Habilidad: ai901.practice_labs.micro.validated
Descripción: Crear laboratorios prácticos cortos de AI-901 (15-25 minutos) que sean ejecutables y autovalidables. Cada laboratorio incluye requisitos previos, tareas exactas, pasos de validación, resultados esperados y limpieza.
Contexto del curso
Esta habilidad respalda el repositorio complementario del curso de video AI-901 de Microsoft Press de Tim Warner en C:\github\ai901. El curso es un curso de video de Microsoft Press de 16 lecciones. Las lecciones 01-07 son lecciones conceptuales alineadas con el Dominio 1 de AI-901. Las lecciones 08-16 son lecciones de creación alineadas con el Dominio 2 de AI-901. Cada lección se encuentra en lessons/lesson-NN/README.md. Cuando se crea un laboratorio para respaldar una lección específica, guarde el artefacto del laboratorio en lessons/lesson-NN/labs/ para que los alumnos lo encuentren junto al plan de la lección.
Perfil de la audiencia
El público de AI-901 está al comienzo de una carrera en el desarrollo de soluciones de IA. Los alumnos tienen conocimientos conceptuales de IA en Azure, pueden leer la sintaxis de codificación de Python y están familiarizados con los recursos de Azure. La prosa del laboratorio se mantiene cálida y directa. Evite la jerga que la lección aún no haya presentado.
Precedencia de estilo
Siga la Guía de estilo de redacción de exámenes de Microsoft Worldwide Learning (WWL) para cualquier texto que refleje la redacción del examen (títulos, declaraciones de objetivos, recursos con nombre, referencias a empresas). Siga la Guía de estilo de redacción de Microsoft (MWSG) para la prosa del laboratorio en sí: cálida, escaneable, tiempo presente, mayúsculas estilo oración. Dos convenciones de MWSG anuladas por WWL para nuestros laboratorios: sin contracciones y mayúsculas para nombres de teclas (TAB, ENTER, CTRL+ALT+DELETE).
Categorías de laboratorio
Los laboratorios de AI-901 abarcan cuatro categorías prácticas que se asignan al dominio de creación de AI-901:
- foundry-portal -- Prácticas con el portal de Microsoft Foundry. Implementación de modelos desde el catálogo de modelos, experimentos en el área de juegos, construcciones de agentes individuales, inspección de flujos de mensajes y configuración de chat fundamentada completamente dentro del portal.
- foundry-sdk -- Aplicaciones cliente de Python 3.12 que llaman a puntos de conexión de Microsoft Foundry con los paquetes azure-ai-projects y azure-ai-agents. La autenticación es sin clave mediante DefaultAzureCredential. Los patrones incluyen finalización de chat, conversaciones de varios turnos, invocación de agentes individuales y agentes aumentados con herramientas.
- ai-services -- Azure AI Language, Azure AI Speech y Azure AI Vision ejercitados a través de Microsoft Foundry Tools. Los ejemplos incluyen análisis de texto, opiniones, frases clave, reconocimiento de entidades, conversión de voz a texto, conversión de texto a voz, análisis de imágenes, reconocimiento óptico de caracteres y generación de imágenes.
- content-understanding -- Analizadores de Azure Content Understanding en las cuatro modalidades compatibles: documentos, imágenes, audio y video. Incluye creación de analizadores, definición de esquemas, ejecuciones de entrada de muestra y validación de salida.
Herramientas de creación predeterminadas por categoría:
- Para los laboratorios de foundry-portal, la ruta principal es el portal de Microsoft Foundry en
ai.azure.com. - Para los laboratorios de foundry-sdk, la ruta principal es Python 3.12 con el SDK de Foundry y DefaultAzureCredential. Nunca utilice claves de API de forma predeterminada.
- Para los laboratorios de ai-services, la ruta principal es el portal de Microsoft Foundry. Cuando se requiera automatización, use Azure CLI para operaciones de recursos del lado del inquilino.
- Para los laboratorios de content-understanding, la ruta principal es el portal de Microsoft Foundry. Cuando se requiera código, use Python 3.12 con autenticación sin clave.
Fundamentación
Fuentes requeridas:
- Microsoft Learn (fuente de verdad para capacidades de servicio, configuración y arquitectura). Acceda a través del servidor MCP de Microsoft Learn (
ai901buddy-mslearn) usandomicrosoft_docs_searchymicrosoft_docs_fetch. - Ejemplos de código de Microsoft Learn (para precisión de Python SDK, Azure CLI y Bicep). Acceda a través de
microsoft_code_sample_search. - Archivo de dominio de objetivos canónico de AI-901:
.claude/skills/_references/ai901-objective-domain.md.
Fundamente siempre primero. No invente capacidades de servicio, nombres de modelos u opciones de SKU.
Dominios de AI-901 (canónicos)
Fecha de medición de habilidades: 15 de abril de 2026.
| Dominio | Peso |
|---|---|
| Identificar conceptos y capacidades de IA | 40-45% |
| Implementar soluciones de IA usando Microsoft Foundry | 55-60% |
El Dominio 1 cubre las lecciones conceptuales 01-07 (no se requieren laboratorios prácticos, aunque se permiten recorridos reflexivos opcionales). El Dominio 2 cubre las lecciones de creación 08-16 y es la fuente principal del trabajo de laboratorio.
Estilo y uso de palabras
Nomenclatura de recursos y personas (WWL)
- Empresas: Use solo empresas ficticias aprobadas por WWL de la tabla a continuación. Use el nombre completo de la empresa en cada mención.
- Personas: el usuario o Usuario1, Usuario2, Usuario3 (sin espacios).
- Servidores: Servidor1, Servidor2; Exch1, Exch2; SQL1, SQL2; DC1, DC2; DNS1, DNS2.
- Equipos: Equipo1, Equipo2. Aplicaciones: App1, App2. Subredes: Subred1, Subred2. Sitios: Sitio1, Sitio2.
- Oficinas: oficina principal, oficina sucursal, oficina satélite. Ciudades: Aprobadas por WWL (Atlanta, Boston, Cairo, Frankfurt, London, New York, Paris, Seattle, Singapore, Sydney, Tokyo, etc.).
- Defina cada nombre en la primera mención.
Empresas ficticias aprobadas (Lista de nombres ficticios de WWL)
Use siempre el nombre completo de la empresa. Aleatorice entre la lista; no use Contoso, Ltd. por defecto.
| Empresa | URL aprobada |
|---|---|
| A. Datum Corporation | adatum.com |
| Adventure Works Cycles | adventure-works.com |
| Alpine Ski House | alpineskihouse.com |
| Bellows College | bellowscollege.com |
| Best For You Organics Company | bestforyouorganics.com |
| Blue Yonder Airlines | blueyonderairlines.com |
| City Power & Light | cpandl.com |
| Coho Vineyard | cohovineyard.com |
| Coho Winery | cohowinery.com |
| Coho Vineyard & Winery | cohovineyardandwinery.com |
| Consolidated Messenger | consolidatedmessenger.com |
| Contoso, Ltd. | contoso.com |
| Contoso Pharmaceuticals | contoso.com |
| Contoso Suites | contososuites.com |
| Fabrikam, Inc. | fabrikam.com |
| Fabrikam Residences | fabrikamresidences.com |
| First Up Consultants | firstupconsultants.com |
| Fourth Coffee | fourthcoffee.com |
| Graphic Design Institute | graphicdesigninstitute.com |
| Humongous Insurance | humongousinsurance.com |
| Lamna Healthcare Company | lamnahealthcare.com |
| Liberty's Delightful Bakery & Cafe | libertysdelightfulbakeryandcafe.com |
| Litware, Inc. | litwareinc.com |
| Lucerne Publishing | lucernepublishing.com |
| Margie's Travel | margiestravel.com |
| Munson's Pickles and Preserves Farm | munsonspicklesandpreservesfarm.com |
| Nod Publishers | nodpublishers.com |
| Northwind Electric Cars | northwindelectriccars.com |
| Northwind Traders | northwindtraders.com |
| Proseware, Inc. | proseware.com |
| Relecloud | relecloud.com |
| School of Fine Art | fineartschool.net |
| Southridge Video | southridgevideo.com |
| Tailspin Toys | tailspintoys.com |
| The Phone Company | thephone-company.com |
| Trey Research | treyresearch.net |
| VanArsdel, Ltd. | vanarsdelltd.com |
| Wide World Importers | wideworldimporters.com |
| Wingtip Toys | wingtiptoys.com |
| Woodgrove Bank | woodgrovebank.com |
Uso de palabras (WWL)
- denominado, no llamado.
- informar, no quejarse.
- Evite determinar; use verificar, identificar, establecer, calcular, decidir.
- Evite puede; use puede o podría.
- Evite usando solo; use mediante el uso de.
- Evite determinantes específicos (todos, ninguno, solo, siempre, nunca) y calificadores indefinidos (pocos, muchos, múltiples, varios, algunos, usualmente).
- sitio lógico, ubicación físico: nunca los intercambie.
- Plural sobre (s).
- Declaraciones de objetivos: Necesita ... / Necesita asegurarse de que ...
Formato
- Negrita para elementos de UI seleccionables, comandos de Azure CLI y nombres de clases o métodos de Python escritos textualmente.
- Verbos neutros de entrada: seleccionar (no hacer clic), escribir (no teclear), ir a, abrir, cerrar.
- Modo imperativo en los pasos del procedimiento.
- Nombres de archivos etiquetados con archivo: el archivo main.py, el archivo deploy.bicep.
- Mayúsculas para nombres de teclas: TAB, ENTER, CTRL+ALT+DELETE.
- Mayúsculas estilo oración en otros lugares; los nombres de productos y los nombres propios son excepciones.
- Coma de Oxford en listas de tres o más elementos.
- ASCII simple: sin comillas curvas, guiones en o em; use
--y->. - Escriba cero a nueve; numerales para 10 en adelante.
Globalización
- Oraciones de 15 a 20 palabras. Voz activa. Tiempos simples.
- Sin
/o-como puntuación (reemplace crear/editar/mostrar con crear, editar y mostrar). - Sin posesivos en nombres de productos. Sin nominalizaciones. Sin acumulaciones de sustantivos.
Tabla de cambio de nombre de terminología (no negociable)
Use siempre los nombres de productos actuales de Microsoft. Nunca use un nombre retirado o heredado, incluso si el usuario lo hace. Asigne silenciosamente al nombre actual.
| Nombre retirado / heredado | Nombre actual |
|---|---|
| Azure Active Directory (Azure AD) | Microsoft Entra ID |
| Inquilino de Azure AD | Inquilino de Microsoft Entra |
| Azure AD Conditional Access | Microsoft Entra Conditional Access |
| Azure AD B2B / B2C | Microsoft Entra External ID |
| Azure AD PIM | Microsoft Entra Privileged Identity Management |
| Azure OpenAI Service (independiente, post-rebranding) | Azure OpenAI en Microsoft Foundry |
| Azure AI Studio | Microsoft Foundry |
| Azure AI Foundry | Microsoft Foundry |
| Azure AI Foundry Tools | Microsoft Foundry Tools |
| Cognitive Services (paraguas) | Azure AI Services |
| Azure Cognitive Services for Language | Azure AI Language |
| Azure Cognitive Services for Speech | Azure AI Speech |
| Azure Cognitive Services for Vision | Azure AI Vision |
| Form Recognizer | Azure AI Document Intelligence |
| Custom Vision | Azure AI Vision (clasificación de imágenes personalizadas y detección de objetos) |
| LUIS | Azure AI Language comprensión del lenguaje conversacional |
| QnA Maker | Azure AI Language respuesta a preguntas personalizadas |
Valores predeterminados de autenticación (no negociable)
Para cualquier laboratorio basado en código:
- Use DefaultAzureCredential del paquete azure.identity.
- El alumno inicia sesión con az login antes de ejecutar el script.
- Nunca incruste una clave de API en código, archivos de entorno o archivos de configuración.
- El punto de conexión del proyecto Foundry es el único valor con forma de secreto. Almacénelo en una variable de entorno denominada PROJECT_ENDPOINT.
- Otorgue al alumno el rol Azure AI User en el proyecto Foundry antes de que se ejecute el script. Incluya esto como un requisito de estado inicial.
Barreras de seguridad
- Manténgase dentro del alcance de AI-901 (conceptos fundamentales de IA y prácticas con Microsoft Foundry). Evite el entrenamiento de modelos con código avanzado o MLOps.
- Prefiera la ruta de menor costo. Use gpt-4o-mini o gpt-5-mini a menos que la lección requiera un modelo más grande. Use el nivel gratuito F0 de Azure AI Services cuando esté disponible.
- Sin contracciones en ninguna parte del laboratorio.
- Sin pasos ambiguos de hacer clic hasta. Cada paso tiene una etiqueta de UI exacta, un comando exacto de Azure CLI o una instrucción exacta de Python.
- Incluya siempre limpieza o reversión. Para laboratorios que crean implementaciones de modelos, definiciones de agentes, recursos de AI Service, analizadores de Content Understanding, grupos de recursos o cuentas de almacenamiento, enumere los pasos exactos de eliminación.
Expectativas de limpieza (no negociable)
La limpieza no es negociable en cada laboratorio. Los objetivos de limpieza específicos de AI-901 incluyen:
- Implementaciones de modelos en Microsoft Foundry. Eliminar desde Mis activos > Modelos y puntos de conexión.
- Definiciones de agentes creadas en el servicio Agents. Eliminar desde Agents en el portal de Foundry.
- Recursos de Azure AI Services (Language, Speech, Vision, Document Intelligence). Eliminar desde el portal de Azure o con az cognitiveservices account delete.
- Analizadores de Content Understanding. Eliminar desde el área de trabajo de Content Understanding en el portal de Foundry.
- Proyectos Foundry y concentradores Foundry cuando el laboratorio los creó.
- Grupos de recursos que contenían recursos solo de laboratorio, eliminados con az group delete --name --yes --no-wait.
- Cuentas de almacenamiento y archivos de muestra cargados cuando el laboratorio los aprovisionó.
- Entornos virtuales locales de Python y datos de muestra descargados cuando el laboratorio los creó.
La validación de limpieza confirma que la eliminación se realizó correctamente enumerando el ámbito principal y mostrando que el recurso ya no existe.
Advertencia de costo y licencia: ubicación
Si el laboratorio utiliza alguno de los siguientes, aparece una advertencia inmediatamente después de requisitos previos y antes de estado_inicial:
- Un modelo con una ventana de contexto superior a 128 mil tokens.
- Un modelo multimodal o de razonamiento que se factura a tarifas premium.
- Azure Content Understanding (precio por página, por imagen, por minuto).
- Transcripción por lotes de Azure AI Speech o voz personalizada.
- Azure AI Vision Read OCR a escala.
- Cualquier recurso de Azure más allá del nivel gratuito.
La advertencia indica el factor de costo, el orden de magnitud del costo aproximado y el paso de limpieza que detiene el costo.
Aleatorización de empresas ficticias (no negociable)
Aleatorice entre la lista aprobada de WWL anterior. No use Contoso, Ltd. por defecto. Use siempre el nombre completo de la empresa.
Guía de tiempo
Un laboratorio contiene no más de 12 pasos en total en todas las tareas. Si el laboratorio requiere más, divídalo en dos laboratorios más reducidos. El tiempo de finalización objetivo es de 15 a 25 minutos para un alumno que haya completado la lección correspondiente.
Flujo de trabajo
- Elija un único objetivo de AI-901 de
.claude/skills/_references/ai901-objective-domain.mdy expréselo al principio del laboratorio. Cuando el laboratorio respalde una lección específica, nombre la carpeta de la lección (lessons/lesson-NN/). - Fundamente la configuración prevista en Microsoft Learn mediante
microsoft_docs_search. - Elija una ruta principal que coincida con la categoría del laboratorio (portal de Microsoft Foundry, Python 3.12 + SDK de Foundry con DefaultAzureCredential, Azure AI Services mediante Foundry Tools o Content Understanding).
- Use
microsoft_code_sample_searchpara verificar cualquier fragmento de Python, Azure CLI o Bicep. - Use
microsoft_docs_fetchpara obtener detalles de página completa sobre cualquier capacidad de servicio, clase de SDK o paso de configuración. - Agregue puertas de validación después de cada paso importante (estado de UI del portal, salida de Azure CLI, salida del script de Python, resultado de ejecución del analizador).
- Agregue limpieza que revierta exactamente el trabajo, con una validación final...
...