ 对话语言理解 ”选项卡，然后选择“ 下一步”。
在 “创建 CLU 微调任务 ”窗口中，完成以下字段：
- 连接服务 - 语言服务资源的名称应默认显示。 如果没有，请从下拉菜单中选择它。
- 名称 - 为微调任务项目提供名称。
- 语言 - 英语设置为默认值，应已出现在字段中。
- 说明 - （可选）提供说明或将此字段留空。
选择 创建。 创建作可能需要几分钟才能完成。
添加意向
从 “入门 ”菜单中，选择“ 定义架构”。
在主窗口中，选择“ 添加意向”。
“添加意向”窗口包含两个必填字段：
- 意图名称（帕斯卡命名法）
- 意图说明（快速部署所需）
完成这些字段后，选择“ + 添加 ”以创建意向。
定义所有意向后，选择“ 添加意向”。
添加实体
选择“ 实体 ”选项卡，然后选择“ 添加实体”。
“添加实体”窗口包含两个必填字段：
- 实体名称（帕斯卡命名法）|
- 实体说明
完成实体字段后，选择 “添加实体”。
将意图与实体相关联
选择“ 关联 ”选项卡。
选择每个意向，并将其链接到 “可用实体 ”部分中所需的实体。 此步骤可确保模型知道要为每个意向填充哪些槽。
所有实体必须至少与一个意图关联。 配置关联后，选择 “更新关联”。
所有实体都有关联后，可以使用大型语言模型（LLM）继续快速部署。
使用 LLM 快速部署
从 “入门 ”菜单中，选择“ 训练模型”。
在“ 训练模型 ”部分中，选择“ 使用 LLM 快速部署”。
完成 LLM 快速部署窗口字段：
- 部署名称 - 提供部署的名称。
- 选择 Azure OpenAI 模型部署 - 选择为此项目创建的 Azure OpenAI 模型部署。
- 部署区域 - 选择与 Azure 语言资源关联的区域。
选择 创建。 Foundry 通过后端作管理配置和部署过程。
在操场中测试
从 “入门 ”菜单中，选择“ 部署模型”。
在主窗口中，选择模型。
选择在试验场中试用。
在操场中，选择“对话语言理解”磁贴。
在左侧 的“配置 ”菜单下，验证以下字段是否已正确完成：
- 项目名称 - 确保这与为此 CLU 微调任务创建的项目匹配。
- 部署名称 - 验证这是否与分配给 OpenAI 模型的名称匹配。
选中“多回合”理解复选框。
通过输入对话来模拟多回合对话。
选择 运行。
模型以 文本 和 JSON 格式返回响应。
在右侧的“详细信息”面板中，查看最主要意图和检测到的实体。
就是这样！ 已成功创建具有实体槽填充功能的多轮 CLU 模型，以跨多个对话轮次收集所需的信息。
清理资源
若要清理和删除 Azure AI 资源，请删除单个资源或整个资源组。 删除资源组会删除所有包含的资源。