# Evaluate generative AI applications

- 发布方：Microsoft Learn；作者：Microsoft
- 形式：短课程 · en
- 原始资源：[https://learn.microsoft.com/en-us/training/paths/evaluate-generative-ai-apps/?WT.mc\_id=api\_CatalogApi](<https://learn.microsoft.com/en-us/training/paths/evaluate-generative-ai-apps/?WT.mc_id=api_CatalogApi>)
- 本站页面：[https://oplearnx.com/resources/res\_9s4rtr6p7629](<https://oplearnx.com/resources/res_9s4rtr6p7629>)
- 学习主题：人工智能 / 评测与可信 AI；人工智能 / 大语言模型 LLM / LLM 评测
- 内容状态：状态待核验
- 原始发布时间：2026-10-29 06:11
- 本站首次收录：2026-10-29 09:01

## 能学到什么

掌握评估生成式 AI 应用的概念与方法，能用 Azure AI Evaluation SDK 运行评测并生成合成数据集。

- 说明评估生成式 AI 应用的基本概念与方法论
- 分析并评估生成式 AI 应用的输出质量
- 使用自定义评估器（custom evaluators）评测输出
- 用 Azure AI Evaluation SDK 运行评测
- 生成合成数据集用于评测
- 结合代码练习与真实场景完成一次端到端评测

## 适合我吗

- 适合：想系统入门生成式 AI 应用评测、并希望在 Azure 上用代码实操的开发者。
- 需要留意：不打算使用 Azure 服务或只想读概念、不做代码练习的学习者。

## 前置条件与费用

- 知识前置：需要具备 Azure 订阅与门户使用经验，以及 Python 入门水平。
- 软件、账号与硬件：Azure 订阅（可免费创建）；熟悉 Azure 与 Azure 门户；Python 初学者水平；浏览器开发需 GitHub 账号；本地开发需 Docker Desktop、VS Code 与 Dev Containers 扩展。
- 内容费用：费用待核验：节选仅有学习路径介绍与模块标题，未展示模块正文，也未说明是否免费。
- 实践费用：实践可能产生费用：练习需 Azure 订阅，页面提供“按量付费或免费试用 30 天”选项，可能产生费用。
- 转载与修改：按材料分别核对，见本页“来源核验与开课实跑”；仓库许可不自动适用于教材或视频。

## 准备工具

- [Microsoft Learn](<https://learn.microsoft.com/en-us/training/paths/evaluate-generative-ai-apps/>)：学习平台，阅读模块内容
- Azure 订阅：运行评测与合成数据集练习
- [GitHub 账号](<https://docs.github.com/get-started/signing-up-for-github>)：使用浏览器内开发环境
- [VS Code \+ Docker Desktop \+ Dev Containers 扩展](<https://code.visualstudio.com/>)：本地开发环境

## 学习指南

开课检查：提示词由本站整理，尚未按提示词实际完成开课检查。

### 开课提示词

```text
请帮我把「Evaluate generative AI applications」的学习环境一次准备好，让我之后只需要按顺序学习和做练习。
开始前先问我：课程放在哪个目录（等我给出完整路径），确认我的操作系统和已有工具。确认前不要创建文件或安装软件。

课程入口：https://learn.microsoft.com/en-us/training/paths/evaluate-generative-ai-apps/?WT.mc_id=api_CatalogApi
我的系统：Windows。如果实际不符，先调整方案。
本次路线：浏览器或在线环境。只准备这条路线需要的工具；只读路线不安装运行环境、不配置模型密钥。
练习：按第二个模块的练习，用 Azure AI Evaluation SDK 运行评测并结合真实场景生成合成数据集。
课节（官方顺序）：
1. Evaluating generative AI applications：https://learn.microsoft.com/en-us/training/modules/evaluate-generative-ai-apps/
2. Run evaluations and generate synthetic datasets：https://learn.microsoft.com/en-us/training/modules/run-evaluations-generate-synthetic-datasets/

1. 环境
- 浏览器（在线方式）或 VS Code + Dev Containers（本地方式）
- Azure 订阅
- Python（入门水平）
- 安装前先列出要装的软件和命令，等我同意；已装好的直接复用。
2. 材料
- 官方课程页面：只记录链接 https://learn.microsoft.com/en-us/training/paths/evaluate-generative-ai-apps/?WT.mc_id=api_CatalogApi
3. 目录（最外层放在我确认的位置）
evaluate-generative-ai-apps/
├── README.md        # 课程入口、课节清单、每次怎么开始
├── progress.md      # 每课：读讲义 / 做练习 / 记笔记
├── questions.md     # 待解决的问题
├── check-env.md     # 环境自检，按 README 操作
├── data/            # 练习用到的样例数据
└── lessons/         # 每课一个文件夹：notes.md + exercises/
    ├── 01-01-evaluating-generative-ai-applications/
    └── 02-02-run-evaluations-and-generate-synthetic/
- 每课文件夹里建 notes.md（顶部写本课官方链接）和 exercises/；课节文件夹名称与上面一致。
- 已有课程目录先检查并复用；不覆盖笔记、作业或 progress.md，不重置已有进度。尚未发布的课节保留入口并注明未发布，不能代写讲义或虚构练习。
4. 自检
- 创建 check-env.md，逐项检查并记录“通过/未通过”：
- 按浏览器或在线 notebook 清单检查，不为自检安装本机终端。
  - 打开学习路径页确认模块列表  → 显示 2 个模块：Evaluating generative AI applications、Run evaluations and generate synthetic datasets
  - 登录 Azure 门户  → 能看到自己的订阅信息
- 标注为人工检查、浏览器操作或 notebook 单元的项目，按相应方式操作，不直接粘贴进 shell；脚本只包含当前系统可执行的命令。
- 仅在当前路线需要、对应材料已获准保存、工具已安装时运行该项；需要登录、付费或尚未开放的材料记为“需要我操作/未验证”，不能伪报通过。不执行会调用付费 API、提交作业或修改云服务的检查。
- 运行一次，把结果给我看；未通过的项目说明原因和修复办法。
5. 学习计划
- README.md：课程入口、课节清单（带链接）、每次学习怎么开始（使用“每课提示词”）。
- progress.md：每课三项勾选——读讲义、做练习、记笔记。
6. 最后分三部分汇报：已完成、需要我自己操作的、尚未验证的。

边界：
- 需要管理员权限、会产生费用或需要填写密钥的操作，先告诉我原因，等我同意。密钥由我在本机配置，不发到聊天，不写进笔记或版本库；原项目需要 .env 时确认已被 Git 忽略。
- 不替我写练习或作业答案，也不替我提交。我卡住时只给提示；我明确要求时才给解答。
- 只下载许可允许个人保存的材料；其余只放链接。不把未运行的命令说成成功。
如果你不能直接操作我的文件系统，请在确认目录后给出适用于我的系统、可直接执行的命令和需要保存的文件内容。
```

### 每课提示词

```text
继续学习「Evaluate generative AI applications」。课程目录是 evaluate-generative-ai-apps/（不知道完整路径就先问我）。
1. 读 progress.md，找到下一课；如果我指定了第几课，就准备那一课。
2. 打开这一课的官方页面和本地讲义，列出本课练习要用的工具、文件和样例数据。缺少的先告诉我，等我同意再安装或下载。
3. 在 lessons/ 对应的课节文件夹里准备好练习：exercises/ 里给每道题建一个文件，写上题号和题目原文链接，不写答案；已有文件保留，样例数据放到 data/。拿不到官方题目或起始代码时记录限制，不编造替代品。
4. 按 README 运行开课时生成的自检脚本或在线检查清单，并检查本课新增工具能否正常使用。
5. 告诉我：本课先读哪几节、从哪道练习开始、大约需要多久。我学完后，帮我在 progress.md 勾选并把问题整理到 questions.md。

边界：
- 需要管理员权限、会产生费用或需要填写密钥的操作，先告诉我原因，等我同意。密钥由我在本机配置，不发到聊天，不写进笔记或版本库；原项目需要 .env 时确认已被 Git 忽略。
- 不替我写练习或作业答案，也不替我提交。我卡住时只给提示；我明确要求时才给解答。
- 只下载许可允许个人保存的材料；其余只放链接。不把未运行的命令说成成功。
```

### 课节（官方顺序）

1. [Evaluating generative AI applications](<https://learn.microsoft.com/en-us/training/modules/evaluate-generative-ai-apps/>)
2. [Run evaluations and generate synthetic datasets](<https://learn.microsoft.com/en-us/training/modules/run-evaluations-generate-synthetic-datasets/>)

## 指南参考

- [课程主页](<https://learn.microsoft.com/en-us/training/paths/evaluate-generative-ai-apps/?WT.mc_id=api_CatalogApi>)

## 来源、许可与验证记录

- **开课提示词未完整验证，需要自备账号或资源**：Azure 订阅（页面提供按量付费或免费试用 30 天）；GitHub 账号（浏览器开发方式）；Docker Desktop、Visual Studio Code、Dev Containers 扩展（本地开发方式）
- 转载与修改 · 课程页面与材料：未找到明确许可。网页仅标注 © Microsoft 2026 及使用条款，未写明内容许可协议 [依据](<https://learn.microsoft.com/en-us/training/paths/evaluate-generative-ai-apps/?WT.mc_id=api_CatalogApi>)
- 链接检查：1/1 个可以访问

## 来源与推荐

- 编辑整理收录

---
来源：LearnMap · 学径（https://oplearnx.com）