在本文中，學習如何建置一個 CLU 模型來實作實體空格填寫以輔助多回合交談。 透過這種方法，你的模型可以在多個對話回合中逐步收集所需資訊。 使用者不需要在一次互動中提供所有細節。 因此，你可以更自然、更有效率地完成任務。
先決條件
Azure 訂閱 - 如果你還沒有，可以 免費建立一個。
必要權限 - 確保建立帳號和專案的人在訂閱層級擁有 Azure AI 帳號擁有者角色。 或者，訂閱範圍中的 貢獻者 或 認知服務貢獻 者角色也符合此要求。 欲了解更多資訊，請參閱基於角色的存取控制（RBAC）。
Foundry Tools 中的 Azure 語言資源 - 在 Azure 入口網站建立 一個語言資源 。
備註
你需要在資源群組中指定擁有者角色來建立語言資源。
Microsoft Foundry 專案 - 在 Foundry 中建立專案。 欲了解更多資訊，請參閱 「建立鑄造廠專案」。
部署 OpenAI 模型 - 在 Foundry 中部署 OpenAI 模型，如部署 OpenAI 模型 章節所述。
設定所需的角色、權限與設定
首先，將你的 Azure 資源設定為適當的角色和權限。
為您的語言資源新增必要角色
在 Azure 入口網站中，導航至您的語言資源頁面，然後從左側導覽窗格中選擇存取控制 (IAM)。
選擇 新增>「新增角色分配」，並為你的語言資源指定「 認知服務語言擁有者 」或 「認知服務貢獻 者」角色之一。
在 [指派存取權] 底下，選取 [使用者、群組或服務主體]。
選取 [選取成員]。
從列表中選擇你的使用者名稱。 您可以在 [選取] 欄位中搜尋使用者名稱。 對所有必要角色重複此步驟。
對所有需要存取此資源的使用者帳號重複這些步驟。
將您的 Azure 語言資源連接到 Foundry
為了實現安全存取，請在您的語言資源與 Foundry 之間建立連結。 此連線提供安全的身份管理、認證及受控存取權限。
備註
多回合功能目前僅在 Foundry (傳統版) 入口網站中提供。
存取您現有的 Foundry 專案，進行此教學。
從左側導覽功能表中選取 管理中心 。
從 管理中心 功能表的 Hub 區段中選取已連線的資源。
在主視窗選擇 + 新連線。
從「新增外部資產連線」視窗選擇語言。
選取 [新增連線]，然後選取 [ 關閉]。
在 Foundry 中部署 OpenAI 模型
部署 OpenAI 模型，為您的 CLU 模型提供基礎智慧與進階推理能力。
從導覽功能表的 [我的資產] 區段中選取 [模型 + 端點]。
從主視窗選擇 + 部署模型。
從下拉選單選擇 部署基礎模型 。
在 「選擇模型 」視窗中，選擇一個模型。 本專案建議使用 GPT-4 基礎型。
選取確認。
在 Deploy gpt-4 視窗中，保留預設值並選擇 部署。
模型部署現已完成。
建立你的多回合模型
現在你的語言資源、Foundry 專案和 OpenAI 部署都已設定好，你就可以開始建立你的 CLU 模型了。
建立 CLU 專案
在本節中，你建立旅遊代理模型並使用 Quick Deploy 部署。
如果你還沒登入，入口網站會提示你用 Azure 憑證驗證。
登入後，請在 Foundry 內建立或存取你現有的專案。
如果您尚未在此工作的專案中，請選取它。
在左側導覽窗格的 概覽 區段，選擇 微調。
從主視窗選擇 AI 服務微調 標籤，然後選擇 + 微調。
在 「建立服務微調 」視窗中，選擇「 會話語言理解 」標籤，然後選擇 「下一步」。
在 建立 CLU 微調任務 視窗中，請填寫以下欄位：
- 連結服務 - 你的語言服務資源名稱應該預設會出現。 如果沒有，請從下拉選單選擇。
- 名稱 - 為您的微調任務專案提供名稱。
- 語言 - 英語設為預設，應該已經出現在欄位中。
- 描述 - 可選擇性地提供描述，或將此欄位留空。
選取 ，創建。 建立操作可能需要幾分鐘完成。
新增對應方式
從 「開始 」選單中，選擇 「定義結構」。
在主視窗中，選擇 「新增意圖」。
新增意圖視窗包含兩個必填欄位：
- 意圖名稱 (Pascal 案例)
- 意圖描述（快速部署所需）
完成這些欄位後，選擇 + 新增 以建立你的意圖。
定義完所有意圖後，選擇 新增意圖。
新增實體
選擇「 實體 」標籤，然後選擇 「新增實體」。
新增實體視窗包含兩個必填欄位：
- 實體名稱（帕斯卡案例）|
- 實體描述
填寫實體欄位後，選擇 新增實體。
將意圖與實體關聯
選擇「關聯」標籤。
選擇每個意圖，並從 「可用實體 」區塊連結到所需的實體。 此步驟確保模型知道每個意圖該填補哪些位置。
所有實體必須至少與一個意圖有關聯。 設定好關聯後，選擇 更新關聯。
當所有實體都有關聯後，你可以使用大型語言模型（LLM）進行快速部署。
使用 LLM 快速部署
從 「開始 」選單中，選擇 「訓練模型」。
在 「訓練你的模型 」區塊，選擇 「快速部署」與 LLM。
完成 [使用 LLM 快速部署] 視窗欄位：
- 部署名稱 - 提供部署名稱。
- 選擇 Azure OpenAI 模型部署 - 選擇你為本專案建立的 Azure OpenAI 模型部署。
- 部署區域 - 選擇與你的 Azure 語言資源相關聯的區域。
選取 ，創建。 Foundry 透過後端操作管理組態與部署流程。
操場測試
從 「開始 」選單中，選擇 部署你的模型。
在主視窗中，選擇你的型號。
選擇 「在遊樂場嘗試」。
在平台中，選擇 對話語言理解 圖塊。
在左側的 設定 選單中，請確認以下欄位是否正確填寫：
- 專案名稱 - 請確認與你為此 CLU 微調任務所建立的專案相符。
- 部署名稱 - 確認這名稱與你為 OpenAI 模型分配的名稱相符。
選取 [多回合] 理解核取方塊。
透過加入交談來模擬多回合對話。
選擇 執行。
模型會以 文字 與 JSON 格式回傳回應。
在右側的詳細資料面板中，檢視「最高意圖」與偵測到的實體。
就是這樣！ 你成功建立了一個多回合的 CLU 模型，具備實體槽位填充功能，能在多個對話回合中收集所需資訊。
清理資源
要清理並移除 Azure AI 資源，請刪除單一資源或整個資源群組。 刪除資源群組會移除所有包含的資源。
相關內容
了解 CLU 如何在多回合交談中處理實體空格填寫 (部分機器翻譯)