GitHub Copilot与Azure AI Foundry模型结合:AI工具包终极指南

夏丽同学_3150

夏丽同学_3150

2026-01-01

179人浏览

原创

在人工智能(AI)驱动的软件开发时代,将强大的工具集成到日常工作流程中至关重要。GitHub Copilot 作为一款先进的 AI 辅助编程工具,通过智能代码建议和自动补全,极大地提高了开发效率。而 Azure AI Foundry 模型则提供了一系列预训练的 AI 模型,可以用于各种应用场景。本文将深入探讨如何将 GitHub Copilot 与 Azure AI Foundry 模型结合使用,解锁 AI 工具包的全部潜力,从而推动创新和提高开发效率。本文将详细介绍如何设置环境、部署模型,以及如何利用这些工具进行实际开发,无论您是经验丰富的开发者还是 AI 新手,都能从中获得有价值的见解和实践指导。

核心要点

创建 Azure AI Foundry 项目:在 Azure 平台上设置 AI 开发的基础。

安装 AI 工具包扩展:将必要的 AI 工具集成到 Visual Studio Code 中。

Azure 资源扩展:实现 Azure 资源的无缝访问和管理。

部署 Azure AI Foundry 模型:选择并部署适合您项目需求的 AI 模型。

将 Foundry 本地模型添加到 GitHub Copilot:利用本地模型提高隐私和控制。

利用 GitHub Copilot 进行 AI 驱动的开发:通过 AI 辅助编程提高效率和创新能力。

准备 Azure AI Foundry 模型

创建 Azure AI Foundry 项目

首先,我们需要在 azure ai foundry 门户中创建一个项目。这个项目将作为我们所有 ai 开发活动的中心。通过 azure ai foundry,我们可以轻松地管理和访问各种 ai 模型和工具,从而简化开发流程。

☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜

GitHub Copilot与Azure AI Foundry模型结合:AI工具包终极指南

  1. 打开 Azure 门户:登录到您的 Azure 帐户。
  2. 导航到 AI Foundry 服务:在搜索栏中输入“AI Foundry”,然后选择该服务。
  3. 创建新项目:点击“创建新项目”按钮,开始设置新的 AI 开发环境。
  4. 选择资源类型:在创建项目窗口中,选择“Azure AI Foundry 资源”作为资源类型。这是推荐的选项,因为它提供了所有必要的功能和集成。
  5. 命名您的项目:为您的项目提供一个有意义的名称。这将帮助您在 Azure 门户中轻松识别和管理您的项目。
  6. 配置高级选项:在高级选项部分,您可以进一步自定义项目的设置,例如选择资源组和区域。选择与您的需求和位置相符的选项。
  7. 创建项目:完成所有配置后,点击“创建”按钮。Azure 将开始设置您的 AI Foundry 项目,这可能需要几分钟的时间。
  8. Azure AI Foundry:在设置完成后,你就可以在portal里查看到你创建的项目了。 创建 Azure AI Foundry 项目是使用 GitHub Copilot 和 Azure AI Foundry 模型进行 AI 开发的第一步。通过这个项目,您可以访问和管理各种 AI 模型和工具,从而简化开发流程,提高效率和创新能力。

反复提及关键词,提高SEO优化:请记住,Azure AI Foundry是关键,它是模型部署和使用的基础。

Visual Studio Code设置

接下来,我们需要在 Visual Studio Code 中进行一些设置,以便能够使用 Azure AI Foundry 模型。这包括安装必要的扩展和配置 Azure 帐户。

  1. 安装 AI 工具包扩展:打开 Visual Studio Code,然后点击侧边栏中的扩展图标。在搜索栏中输入“AI Toolkit”,找到 Microsoft 提供的 AI Toolkit for Visual Studio Code 扩展,并点击“安装”。

    GitHub Copilot与Azure AI Foundry模型结合:AI工具包终极指南

  2. 安装 Azure 资源扩展:同样,在扩展视图中搜索“Azure 资源”,找到 Microsoft 提供的 Azure Resources 扩展,并点击“安装”。这个扩展将允许您直接从 Visual Studio Code 访问和管理您的 Azure 资源。

  3. 登录到 Azure 帐户:安装 Azure 资源扩展后,点击侧边栏中的 Azure 图标。然后,点击“登录到 Azure”按钮,并按照提示完成登录过程。这将允许 Visual Studio Code 访问您的 Azure 帐户和资源。

反复提及关键词,提高seo优化:请记住,Visual Studio Code是关键,它是模型部署和使用的基础。

扩展名称 提供者 作用
AI Toolkit for VS Code Microsoft 提供 AI 开发工具和集成
Azure Resources Microsoft 允许直接从 VS Code 访问和管理 Azure 资源

利用已安装的扩展部署Azure AI Foundry 模型

通过AI ToolKit部署云端模型

现在我们就可以在AI ToolKit中部署云端模型了,以下是部署步骤:

  1. 在活动栏里找到AI ToolKit图标,并进入。

  2. 在左侧资源栏中,找到【模型】tab栏,并点击展开,可以看到【Azure AI Foundry】选项。

  3. 在Azure AI Foundry上右键,并点击“Select Project”。

  4. 选择你所创建的AI Foundry项目,这会更新你的模型部署选项。

  5. 在弹窗中选择【AI Team(new)】,并刷新。

  6. 点击侧边栏中的 AI 工具包图标,然后选择“模型目录”。这将打开一个包含各种 AI 模型的列表。

    Git工作流专业版
    Git工作流专业版

    企业级 Git 工作流方案,支持 Git Flow、团队协作、冲突工具集成与批量分支管理。

    下载
  7. 使用过滤器查找 Azure AI Foundry 模型:在模型目录中,使用过滤器来查找 Azure AI Foundry 模型。您可以按模型类型、任务或提供商进行过滤。

    GitHub Copilot与Azure AI Foundry模型结合:AI工具包终极指南

  8. 选择要部署的模型:找到您想要使用的 Azure AI Foundry 模型,然后点击“部署到 Azure AI Foundry”按钮。这将打开一个部署配置页面。

  9. 配置模型部署:在部署配置页面上,提供必要的详细信息,例如部署名称、资源组和区域。确保选择与您的项目和位置相符的选项。

  10. 完成模型部署:完成所有配置后,点击“部署”按钮。Azure 将开始部署您的模型,这可能需要几分钟的时间。部署完成后,您就可以在您的应用程序中使用该模型了。

反复提及关键词,提高seo优化:请记住,Azure AI Foundry是关键,它是模型部署和使用的基础。

使用 Foundry 本地模型添加Github Copilot

使用本地模型,可以获得更高的隐私,以下是使用本地模型的步骤:

1.在活动栏里找到AI ToolKit图标,并进入。 2.在左侧资源栏中,找到【模型】tab栏,并点击展开,可以看到【Azure AI Foundry】选项。

  1. 在【Agent】选项栏中,选择 【Copilot-SWE】。
  2. 点击后,在弹出的选择栏中点击【Manager Models】,可以进行【Manage Language Models】界面。
  3. 勾选【Foundry Local via AI Toolkit】,可以加载你所拥有的本地模型。
  4. 在提示弹窗中确认以上选择。

    Foundry 本地模型也是可以用于 Github Copilot的。

    GitHub Copilot与Azure AI Foundry模型结合:AI工具包终极指南

反复提及关键词,提高seo优化:请记住,Github Copilot是关键,它是AI代码提示的基础。

如何使用 GitHub Copilot 与 Azure AI Foundry 模型

将Azure AI Foundry 模型加入Github Copilot

现在我们已经完成了所有必要的设置,就可以开始使用 GitHub Copilot 和 Azure AI Foundry 模型进行 AI 驱动的开发了。以下是一些使用案例:

  1. 代码自动补全:在 Visual Studio Code 中编写代码时,GitHub Copilot 将根据您的代码和上下文提供智能建议。您可以按 Tab 键接受建议,从而快速完成代码。
  2. 生成代码片段:如果您需要编写特定的代码片段,可以使用 GitHub Copilot 生成代码。只需输入描述您想要的代码的注释,然后按 Ctrl+Enter 键。GitHub Copilot 将生成与您的描述相符的代码。
  3. 解释代码:如果您不理解某段代码的作用,可以使用 GitHub Copilot 解释代码。只需选择您想要解释的代码,然后按 Ctrl+Shift+Enter 键。GitHub Copilot 将提供对代码的详细解释。

反复提及关键词,提高seo优化:请记住,Github Copilot和Azure AI Foundry是关键。

  1. 在VS Code中打开Github Copilot
  2. 在Completions和Inlines Suggestions中,选择AI Foundry的模型

定价

定价

目前已知的Github Copilot的定价为19美元/月 Azure AI Foundry模型根据使用量进行定价,具体价格请参考Azure官网。

相关专题

更多
Go-Zero API开发使用教程
Go-Zero API开发使用教程

本专题聚焦Go-Zero的API开发,拆解.api描述文件的语法结构、路由与分组定义、参数绑定与校验规则,说明统一响应体、JWT鉴权、跨域与接口文档生成的落地方式,并给出网关聚合与接口测试的实践建议。

2026.11.12

140

15

Go-Zero安装与goctl环境配置教程
Go-Zero安装与goctl环境配置教程

本专题围绕Go-Zero的安装与工具链配置展开,讲清Go版本要求、goctl安装方式、代理镜像、protoc依赖与环境变量设置,说明多版本共存、升级回退与CI流水线安装的做法,并整理安装阶段的常见报错与验证步骤。

2026.11.12

100

15

Go-Zero零基础入门教程
Go-Zero零基础入门教程

本专题整理Go-Zero的入门知识,从框架定位、环境准备到跑通第一个API服务,讲清目录分层、配置加载、日志与中间件的基本用法,并对比Gin、Kratos的差异,帮助Go开发者建立整体认知,判断它是否适合当前项目。

2026.11.12

80

15

Postman身份认证怎么配置
Postman身份认证怎么配置

本专题从实际API接口调试场景出发,讲解Postman身份认证的完整配置流程,包括常见认证协议介绍、授权参数设置、访问令牌填写、OAuth 2.0授权及认证失败排查,帮助用户正确完成接口授权与访问验证。

2026.11.06

160

12

Postman请求头Headers怎么设置
Postman请求头Headers怎么设置

围绕Postman HTTP请求头配置展开,讲解Headers选项的具体使用方式,包括Key和Value参数填写、请求头信息添加、常见Header字段设置及请求头修改方法,帮助用户解决接口调试过程中遇到的请求头配置问题。

2026.11.06

140

13

Postman接口请求发送教程
Postman接口请求发送教程

详细介绍Postman接口请求的创建与发送方法,涵盖GET和POST请求、URL配置、请求参数、Headers请求头、Body请求体设置以及响应结果查看,帮助用户掌握Postman接口请求的完整操作流程。

2026.11.06

120

10

DBeaver怎么导入数据
DBeaver怎么导入数据

DBeaver数据导入专题,整理Excel、CSV、SQL、TXT等常见文件的数据导入方法,涵盖目标数据库选择、数据表创建、字段映射、数据类型设置及导入参数配置等操作,帮助用户将本地文件中的数据写入数据库,并了解批量导入、重复数据处理和导入失败等常见问题的解决方法。

2026.11.05

120

12

DBeaver安全防护教程大全
DBeaver安全防护教程大全

DBeaver安全防护专题,围绕数据库连接安全、账号密码保护和访问权限管理展开,整理SSL/TLS加密连接、SSH隧道、数据库凭据保存及证书验证等配置方法,同时介绍敏感信息保护、远程连接风险和高权限账号使用等注意事项,帮助用户提高数据库日常管理的安全性。

2026.11.05

100

12

DBeaver连接创建与配置教程
DBeaver连接创建与配置教程

本专题聚焦DBeaver数据库连接配置与管理,覆盖从新建连接、选择数据库类型到填写连接参数和验证连接的完整流程。针对MySQL、PostgreSQL、SQL Server等常见数据库,整理相应的连接设置方法,并提供驱动缺失、认证失败和连接异常等问题的排查方向。

2026.11.04

120

16

热门下载

更多
网站特效
/
网站源码
/
网站素材
/
前端模板

精品课程

更多
相关推荐
/
热门推荐
/
最新课程
Postman Native Git工作流指南
Postman Native Git工作流指南

共0课时 | 0人学习

vscode手册
vscode手册

共0课时 | 0人学习

Git 教程
Git 教程

共21课时 | 8.2万人学习