自從 OpenAI 推出了 ChatGPT 之後，整個 AI 又火熱了起來，大家看到了更多的應用和創意紛紛冒了出來，而微軟也在 Azure 上推出了 Azure OpenAI Service 讓我們可以建立自己的 OpenAI 服務，就在 OpenAI 開放 ChatGPT API 之後，微軟也終於在前陣子也正式公告把 ChatGPT 模型加入 Azure OpenAI Service 裡面，讓我們可以用這一個更強大的模型來建立相關的應用了，接下來會針對 Azure OpenAI Service 把研究和使用的心得陸續寫成系列文章，本文為導覽頁面，方便後續找尋文章。
在使用雲端服務上，雖然服務的開關變的很容易，但是在收到帳單之後就得開始面對成本管理這一個議題，而這個議題可以包含許多的面向，未來將針對這些面向整理一系列的文章，本文先針對基本的成本管理作簡單的說明，以及做為所引用的頁面。
因為需要讓使用者可以自行執行和察看 App Service 上的 WebJob 的狀態，但是又不希望還需要另外開 Azure Portal 權限給使用者，因此會需要可以透過程式來控制 WebJob，找了一下發現 Kudu 是有提供 API 的，因此就透過 API 實做出類似 Kudu 後台的 WebJob 管理介面，在這一個管理平台上可以同時管理多組 App Service 站台底下的 WebJob，後面就來說明該如何設定和使用這一個平台。
在使用 GitHub Copilot 的情境中，我們可以透過它來幫助我們做 Code Review，而前陣子的更新讓這個情境變的更加好用跟方便，後面就來介紹如何更方便的透過 GitHub Copilot 來做 Code Review。
在使用生成式 AI 來提供程式碼建議的時候會希望產出的程式碼建議會符合自己或是團隊的 Code Style，或是可以在協助做 Code Review 的時候可以幫忙檢查出不符合 Code Style 的程式碼，最近 GitHib Copilot 更新了一個實驗性的功能，可以讓我們方便設定自定義的提示詞，讓 AI 在回覆的時候更符合我們的需求，後面就來說明該如何設定。
前幾個禮拜 ChatGPT 推出了 Advanced Voice Mode，讓我們可以透過更自然的對話方式來跟 ChatGPT 詢問問題，而後續也推出了對應的 Readtime Api ，可以讓我們透過程式來建置出屬於自己的 Realtime 的應用程式，而在 Azure 上面當然也提供了這個模型，一樣來測試看看吧。
現在生成式 AI 發展越來越快，也越來越多開發人員使用來產生程式碼的建議，但是對於企業來說除了考慮程式碼會不會被拿出去訓練之外的問題，就是要確保產生的程式碼是否有使用到公開的程式碼，有使用的話又是哪種授權，避免一不小心就產生的著作權的問題，本文就來介紹使用 GitHub Copilot 的時候該如何判斷，以及透過 Azure AI Content Safety 來判斷非 GitHub Copilot 產生的程式碼如何判斷是否有用到公開程式碼。
OpenAI 陸續推出了 GPT4o 和 GPT4o-mimi 這兩個新的多模態模型，所謂多模態模型指的是這個模型可以同時處理文字和圖片的需求，過去在 Azure 上面會需要使用 GPT-4 Turbo with Vision 這個模型，透過結合 Azure AI Vision 來辨識圖片，現在新的多模態模型就不需要再透過額外的 Azure AI Vision 就可以支援了，後面就來介紹透過新介面的 Azure OpenAI Studio 來部署和實做程式串接。
前陣子 OpenAI 正式推出官方的 C# Library ，之前介紹微軟推出的 Azure OpenAI client library for .NET 也把版號進到 2.0.0 了，這時候就會有疑問是不是 OpenAI 要出來取代微軟之前推出的，試了一下發現並非如此，而是兩個 Library 是相輔相成的，後面就簡單來介紹跟說明如何使用吧。
過去寫了一堆 Azure OpenAI Service 的系列文章，我們已經可以透過程式來客制化出聊天機器人，但是還是需要自行開發網站 UI 或是單純整合到現有程式系統內，如果要更快速的做出聊天機器人或是要整合到企業內部常用的通訊軟體像是 Slack、Teams 等，甚至是 Line 的話，我們可以透過 Azure 上面的 Azure AI Bot Service (原名 Azure Bot Service) 來快速的整合這些通訊軟體，而且還可以做出更多豐富的聊天機器人的畫面內容。
微軟前陣子公開預覽了 Logic App 中可以使用 Azure OpenAi 的連接器，讓我們可以透過這個連接器方便在 Logic 使用 Azure OpenAI，後面就來實做看看。
Assistants API 的第三篇就來介紹支援的工具和使用方法的實做範例，目前支援三個工具：程式碼解譯器 (Code Interpreter)、知識檢索 (Knowledge Retrieval)和函示呼叫 (Function calling)，未來有再支援新的工具也會再補充在此文裡。
繼上一篇基本介紹 Assistants API 和基本實做之後，本文針對 Assistants API 做更詳細的用法介紹和實做。
OpenAI 在 2023 年 11 月推出了 GPTs，讓使用者可以客制化自己的聊天助理，透過自定義的提示詞來設定 ChatGPT 的用途和功能並且可以串接自己或是第三方的 API 來讓自定義的 GPTs 可以完成更多模型無法直接完成的功能，而在推出 GPTs 的時候也推出了 Assistants API 讓開發者也可以客制畫出自己的聊天助理，透過這個 API 也可以讓我們更快速的來建立聊天助理，而不需要另外處理過往的聊天記錄，在過去要客制化自己的聊天助理，需要另外準備 DB 或是其它方式來儲存過往的聊天歷史對話，現在透過 Assistants API 就可以記錄在 OpenAI 上，透過 API 就可以存取對話的歷史聊天記錄，在 2024 年 2 月微軟也把這個 API 新增到 Azure 上了，後面就來介紹這個 API 並且實做。
介紹完保留跟節省方案之後，最大的問題就是該怎麼挑選跟購買才可以達到最大的效益，本文就針對兩個做比較並提供一些購買的建議。
介紹完保留項目 (Reservations)之後，就是要介紹後來才又推出的節省方案 (Savings Plan)，這也是一種可以節省成本的一種好方案，雖然它比保留的折扣率低，但是彈性卻更高，所以先來介紹一下基本概念和購買。
上一篇針對保留項目說明了如何購買、可購買的分類和查看套用狀態等做說明，接下來就介紹如何套用的邏輯，這會牽扯到如何購買和設定。
前面介紹了一些常見的服務計費挑選以及透過 Azure Advisor 來查看節省成本的建議，接下來就是透過購買保留項目來達到節省成本的操作，後面就來介紹保留項目有哪些項目以及如何套用以及一些實務上要注意的項目。
微軟近期逐漸把 AI 整合到各項產品，並且都掛上 Copilot 的名稱，當然不意外的在 Azure 上也是，就在前陣子也公布了 Microsoft Copilot for Azure 這項服務，但是也不意外的還在預覽階段，需要提出申請才可以使用，通過申請之後也稍微測試了一下，稍微整理一下體驗的心得，讓感興趣的朋友可以瞭解這產品究竟可以做到哪些事情。
