Habilidade: ai901.practice_labs.micro.validated
Descrição: Criar laboratórios práticos curtos para AI-901 (15-25 minutos) que sejam executáveis e auto-validáveis. Cada laboratório inclui pré-requisitos, tarefas exatas, etapas de validação, saídas esperadas e limpeza.
Contexto do curso
Esta habilidade apoia o repositório complementar do curso em vídeo AI-901 de Tim Warner, da Microsoft Press, localizado em C:\github\ai901. O curso é um curso em vídeo de 16 lições da Microsoft Press. As lições 01-07 são lições conceituais alinhadas ao Domínio 1 do AI-901. As lições 08-16 são lições práticas alinhadas ao Domínio 2 do AI-901. Cada lição está em lessons/lesson-NN/README.md. Quando um laboratório for criado para dar suporte a uma lição específica, salve o artefato do laboratório em lessons/lesson-NN/labs/ para que os alunos o encontrem próximo ao plano da lição.
Perfil do público
O público do AI-901 está no início de uma carreira no desenvolvimento de soluções de IA. Os alunos têm conhecimento conceitual de IA no Azure, conseguem ler sintaxe básica de Python e estão familiarizados com recursos do Azure. O texto do laboratório deve ser acolhedor e direto. Evite jargões que a lição ainda não tenha introduzido.
Precedência de estilo
Siga o Microsoft Worldwide Learning Exam Writing Style Guide (WWL) para qualquer texto que espelhe a redação do exame (títulos, declarações de objetivo, recursos nomeados, referências a empresas). Siga o Microsoft Writing Style Guide (MWSG) para o texto do laboratório em si: acolhedor, escaneável, tempo presente, capitalização no estilo de frase. Duas convenções do MWSG substituídas pelo WWL para nossos laboratórios: sem contrações e tudo em maiúsculas para nomes de teclas (TAB, ENTER, CTRL+ALT+DELETE).
Categorias de laboratório
Os laboratórios do AI-901 abrangem quatro categorias práticas que mapeiam o domínio prático do AI-901:
- foundry-portal -- Prática hands-on no portal Microsoft Foundry. Implantação de modelo do catálogo de modelos, experimentos no playground, construções de agente único, inspeção de fluxo do prompt e configuração de chat fundamentado inteiramente dentro do portal.
- foundry-sdk -- Aplicativos cliente Python 3.12 que chamam pontos de extremidade do Microsoft Foundry com os pacotes azure-ai-projects e azure-ai-agents. A autenticação é sem chave via DefaultAzureCredential. Os padrões incluem conclusão de chat, conversas de múltiplas etapas, invocação de agente único e agentes aumentados por ferramentas.
- ai-services -- Azure AI Language, Azure AI Speech e Azure AI Vision exercitados por meio das Ferramentas do Microsoft Foundry. Exemplos incluem análise de texto, sentimentos, frases-chave, reconhecimento de entidade, fala para texto, texto para fala, análise de imagem, reconhecimento óptico de caracteres e geração de imagem.
- content-understanding -- Analisadores do Azure Content Understanding nas quatro modalidades suportadas: documentos, imagens, áudio e vídeo. Inclui criação do analisador, definição de esquema, execuções com entrada de amostra e validação de saída.
Ferramentas de criação padrão por categoria:
- Para laboratórios foundry-portal, o caminho principal é o portal Microsoft Foundry em
ai.azure.com. - Para laboratórios foundry-sdk, o caminho principal é Python 3.12 com o SDK do Foundry e DefaultAzureCredential. Nunca use chaves de API por padrão.
- Para laboratórios ai-services, o caminho principal é o portal Microsoft Foundry. Quando a automação for necessária, use a CLI do Azure para operações de recursos no lado do locatário.
- Para laboratórios content-understanding, o caminho principal é o portal Microsoft Foundry. Quando o código for necessário, use Python 3.12 com autenticação sem chave.
Fundamentação
Fontes obrigatórias:
- Microsoft Learn (fonte da verdade para capacidades de serviço, configuração e arquitetura). Acesse por meio do servidor MCP do Microsoft Learn (
ai901buddy-mslearn) usandomicrosoft_docs_searchemicrosoft_docs_fetch. - Amostras de código do Microsoft Learn (para precisão do SDK Python, CLI do Azure e Bicep). Acesse via
microsoft_code_sample_search. - Arquivo de domínio de objetivo canônico do AI-901:
.claude/skills/_references/ai901-objective-domain.md.
Sempre fundamente primeiro. Não invente capacidades de serviço, nomes de modelo ou opções de SKU.
Domínios do AI-901 (canônico)
Data das habilidades medidas: 15 de abril de 2026.
| Domínio | Peso |
|---|---|
| Identificar conceitos e capacidades de IA | 40-45% |
| Implementar soluções de IA usando Microsoft Foundry | 55-60% |
O Domínio 1 cobre as lições conceituais 01-07 (nenhum laboratório prático obrigatório, embora sejam permitidos tutoriais reflexivos opcionais). O Domínio 2 cobre as lições práticas 08-16 e é a principal fonte de trabalho de laboratório.
Estilo e uso de palavras
Nomenclatura de recursos e pessoas (WWL)
- Empresas: Use apenas empresas fictícias aprovadas pelo WWL da tabela abaixo. Use o nome completo da empresa em cada menção.
- Pessoas: o usuário ou User1, User2, User3 (sem espaços).
- Servidores: Server1, Server2; Exch1, Exch2; SQL1, SQL2; DC1, DC2; DNS1, DNS2.
- Computadores: Computer1, Computer2. Aplicativos: App1, App2. Sub-redes: Subnet1, Subnet2. Sites: Site1, Site2.
- Escritórios: escritório principal, escritório filial, escritório satélite. Cidades: Aprovadas pelo WWL (Atlanta, Boston, Cairo, Frankfurt, Londres, Nova York, Paris, Seattle, Singapura, Sydney, Tóquio, etc.).
- Defina cada nome na primeira menção.
Empresas fictícias aprovadas (Lista de Nomes Fictícios do WWL)
Sempre use o nome completo da empresa. Randomize por toda a lista -- não use Contoso, Ltd. por padrão.
| Empresa | URL aprovada |
|---|---|
| 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 palavras (WWL)
- named, não called.
- report, não complain.
- Evite determine; use verify, identify, set, establish, calculate, decide.
- Evite may; use can ou might.
- Evite using sozinho; use by using.
- Evite determinantes específicos (all, none, only, always, never) e qualificadores indefinidos (few, many, multiple, several, some, usually).
- site lógico, location físico -- nunca troque.
- Plural em vez de (s).
- Declarações de objetivo: You need to ... / You need to ensure that ...
Formatação
- Negrito para elementos de UI clicáveis, comandos da CLI do Azure e nomes de classes ou métodos Python que são digitados literalmente.
- Verbos neutros de entrada: select (não click), enter (não type), go to, open, close.
- Modo imperativo nas etapas do procedimento.
- Nomes de arquivos rotulados com file: the main.py file, the deploy.bicep file.
- Tudo em maiúsculas para nomes de teclas: TAB, ENTER, CTRL+ALT+DELETE.
- Capitalização no estilo de frase em outros lugares; nomes de produtos e substantivos próprios são exceções.
- Vírgula Oxford em listas de três ou mais itens.
- ASCII simples -- sem aspas curvas, travessões en ou em; use
--e->. - Escreva zero a nove por extenso; numerais para 10 e acima.
Globalização
- Frases de 15 a 20 palavras. Voz ativa. Tempos simples.
- Sem
/ou-como pontuação (substitua create/edit/display por create, edit, and display). - Sem possessivos em nomes de produtos. Sem nominalizações. Sem pilhas de substantivos.
Tabela de renomeação de terminologia (não negociável)
Sempre use os nomes atuais dos produtos Microsoft. Nunca use um nome aposentado ou legado, mesmo que o usuário o faça. Mapeie silenciosamente para o nome atual.
| Nome aposentado / legado | Nome atual |
|---|---|
| Azure Active Directory (Azure AD) | Microsoft Entra ID |
| locatário do Azure AD | locatário do 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 (autônomo, pós-rebranding) | Azure OpenAI no Microsoft Foundry |
| Azure AI Studio | Microsoft Foundry |
| Azure AI Foundry | Microsoft Foundry |
| Azure AI Foundry Tools | Ferramentas do Microsoft Foundry |
| Cognitive Services (guarda-chuva) | Serviços de IA do Azure |
| 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 (classificação de imagem personalizada e detecção de objetos) |
| LUIS | Azure AI Language compreensão de linguagem conversacional |
| QnA Maker | Azure AI Language resposta a perguntas personalizada |
Padrões de autenticação (não negociável)
Para qualquer laboratório baseado em código:
- Use DefaultAzureCredential do pacote azure.identity.
- O aluno faz login com az login antes de executar o script.
- Nunca incorpore uma chave de API no código, arquivos de ambiente ou arquivos de configuração.
- O ponto de extremidade do projeto Foundry é o único valor em formato de segredo. Armazene-o em uma variável de ambiente chamada PROJECT_ENDPOINT.
- Conceda ao aluno a função Azure AI User no projeto Foundry antes da execução do script. Inclua isso como um requisito de estado inicial.
Proteções
- Permaneça dentro do escopo do AI-901 (conceitos fundamentais de IA e hands-on com Microsoft Foundry). Evite treinamento de modelo profissional ou MLOps avançado.
- Prefira o caminho de menor custo. Use gpt-4o-mini ou gpt-5-mini, a menos que a lição exija um modelo maior. Use a camada gratuita F0 dos Serviços de IA do Azure quando disponível.
- Sem contrações em nenhum lugar do laboratório.
- Sem etapas ambíguas do tipo click around until. Cada etapa tem um rótulo de UI exato, um comando exato da CLI do Azure ou uma instrução exata de Python.
- Sempre inclua limpeza ou reversão. Para laboratórios que criam implantações de modelo, definições de agente, recursos de Serviços de IA, analisadores do Content Understanding, grupos de recursos ou contas de armazenamento, liste as etapas exatas de exclusão.
Expectativas de limpeza (não negociável)
A limpeza é obrigatória em todo laboratório. Os alvos específicos de limpeza do AI-901 incluem:
- Implantações de modelo no Microsoft Foundry. Exclua de My assets > Models + endpoints.
- Definições de agente criadas no serviço Agents. Exclua de Agents no portal do Foundry.
- Recursos dos Serviços de IA do Azure (Language, Speech, Vision, Document Intelligence). Exclua do portal do Azure ou com az cognitiveservices account delete.
- Analisadores do Content Understanding. Exclua do workspace Content Understanding no portal do Foundry.
- Projetos do Foundry e hubs do Foundry quando o laboratório os criou.
- Grupos de recursos que continham recursos exclusivos do laboratório, excluídos com az group delete --name --yes --no-wait.
- Contas de armazenamento e arquivos de amostra carregados quando o laboratório os provisionou.
- Ambientes virtuais Python locais e dados de amostra baixados quando o laboratório os criou.
A validação da limpeza confirma que a exclusão foi bem-sucedida listando o escopo pai e mostrando que o recurso não existe mais.
Aviso de custo e licenciamento
Se o laboratório usar qualquer um dos itens a seguir, um aviso aparecerá imediatamente após prerequisites e antes de starting_state:
- Um modelo com uma janela de contexto maior que 128 mil tokens.
- Um modelo multimodal ou de raciocínio que cobra tarifas premium.
- Azure Content Understanding (precificação por página, por imagem, por minuto).
- Transcrição em lote do Azure AI Speech ou voz personalizada.
- OCR de Leitura do Azure AI Vision em escala.
- Qualquer recurso do Azure além da camada gratuita.
O aviso declara o fator de custo, a ordem de grandeza aproximada do custo e a etapa de limpeza que interrompe o custo.
Randomização de empresa fictícia (não negociável)
Randomize por toda a lista aprovada do WWL acima. Não use Contoso, Ltd. por padrão. Sempre use o nome completo da empresa.
Orientação de tempo
Um laboratório não contém mais de 12 etapas no total em todas as tarefas. Se o laboratório exigir mais, divida-o em dois laboratórios mais restritos. O tempo de conclusão alvo é de 15 a 25 minutos para um aluno que concluiu a lição correspondente.
Fluxo de trabalho
- Escolha um único objetivo do AI-901 de
.claude/skills/_references/ai901-objective-domain.mde declare-o no topo do laboratório. Quando o laboratório der suporte a uma lição específica, nomeie a pasta da lição (lessons/lesson-NN/). - Fundamente a configuração pretendida no Microsoft Learn usando
microsoft_docs_search. - Escolha um caminho principal que corresponda à categoria do laboratório (portal Microsoft Foundry, Python 3.12 + SDK do Foundry com DefaultAzureCredential, Serviços de IA do Azure por meio das Ferramentas do Foundry ou Content Understanding).
- Use
microsoft_code_sample_searchpara verificar quaisquer snippets de Python, CLI do Azure ou Bicep. - Use
microsoft_docs_fetchpara obter detalhes completos da página sobre qualquer capacidade de serviço, classe do SDK ou etapa de configuração. - Adicione portões de validação após cada etapa principal (estado da UI do portal, saída da CLI do Azure, saída do script Python, resultado da execução do analisador).
- Adicione limpeza que reverta exatamente o trabalho, com uma validação final.
Nota: Para o conteúdo restante da seção de fluxo de trabalho (que parece ter sido truncado), ele continuaria detalhando a estrutura do laboratório e requisitos específicos adicionais, como a validação de saída e a criação de artefatos. Como as informações fornecidas estão incompletas, a tradução acima reflete o conteúdo disponível.