本文属于【Azure 架构师学习笔记】系列。
本文属于【Azure AI】系列。
接上文 【Azure 架构师学习笔记 】- Azure AI(9)-阶段性小结

前言

接上文，下面我们开始实操过程，首先会创建一个azure openai服务，然后部署一个模型，并创建一个demo。

环境准备

创建Azure OpenAI资源

这一步跟其他资源创建基本上大同小异。

作为测试，到此为止即可直接创建，但是企业环境下tag， 网络这些要配好。

创建完毕：

进去portal进行操作：

如果是首次进入，可能会出现下面提醒， 我们顺应时代发展，选择升级：

创建项目：

升级完成，会出现一些基本信息。

部署模型

从上一章提到， 个人用户很多模型并不支持直接使用，截至发稿位置，gpt-4o-mini是可用的，所以选择它作为演示。

在部署模型过程中可以看到下面的一些信息，特别注意【停用日期】

模型部署成功后会显示必要信息，一般可以在【在操场中打开】或者直接进行编程：

在操场中进行测试，这个在前面的一些文章中已经做过演示，在本文暂不展开：

本地调用API

如果在本地测试，建议先运行下面命令（windows在cmd中运行）以确保有依赖环境，否则可能出现诸如这样的报错：ModuleNotFoundError: No module named ‘openai’

pip install openai --upgrade

然后运行下面python demo：

from openai import AzureOpenAI

# 初始化客户端
client = AzureOpenAI(
    azure_endpoint="https://xxxx.openai.azure.com/",  # 你的 Endpoint
    api_key="xxxxxx",                                 # 你的 Key
    api_version="2024-08-01-preview"  # 这里的API version需要从上面Endpoint的接触部分一致
)

# 发起对话请求
response = client.chat.completions.create(
    model="gpt-4o-mini-deploy",  # 你的部署名称
    messages=[
        {"role": "system", "content": "你是一个简洁、专业的AI助手。"},
        {"role": "user", "content": "请用一句话介绍GPT-4o Mini。"}
    ]
)

# 输出结果
print("回复：", response.choices[0].message.content)

这个 Demo 验证了什么？

1. 本地 Python 环境 + 依赖正常
   验证openai库安装成功，验证你的 Python 环境（路径、权限）能正常执行 AI 接口调用代码，没有基础环境问题。
2. 云端服务鉴权 + 连通性正常
   Endpoint + API Key 有效：你的本地代码能通过这两个凭证，成功访问 Azure 云端的 OpenAI 服务，鉴权通过：Azure 验证了你的 Key 是合法的，没有权限过期、区域不匹配、额度耗尽等问题。
3. 模型部署 + 调用链路正常
   Deployment name 正确：你填写的部署名，能精准定位到 Azure 上你部署的 GPT-4o Mini 模型实例。
   模型可调用：GPT-4o Mini 模型本身能正常响应请求。

小结

本文演示了创建Azure Open AI环境并成功部署和执行一个模型的demo。 下一文将进行一些进阶的demo演示。
另外注意：

• Azure OpenAI Studio 彻底下线
• Azure AI Studio 合并消失
• 所有模型部署、调用、管理 → 全部统一到 Azure AI Foundry
• 入口只有一个：ai.azure.com

Azure 门户（portal.azure.com）： 负责：资源创建、密钥、Endpoint、配额、区域
Azure AI Foundry（ai.azure.com）： 负责：模型部署、部署名称、测试、微调、监控