6:00 AM - 7:00 AM (UTC)

课程介绍 随着 AI Agent 开始处理更大规模的代码库和日益复杂的系统，可视化编排和高效的上下文管理正成为现代开发过程中不可或缺的能力。 在本场课程中，你将了解如何利用 GitHub Copilot app 中的 Canvases、上下文工程以及可扩展的 Agent 能力，设计更智能且经过 Token 优化的 AI 工作流。 通过实际演示，你将看到开发者如何协调多个 Agent 协同工作、更有效地管理上下文，并突破传统的线性对话式 Prompt，迈向更加直观的可视化 Agent 编排。 你将学到 ・ 如何使用 GitHub Copilot app 中的 Canvases，将其作为处理复杂、多 Agent 开发任务的可视化工作空间 ・ 如何通过 Token 预算管理、Prompt 缓存和上下文裁剪 ，提升工作流效率 ・ 如何利用 Agent Plugins 和 MCP 扩展 Agent 工作流 ・ 如何从一次性 Prompt 交互转向多 Agent 协同编排 ，以及相关最佳实践 涉及的技术 ・ GitHub Copilot harnesses，包括 CLI、GitHub Copilot app 和 Visual Studio Code ・ Agent Plugins 和 MCP ・ Token 优化与上下文工程 适合人群 ・ 在复杂代码库中构建 Agentic 工作流的开发者 ・ 希望提升 AI 工作流效率和上下文管理能力的工程师 ・ 希望通过可复用的 Agent 能力扩展智能 GitHub Copilot 副驾驶®的团队 ・ 任何对可视化、多 Agent 开发体验感兴趣的人

6:00 AM - 7:00 AM (UTC)

课程介绍 构建 AI Agent 只是第一步。要让 Agent 从一开始就表现出色，需要为其提供高质量的上下文；而当 Agent 正式投入使用后，如何持续保持良好表现，则是一项长期工作。这包括通过评测持续监控质量、通过优化控制成本，以及通过可靠的方法判断每一次调整是否真正带来了改进。 本场课程将介绍如何利用 Microsoft Foundry（国际版）、Evaluations 和 Agent Optimizer 衡量 、评测并持续优化 AI 工作流质量，以及如何借助 Microsoft IQ 为 Agent 提供高质量的上下文。你还将了解如何通过持续评测，用可衡量的信号取代主观判断，在 Agent 的整个生命周期中持续监控并优化其表现。 你将学到 ・如何使用 Microsoft Foundry 对不同模型进行比较和选择 ・如何为 Agent 添加组织上下文 ・如何为 Agent 构建持续评测 Pipeline ・如何评估和平衡质量、速度与 Token 成本 ・如何使用 Agent Optimizer 持续优化 Agent ・如何在 CI/CD Pipeline 中管理 Agent 涉及技术 ・Microsoft Foundry ・Microsoft Foundry Extension for Visual Studio Code ・Microsoft Foundry Evaluations 和 Agent Optimizer ・GitHub Actions，与 Microsoft Foundry 进行集成 适合人群 ・希望使用 Microsoft Foundry 构建、评测和优化 Agent 的开发者及技术人员 ・希望将 Agent 引入 GitHub 和 CI/CD 流程的团队

6:00 AM - 7:00 AM (UTC)

课程介绍 规模化实现legacy应用现代化只是整个转型旅程的一半。随之而来的 AI 系统还需要持续监控、快速响应故障，并保障日常稳定运行，同时尽可能减少额外的工程负担。 本场课程将带你端到端了解这一完整过程：首先通过自动化且可审查的升级方式实现legacy应用现代化，随后利用自愈型 Agent 和企业级运维智能，对 AI 系统进行规模化运营和管理。 你将了解 AI 技术如何简化大规模应用更新，将运行时信号与问题修复相连接，并让复杂的运维工作更加易于审查和治理。 你将学到 ・如何使用 Copilot Modernize CLI，规模化开展legacy应用评估与升级 ・如何利用堆叠式拉取请求，让大规模自动化迁移更易于审查 ・如何借助 Azure SRE Agent 诊断问题，并提出经过测试验证的修复方案 ・如何通过 Token 效率、恢复时间和接受度信号，衡量和追踪实际运维成效 涉及技术 ・Azure SRE Agent ・Copilot App Modernization Agent & Modernize CLI ・Stacked Pull Requests ・Human-in-the-Loop Governance Patterns 适合人群 ・需要跨多个代码仓库推进legacy应用现代化的团队 ・负责生产环境 AI 系统运行的开发者和平台工程师 ・希望探索 Agent 辅助问题修复的 SRE 和 DevOps 团队 ・关注 AI 运维规模化与系统韧性的技术领导者