Microsoft AI Demo Studio
一站式 Microsoft AI 演示工作台
一个工作台，覆盖 Microsoft AI 全栈能力——实时语音、推理对话、图像生成、文档与知识接地、行业方案。所有能力都走真实后端；不可用时明确失败，不预置假结果。
进入实时接地演示→
或在下方按能力族浏览全部 37 个真实演示
15 个产品能力Speech / AI Foundry / Data & Knowledge
21 个能力场景8 横向 + 5 纵深 + 5 制造 + 2 营销 + 1 AI Skill
1 个 AI CodingIssue → Plan → Test → PR 的研发智能体闭环
37 个 AI 能力 · 一个演示工作台
这是面向客户现场演示的 Microsoft AI Demo Studio：从单个 Azure AI 能力，到端到端行业方案，再到 AI Coding Agent 研发闭环，都在同一个可讲解、可操作、可验证的工作台里。建议先按下面两条路径进入；真实调用不可用时会显式提示，不预置假结果。
这是什么平台客户演示入口，不是静态目录；每张卡片都能进入对应工作区。
推荐从哪开始先选一条演示路径，再进入能力族下的单项工作台。
如何进入工作区点产品族筛选，再点标签页；或直接点总览卡片跳转。
A
能力底座 · FoundationAzure AI 原子能力 —— 语音 / 推理生成 / 数据知识，行业场景的基石
16Speech · 语音
实时对话、合成、同传、转写、视频、数字人
AI Foundry
推理对话、Image2 图像生成、多模态视觉
Data & Knowledge
知识接地、实时联网、文档抽取、翻译分析、视频检索
B
行业场景 · Scenarios端到端真实跑通的业务方案 —— 横向通用 + 垂直行业 + 制造 IoT + 营销增长
23行业方案 Solutions
端到端横向场景，真实跑通
行业纵深 Industry
聚焦 Azure 的垂直行业端到端场景
制造 IoT · 企业 Agent
面向制造业的 IoT 视觉与端到端业务智能体
营销增长 Growth
出海营销的网红建联、广告创意与投放优化
C
研发生态 · Dev & Ecosystem把 AI 用起来的元能力 —— 研发闭环 + 技能资产/趋势 + 方案/云/模型对比
5AI Coding Agent
从 Issue 到 PR 的研发智能体闭环
AI Skill
技能封装与趋势 + 产品方案 / 云产品 / 模型 对比测试
㊴ AI Coding Agent Issue → Plan → Code → Test → PR
把 AI Coding 纳入主 Demo 的第 39 个能力入口：本页一站式呈现——先理解研发智能体方法论与受控闭环，再直接在下方 Studio 现场调用 gpt-5.4 生成流程模板。真实调用不可用时会按 45 秒超时诚实提示，不伪造执行结果。
调用服务Azure OpenAI · gpt-5.4AI Coding Studio · 实时 PAT 生成演示范围：流程编排示意，不写真实仓库
把 AI Coding 当成一套把研发工作「智能体化」的方法论，而不是「AI 帮你写几行代码」：人类负责意图与边界，编码智能体在受控闭环里完成从理解到交付的执行，质量门禁、CI 与人类问责照常。下面是这套方法论的三块骨架——核心闭环、四项原则、能力成熟度——理解后往下就能在本页 Studio 现场生成。
核心闭环 · The Agentic Loop
1
Perceive
感知
读 Issue、读仓库、理解上下文与约束
→
2
Plan
规划
拆成有序、可执行、可验证的步骤
→
3
Act
行动
沙箱内提议改动、调用工具
→
4
Observe
观察
跑测试、读结果、判断红绿
→
5
Converge
收敛
通过则开 PR；失败回到行动
↻ 失败即回到「行动」重新生成，循环迭代直到测试通过、形成可评审 PR——人类永远握有合并这一关。
四项原则 · 让闭环可治理
Intent-First
意图优先从任务 / Issue 出发，不要求先写完整方案。Observable
全程可观察每步有状态与证据，不把输出当事实。Human-in-the-Loop
人在回路关键节点人类审批并留痕。BYO Model
模型可换同一闭环换模型，Foundry 统一治理。能力成熟度 · 你在哪一级
L0MANUAL
手工编码全人工，AI 不参与。
L1ASSIST
智能补全Copilot 行内补全，人主导每一行。
L2CHAT
对话式编辑Chat / Edits 多文件改动，人确认后应用。
L3AGENT
任务级 Agent指派一个 Issue，Agent 跑完整闭环开 PR。
L4ORCH.
多 Agent 编排规划/编码/评审/测试多角色协作流水线。
企业级护栏 · Enterprise Guardrails
Sandbox
沙箱隔离行动只在隔离环境提议改动与调用工具，不直接触碰生产与真实仓库。Quality Gate
质量门禁 + CI测试、Lint、安全扫描全绿才进入可评审 PR；红灯则回到「行动」重试。Audit
人类审批 · 留痕合并权始终在人手里，每步意图、改动与结果可追溯、可问责。Foundry
Foundry 统一治理模型、密钥、配额与内容安全在 Azure 租户内集中管控，可换模型不破闭环。Agent Skill 商城 · 角色化编码智能体
点击「载入到 Studio」只会把该角色的流程提示词带到下方 Studio，不安装插件、不读取仓库；多个 Agent 可串成端到端流水线。（示例为研发提效场景，不使用敏感业务数据。）
AI Coding Studio · 用 Chat 现场构建 Process Agent
输入只描述任务不要粘贴客户代码或敏感业务数据。
PAT 是真实生成左侧调用 gpt-5.4；失败会在对话区显示原因。
Plan 是编排示意逐步生成预期产出，不写文件、不推仓库。
Moka · 元 Agent（gpt-5.4 on Azure）
PAT 模板 · 生成结果
在左侧描述一个流程，或从商城「载入」一个 PA 提示词；Moka 生成 PAT 后这里会显示 Metadata / Manifesto / Plan / IO。
PAT 与对话由 Azure OpenAI gpt-5.4 真实生成；「运行 Plan」为 PA→AA 编排示意（每步由 gpt-5.4 生成该原子操作的预期产出）。45 秒无响应会直接显示失败提示；仅承载演示流程，不连接真实生产系统、不写真实仓库。
① Realtime Voice Chat gpt-realtime-2 · WebRTC
点击麦克风开始对话。说英文或中文都可以,模型用 Microsoft 颜色亲和的 Teams 伙伴口吻回复。可以随时打断。
调用服务Azure AI Voice Live · gpt-realtime-2WebRTC 低延迟语音Azure OpenAI (foundry-aoai-swc)
对话字幕会实时出现在这里…
② Neural TTS Gallery DragonHD Omni · 14 voices
输入任意文本,选择音色一键合成。这是行业内目前最自然的中英 TTS 之一(DragonHD Omni Latest)。
调用服务Azure AI Speech · Neural TTSDragonHD Omni Latest · 14 音色
准备就绪 · 选一个音色试听
③ Live Interpret Suite Speech Translation · TTS · OpenAI Summary
调用服务Azure AI Speech · TranslationAzure AI Speech · Neural TTSAzure OpenAI · gpt‑5.4 摘要/术语
数据流 · 全程在 Microsoft Azure 租户内
麦克风
Speech SDK
Azure Speech
UI 字幕
Neural TTS
Azure OpenAI
— ms 端到端延迟
0 段已识别
0:00 累计时长
EN→ZH
使用建议:讲者带麦克风,听者带蓝牙耳机听译文。低延迟模式下译文会在讲者每个停顿处自动播报。
原文(讲者)
点击麦克风开始说话…
翻译(听者)
译文将实时出现在这里…
使用建议:把手机放在两人中间,按住自己一侧的话筒说话,松手后另一侧立即收到译文+朗读。适合展会/门店/出差遇到外宾的场景。
🇨🇳 我说 中文
按住下方按钮说话…
↔
🇺🇸 对方说 English
Press and hold to speak…
使用建议:整场会议常开。Azure Speech 流式转写 + Translator 双语对照,结束后 Azure OpenAI 一次性产出结构化纪要(决定/行动项/风险/术语表),一键保存到 Obsidian Vault。
双语逐句对照(实时)
开始录制后,双语对照会按句滚动…
AI 纪要 Azure OpenAI · gpt-5.4
Waiting for summary…
④ 实时字幕 Speech-to-Text
单语种实时识别,适合会议大屏字幕、直播 CC、课堂记录。
调用服务Azure AI Speech · Real-time STT流式单语种识别
待命中 · 点击「开始字幕」
字幕会实时出现在这里…
⑤ Transcript Lab Fast Transcription
上传 WAV 文件 → Azure Speech 转写 → Azure OpenAI 双语摘要 + 术语提取。
调用服务Azure AI Speech · Fast TranscriptionAzure OpenAI · gpt‑5.4 摘要/术语
待命中 · 选择 WAV 文件后开始
Transcript
等待上传…
Translation + Summary
等待转写后生成…
⑥ Video Translation Azure Video Translation · 真实 API
上传英文视频 → Azure Video Translation 自动配音 + 烧入字幕。生产 API 调用,异步处理 5-15 分钟/分钟视频。下方 3 个预烤样本可秒演前后效果。
调用服务Azure AI Video Translation自动配音 + 字幕烧入 (异步生产 API)
预烤样本 · 一键播放本地化效果
选择视频或点击预烤样本开始
⑦ Custom Voice · 品牌音色克隆 Personal & Pro Voice
录制或上传授权声纹样本,准备 Custom Neural Voice 申请资料;只有在该租户已完成授权、训练并部署 voice endpoint 后,才会用真实克隆音色合成。未配置时明确降级,不使用普通音色冒充。
调用服务Azure AI Speech · Custom Neural VoicePersonal & Professional VoiceSpeech Studio 训练 + voice endpoint 部署
第一步 · 采集声纹样本
朗读以下提示句(英文 10 秒即可):
"Welcome to Microsoft Azure AI Speech. With just a short sample, you can craft a brand voice that sounds uniquely yours."
"Welcome to Microsoft Azure AI Speech. With just a short sample, you can craft a brand voice that sounds uniquely yours."
或
第二步 · 校验合规与部署状态
等待样本…
样本已采集
需声纹授权
需 Speech Studio 训练
需部署 voice name
第三步 · 用已部署 Custom Neural Voice 合成
已在 Azure Speech Studio 部署后填写
当前租户未检测到可自动创建 Custom Neural Voice 的授权流程。本页只做真实接入位:填入已部署的 Custom Voice 名称后调用 Azure Speech TTS;未填时不播放占位音色。
⑧ Digital Human · 真人数字人 Azure TTS Avatar · Real-time WebRTC
真实驱动 Azure 官方数字人,WebRTC 流式输出到右侧视频窗。点 "连接" 拉起 Lisa,输入文字 → 真人立刻说话(2-3 秒响应)。适合 IVR / 电商直播 / 银行柜员 / 虚拟主持人。
调用服务Azure AI Speech · TTS AvatarReal-time WebRTC 数字人
⊕
Ava
💬 唇形驱动 · 国内首选 · 纯 HTTPS
Prebuilt AvatarLisa / Anna / Harry / Meg · 即开即用
Custom Avatar真人拍摄 5min · 训练专属形象
Realtime AvatarWebRTC 流式驱动 · 适配交互对话
🆕
Custom Photo Avatar Studio
Azure 官方流程 · aka.ms/customneural
诚实交付: Azure 不支持「上传任意照片→秒级生成」的纯自助路径。但您有 两个真实选项:
① 实时秒选 — 用上方 Photo Head 切换器,从 30 张 VASA-1 预训练真人头像挑一张,立刻说话(无需训练)。
② 专属定制 — 用下方流程上传您的照片,Microsoft 团队 3-7 天审核+训练完成后,在第 5 步用 character ID 调用,效果完全私有化。
① 实时秒选 — 用上方 Photo Head 切换器,从 30 张 VASA-1 预训练真人头像挑一张,立刻说话(无需训练)。
② 专属定制 — 用下方流程上传您的照片,Microsoft 团队 3-7 天审核+训练完成后,在第 5 步用 character ID 调用,效果完全私有化。
1 上传照片
2 自动质检
3 录制同意视频
4 打包提交
5 调用已训练形象
① 照片(肩部以上 · 正脸 · 自然光)
拖拽照片到这里 或 点击选择
PNG / JPG · 推荐 ≥ 1024×1024 · < 8 MB
○ 已上传照片
○ 文件大小 < 8 MB
○ 分辨率 ≥ 1024 px
○ 检测到 1 张正脸
○ 构图 ≈ 肩部以上(头部占比合理)
💡 选好照片后会自动跑 5 项官方质检 — 仅在浏览器本地完成,不会上传
③ 同意视频(仅真人照片需要)
④ 打包并提交给 Microsoft
先完成左侧 1-3 步,然后生成提交包
真实交付时间线: 提交 → MSFT 团队审核(1-3 工作日) → 训练+部署到您的 Foundry resource(3-7 天) → 拿到 character ID → 在第 5 步实时调用
立即演示 · 让我的照片现在就说话 国内可用 · 0 等待
无需等待 3-7 天! 用照片 + Azure TTS viseme(22 种口型实时数据)驱动嘴形动画,
2 秒内开始说话。100% HTTPS,国内必通。视觉效果约 80% 接近真 Custom Photo Avatar,适合现场客户演示。
先上传左侧照片
⑤ 调用已训练好的 Photo Avatar
输入 character ID 后,会用现有 Real-time Avatar 通道连接您的专属数字人 — 整条链路和 Lisa 完全相同。
没有 character ID? Microsoft 团队部署完后会发邮件告诉您,通常是您选定的 ID 字符串。
没有 character ID? Microsoft 团队部署完后会发邮件告诉您,通常是您选定的 ID 字符串。
⑨ GPT‑5 Solution Design Chain Azure AI Foundry · gpt‑5.4
把客户的一句话需求,现场推成可讲、可交付、可跟进的 Microsoft AI 方案。多轮对话 · 角色预设 · 强推理。每一条回复都来自实时 Azure OpenAI 调用,无任何模拟数据。
调用服务Azure OpenAI · gpt‑5.4 (foundry-aoai-swc)可切 gpt‑5.4‑pro / model‑router / DeepSeek / KimiMicrosoft AI · Phi‑4 / mini / mini‑reasoning / multimodal (新)
GPT‑5 Solution Design Chain客户一句话 → 方案架构 → 效果衡量 → Follow-up · 全程实时 Azure OpenAI
角色预设 / System Prompt
方案设计顾问 · 把客户需求拆成可落地的 Microsoft AI 设计链路。
▣
从客户一句话开始设计
按上方 4 步链路推进,或选择一个现场示例。
准备就绪 · gpt‑5.4 on Azure
⑩ Image Generation Azure Foundry · gpt-image-2 / Image2
输入提示词，在 Microsoft 自有 Azure 租户内用 Foundry Image2 生成营销级图像。支持 gpt-image-2 / gpt-image-15 / MAI Image / FLUX 切换；真实后端不可用时显式报错，不展示伪造图像。
调用服务Azure Foundry · gpt-image-2 (Image2)真实 /api/ai/image 出图gpt-image-15 · MAI Image · FLUX 可切换
默认模型优先使用 Azure Foundry gpt-image-2；其它预览模型不可用时按后端真实回退标注。
演示方式输入提示词或选择灵感，一键生成，不预置假图。
推荐路径生成主视觉后继续进入 Vision 或出海内容工作室讲完整闭环。
灵感 Inspiration · 点击填入
准备就绪 · 输入提示词后点击生成
能力对比 · 同一提示词同时请求 Azure OpenAI gpt-image 与 Microsoft AI (MAI) Image，并排展示出图、延迟与实际服务模型。MAI 预览 REST 暂不可用时后端自动回退 gpt-image，并诚实标注。
⑪ Vision / Multimodal Azure OpenAI Vision · Content Safety
上传任意图片,用自然语言做视觉理解,并同步调用 Azure AI Content Safety 做图像安全审核。已配置多模态模型时实时回答;未配置 Content Safety 时明确降级,不生成模拟审核结果。
调用服务Azure OpenAI · gpt‑5.4 多模态视觉Azure AI Content Safety · 图像审核
端到端架构 · 多模态视觉理解 + 安全图像 → 多模态理解 ∥ 内容安全审核 → 结构化结果
上传图像
并行
gpt‑5.4 多模态理解
安全审核
Azure AI Content Safety
合并
结构化结果
视觉理解走线上多模态部署 · 安全审核走真实 Content Safety · 缺凭据时显式未启用不伪造
离线演示:无内置图库,请拖入您自己的图片(产品照、文档截图、安全现场等)。
没有图片？试一张
提问 / Ask the image
准备就绪 · 先上传一张图片
图像安全审核 Azure AI Content Safety
模型回答
⑫ RAG · 知识问答 Knowledge Q&A Azure AI Search · Azure OpenAI 接地
企业级 GenAI 核心范式:检索增强生成(RAG)。先用 Azure AI Search 语义检索 从内置售后/客服知识库召回命中片段,再让 Azure OpenAI 仅依据这些片段作答,并在句末标注 [来源:标题] 引用。检索与回答均为真实 Azure 调用;未配置时明确降级、不用本地语料冒充。
调用服务Azure AI Search · 语义检索Azure OpenAI · gpt‑5.4 接地生成
端到端架构 · Retrieval-Augmented Generation问题 → 向量+语义召回真实文档 → 接地生成带引用的答案
用户问题
检索
Azure AI Search
命中片段
接地上下文 (chunks)
接地生成
Azure OpenAI · gpt‑5.4
未命中或未配置 Search 时显式阻断，不用写死语料冒充 · 答案可标注引用出处
示例问题 / Try one
1 命中知识片段 · Retrieved chunks top 3
2 接地回答 · Grounded answer 仅依据片段 + [来源] 引用
等待检索后生成…
准备就绪 · 真实 RAG 需要 Azure AI Search endpoint / index / 权限;未配置时只显示降级说明 · gpt‑5.4 on Azure
⑬ Document Intelligence Azure AI Document Intelligence · 真实抽取
上传一张合同 / 表单 / 名片 / 记录图片,选择文档类型,通过 Azure AI Document Intelligence prebuilt-layout / businessCard 模型返回结构化字段;未配置 endpoint/key 时明确降级,不生成模拟抽取。
调用服务Azure AI Document Intelligenceprebuilt 结构化抽取 (真实)
没有文档？试一张
预览 Preview
待命中 · 选择一张文档图片后点击「提取」
结构化结果 Structured fields
提取结果会以键值表格显示在这里…
Extracted fields will appear here.
Extracted fields will appear here.
⑭ Translator + Language Azure AI Translator · Azure AI Language
一段文本,两种能力:左侧 Azure AI Translator 做忠实翻译,再由 Azure OpenAI 做商务润色;右侧 Azure AI Language 做语种检测、情感、关键短语和实体分析。无配置时会明确降级,不展示预置结果。
调用服务Azure AI TranslatorAzure AI Language · 情感/实体/关键短语Azure OpenAI · gpt‑5.4 润色
翻译 Translation Azure AI Translator
准备就绪 · 选择目标语言后点击翻译
忠实直译 · Faithful
译文将显示在这里…
商务润色 · Business-polished
润色版将显示在这里…
文本分析 Language Azure AI Language
准备就绪 · 点击分析提取洞察
语种 Detected
—
情感 Sentiment
—
关键短语 Key phrases
—
实体 Entities
—
摘要 Summary
—
⑮ Web IQ · 实时网络接地 Grounding with Bing Search · gpt-5.4
把「实时网络接地」纳入主 Demo 的第 15 个能力入口：让模型在回答前先规划「该查哪些网络面、用什么检索词」，把开放网络变成可治理、可追溯的接地源。本页先讲清接地方法论与七个检索面，再在下方 Studio 用 gpt-5.4 现场生成一份检索计划。真实调用不可用时会按 45 秒超时诚实提示，绝不伪造检索结果。
调用服务Azure OpenAI · gpt-5.4Web IQ Studio · 实时检索计划生成演示范围：生成接地检索规划，不抓取真实网页
把「实时网络接地」当成一套让大模型回答可被时效与来源约束的方法论，而不是「直接把搜索结果贴给用户」：人类负责问题与边界，模型先把问题拆成可检索的子问题、选择合适的网络面，再让回答落在可追溯的证据上。下面是这套方法论的三块骨架——核心闭环、七个检索面、接地诚实边界——理解后往下就能在本页 Studio 现场生成检索计划。
核心闭环 · The Grounding Loop
1
Understand
理解
读用户问题，判断是否需要实时信息
→
2
Plan
规划
拆成子问题、选检索面、定检索词
→
3
Retrieve
检索
调 Bing 检索面取回时效证据
→
4
Ground
接地
回答只落在证据上，标注来源
→
5
Cite
引用
给出可追溯链接，证据不足则说明
↻ 证据不足或时效存疑就回到「规划」补检索——模型永远不替证据下结论，来源与时效始终可追溯。
七个检索面 · The Grounding Surfaces
Web · 综合网页通用事实、概念、长尾问题的主检索面
News · 新闻时讯突发事件、政策动态、近期报道
Images · 图片产品外观、地标、视觉参考
Videos · 视频教程、发布会、演示与解说
Places · 地点门店、营业时间、周边与导航
Finance · 财经股价、财报要点、市场行情
Sports · 体育赛程、比分、球队与选手战况
接地诚实边界 · 演示状态说明
输入只描述问题不要粘贴敏感业务数据；模型只规划「查什么」，不替你下结论。
计划是真实生成左侧调用 gpt-5.4 现场产出检索规划；失败会在对话区显示原因。
不伪造检索结果本页生成接地检索计划，不实时抓取网页、不编造链接与数字。
Web IQ Studio · 用 Chat 现场生成检索计划
Web IQ · 接地规划器（gpt-5.4 on Azure）
检索计划 · 生成结果
在左侧描述一个需要实时信息的问题；Web IQ 用 gpt-5.4 生成检索计划后，这里会按检索面显示选用理由与建议检索词。
检索计划与对话由 Azure OpenAI gpt-5.4 真实生成；本页只承载「该查哪些网络面、用什么检索词」的接地规划示意，不连接真实生产系统、不实时抓取网页、不编造检索结果。45 秒无响应会直接显示失败提示。
⑯ 视频内容检索 Content Understanding · Data & Knowledge
把一段长视频（会议录像 / 监控 / 培训课 / 直播回放）变成可按自然语言检索的知识：自动分镜、抽取画面与语音内容、生成带时间戳的语义索引，再用一句话定位「第几分钟发生了什么」。理解走 Azure AI Content Understanding（视频多模态抽取），语义检索与问答走 Azure OpenAI gpt‑5 + AI Search。演示用途，不建真实视频索引。
调用服务Azure AI Content UnderstandingAzure AI Search · 向量Azure OpenAI · gpt‑5
端到端架构 · 视频检索视频 → 分镜 + 多模态抽取 → 带时间戳语义索引 → 自然语言检索定位
输入视频
抽取
Content Understanding
索引
AI Search 向量索引
检索
gpt‑5 语义定位
多模态抽取走真实 Content Understanding · 检索走真实向量索引 + gpt‑5 · 不编造未出现的画面或台词
单条视频处理成本测算 · 1 小时视频（USD）公开参考价 · 海外场景 · 实际以 Azure 定价为准
计价基准Content Understanding 视频 ≈$0.15 / 分钟AI Search 向量按存储/查询摊薄gpt‑5 $2.5 in / $10 out（每百万 token）
视频多模态抽取Content Understanding · 60 分钟（一次性）$0.15/min × 60 min$9.00
向量索引构建AI Search · 约 600 片段索引存储分摊$0.30
单次检索问答gpt‑5 · 4K in + 0.5K out4K×$2.5/M + 0.5K×$10/M$0.015
AI 建索引合计≈ $9.3/ 小时视频（一次性）建好后每次检索仅 $0.015/次
🤖 AI 检索$0.015建索引后秒级定位任意片段
👤 人工翻看$20$20/小时 × 逐帧翻看 1 小时录像
📈 ROI检索 1300×+一次建索引 $9.3，可被无限次秒级检索
人工成本测算：海外分析员 $20/小时，逐帧翻看 1 小时录像找一个片段约需 1 小时 → $20/次。AI 建索引一次性 $9.3，之后每次检索仅 $0.015，10 次检索即回本，第 100 次几乎零成本。可只对关键时段抽取以降本。
现场跑一跑 · 描述一段视频并提问，实时调用 Azure OpenAI 生成带时间戳的检索结果
输出将在此显示 · 可抽取维度 / 带时间戳片段 / 直接回答（演示，不基于真实视频）。
⑰ 智能联络中心 Copilot 客服 / 零售 · Solution
把一条客户来信,推进为「意图 + 紧急度 → 情绪 + PII/安全 → Azure AI Search 接地话术 → 下一步动作」。生成由实时 Azure OpenAI(gpt‑5.4)完成,接地与合规状态来自真实 Azure 原生服务,未配置时明确阻断或降级。
调用服务Azure OpenAI · gpt‑5.4Azure AI Language · PIIAzure AI Content SafetyAzure AI Search · RAG
端到端架构 · Contact Center Copilot一条来信流经「理解 → 合规 → 接地 → 生成」四段真实 Azure 服务链路
客户来信
意图+情绪
Azure AI Language
安全闸门
Azure AI Content Safety
知识接地
Azure AI Search → gpt‑5.4
PII 命中即就地脱敏 · 接地话术引用知识库出处 · 工单与处置结果可写回 Dynamics 365 / Cosmos DB
客户来信 / Inbound message 已预置示例
1
意图与紧急度识别
待运行
gpt‑5.4 · JSON 结构化抽取 · intent / product / urgency / language
2
情绪分析
待运行
gpt‑5.4 · 情绪标签 / 强度评分 / Azure AI Language PII / Content Safety
3
知识接地话术草稿
待运行
gpt‑5.4 · 仅依据 Azure AI Search 命中片段生成,无内置 KB 兜底
4
下一步动作建议
待运行
gpt‑5.4 · 建议动作 / 是否转人工 / 工单标题
准备就绪 · 将检查 Azure OpenAI、Search、Language PII 与 Content Safety
⑱ 跨境出海内容工作室 消费电子 / DTC 出海 · Solution
一份产品 Brief → 几分钟内产出可上市的卖点提炼 + 多市场本地化营销文案(创译)+ 本地化主视觉。把"翻译成多语言"升级为面向不同市场的transcreation 创译,让一支团队覆盖美 / 日 / 德三大市场。全流程由 Azure AI Foundry 实时生成。
调用服务Azure OpenAI · gpt‑5.4Azure AI TranslatorAzure OpenAI · gpt-image
端到端架构 · Global Commerce Content Studio产品输入 → 多市场文案 + 主视觉 → 内容安全审核 → 多语言本地化上架
产品 / 卖点输入
生成
gpt‑5.4 文案 ∥ gpt‑image 主视觉
安全闸门
Azure AI Content Safety
本地化
多语言上架内容
文本与图像均过真实 Content Safety 审核 · 未配置时显式标注未启用，不伪造审核结果
1
卖点提炼 · Positioning
ai/chat · gpt-5.4 · JSON
待运行
从产品 Brief 提取核心卖点、目标人群与一句话定位。
2
多市场文案创译 · Transcreation
ai/chat · gpt-5.4 · JSON · 🇺🇸 EN / 🇯🇵 JA / 🇩🇪 DE
待运行
面向美 / 日 / 德三大市场生成本地化营销文案(非直译,而是符合当地文化的创译)。
3
本地化主视觉 · Hero Visual
ai/image · gpt-image-15 · 1536×1024 · 约 10–40s
待运行
根据第 1 步的定位自动生成英文图像提示词,合成一张可用于电商首图 / 落地页的产品主视觉。
准备就绪 · 点击"运行场景"开始
⑲ 智能文档处理与合规 金融 / 保险 / 法务 · Solution
上传一张合同 / 表单图片,自动完成「Document Intelligence 结构化抽取 → OpenAI 合规一致性校验 → 风险评估与审计摘要」三段式流水线;抽取阶段必须来自真实 Azure AI Document Intelligence,未配置时明确停止。
调用服务Azure AI Document IntelligenceAzure OpenAI · gpt‑5.4Azure AI Content Safety
端到端架构 · Document Intelligence Pipeline合同/表单图片经「结构化抽取 → 合规校验 → 风险与审计摘要」三段真实 Azure 服务
输入文档
OCR+版面
Azure AI Document Intelligence
有害闸门
Azure AI Content Safety
一致性校验
Azure OpenAI gpt‑5.4
抽取必须来自真实 Document Intelligence，未配置即停止 · 抽取结果与审计摘要可落 Azure Storage / Cosmos DB 供合规留痕
单份文档处理成本测算 · 10 页合同（USD）公开参考价 · 海外场景 · 实际以 Azure 定价为准
计价基准Document Intelligence $0.01 / 页gpt‑5.4 $2.5 in / $10 out（每百万 token）Content Safety $1.5 / 千图
版面 + 字段抽取Azure AI Document Intelligence · 预构建模型 · 10 页$0.01/页 × 10$0.10
合规校验 + 风险摘要gpt‑5.4 · 4K in + 1K out4K×$2.5/M + 1K×$10/M$0.02
图像安全审核Azure AI Content Safety · 10 页$1.5 / 1,000 图 × 10$0.015
AI 单份合计≈ $0.13/ 份（10 页）= 抽取 $0.10 + 校验 $0.02 + 审核 $0.01
🤖 AI 单份$0.13约 30 秒抽取 + 校验，全字段不漏
👤 人工单份$5.00合规专员 $25/小时 × 约 12 分钟/份
📈 ROI约 1/38 成本且秒级、可追溯、不疲劳漏审
人工日成本测算：海外合规/录入专员约 $25/小时，逐份阅读核对 10 页合同约 12 分钟 → $5/份。AI $0.13/份，1 万份/月仅 ≈ $1,300（替代 ~10 名专员 ≈ $40,000/月）。Document Intelligence 按页计费，批量配额可下探。
请上传合同 / 表单图片(协议、登记表、检查记录等)后点击「运行场景」。
输入文档 Input document
1
待运行
结构化字段抽取
Azure AI Document Intelligence · Structured extraction
从文档图片抽取主体、文档编号、日期、条款要点、项目明细等字段。
2
待运行
合规与一致性校验
GPT-5.4-mini 推理 · Compliance checks
基于抽取结果校验条款一致性、项目完整性、关键字段缺失与日期合理性。
3
待运行
风险评估与审计摘要
GPT-5.4-mini 推理 · Risk & summary
输出风险等级、风险点清单与一段话审计摘要。
准备就绪 · 上传文档图片后运行
⑳ 企业知识 Copilot · Enterprise Knowledge Copilot IT · HR · Sales · Solution
员工用自然语言提问,系统先在企业自有知识库里做真实检索,再让 Azure OpenAI 只依据命中片段作答并标注 [来源:标题],最后把同一答案多语种交付给全球员工 —— 不臆造、可溯源、全员可用。检索为真实客户端语义打分,回答与翻译均为实时 Azure OpenAI 调用。
调用服务Azure AI Search · 语义检索Azure OpenAI · gpt‑5.4Azure AI Translator
端到端架构 · Enterprise Knowledge Copilot员工提问 → 企业知识库语义检索 → 接地生成 → 引用出处
员工提问
语义检索
Azure AI Search
知识接地
Azure OpenAI · gpt‑5.4
可追溯
引用 + 下一步
仅基于检索命中的真实知识生成 · 未命中即声明不杜撰 · 出处可点击溯源
Azure AI Search / 演示语料 · 0 条 Contoso 内部政策/产品事实
示例问题 / Try one
1
语义检索 · Retrieval
待运行
运行后显示 Top-3 命中片段与匹配分数…
2
接地回答 · Grounded answer
待运行
等待检索后生成接地回答…
3
多语种交付 · Multilingual delivery
待运行
接地回答完成后,本地化为 English / 日本語…
准备就绪 · 企业知识 Copilot 需要 Azure AI Search endpoint / index / 权限;未配置时只显示降级说明 · 回答&翻译 gpt‑5.4 on Azure
㉑ 视觉质检 · Visual Quality Inspection 制造 / 消费电子 / 零售 · Solution
拍一张产品 / 包装 / 货架照片,AI 质检员即返回结构化通过/不通过报告 —— 外观缺陷、包装与标签合规、并给出放行 / 返工 / 隔离 / 报废处置建议,增强甚至替代人工 QC。全流程由 Azure AI Foundry 实时多模态推理,无任何模拟数据。
调用服务Azure OpenAI · gpt‑5.4 多模态Azure AI Content Safety
端到端架构 · Visual Quality Control产线图像 → 多模态缺陷判定 → 图像安全审核 → 质检报告/告警
产线图像
多模态判定
Azure OpenAI · gpt‑5.4 Vision
安全审核
Azure AI Content Safety
结论
质检报告 + 告警
缺陷判定基于真实多模态模型 · 图像安全过真实 Content Safety · 缺凭据时显式未启用
单张质检成本测算（USD）公开参考价 · 海外场景 · 实际以 Azure 定价为准
计价基准gpt‑5.4 多模态 $2.5 in / $10 out（每百万 token）Content Safety $1.5 / 千图
多模态视觉判定Azure OpenAI gpt‑5.4 · 1 图≈1.4K in + 0.4K out1.4K×$2.5/M + 0.4K×$10/M$0.0075
图像安全审核Azure AI Content Safety · 1 图$1.5 / 1,000 图$0.0015
AI 单张合计≈ $0.009/ 张= 视觉判定 $0.0075 + 安全审核 $0.0015
🤖 AI 单张$0.009秒级判定，7×24 不漏检不疲劳
👤 人工单张$0.067质检员 $160/天 ÷ 约 2,400 张/天
📈 ROI约 1/7 成本且不漏检、可全检（人工常抽检）
人工日成本测算：海外质检员约 $20/小时 × 8 小时 ≈ $160/天，一天约目检 2,400 张（约 12 秒/张）→ $0.067/张。AI $0.009/张，1 万张/天仅 ≈ $90（无需 ~4 名质检员 ≈ $640/天），且 100% 全检而非抽检。单图 token 视分辨率浮动。
质检方案 · Inspection Profile
1
视觉检测 · Visual Inspection
ai/chat · gpt-5.4 · 多模态(image_url)· JSON
待运行
按所选方案的检测标准识别物体、观察要点与缺陷,输出结构化缺陷清单。
2
合规判定 · Compliance Verdict
ai/chat · gpt-5.4 · JSON
待运行
基于第 1 步的检测结果,给出通过 / 有条件通过 / 不通过的判定与置信度。
3
处置建议 · Disposition
ai/chat · gpt-5.4 · JSON
待运行
给出放行 / 返工 / 隔离 / 报废处置、后续动作与一段话质检结论。
准备就绪 · 上传一张待检图片并点击"运行场景"
㉒ Azure 数据智能体 数据分析 · Solution
场景：FinOps / 云治理团队不写代码、用自然语言问"我的云资产态势"——大模型把问题翻译成 KQL，对真实 Azure 资源即时查询并出图。这套 NL→KQL→实时查询与 Microsoft Fabric Real-Time Intelligence（Eventhouse / KQL）同源：今天演示查 Azure 资源，明天把同一契约指向 Fabric 业务数据（IoT 遥测、销售实时流、日志）即可问"业务数据"。默认走 Azure Resource Graph（托管只读、零配置），也可切 Kusto/Fabric RTI 或通用 HTTPS 数据 API。未连真实端点时只诚实降级，不编样例。（演示维度均为资源态势/分布/合规等非金钱口径。）
调用服务Azure Resource Graph (KQL · 托管只读)Azure Data Explorer / Microsoft Fabric RTIAzure OpenAI · gpt‑5.4 (foundry-aoai-swc)
端到端架构 · Real-Time Data Agent自然语言问数据 → 大模型生成 KQL → 实时查询真实 Azure 数据 → 结构化洞察
自然语言提问
NL→KQL
Azure OpenAI · gpt‑5.4
执行查询
Azure Resource Graph · KQL
结果可视化
结构化数据行 + 图表
KQL 与 Microsoft Fabric Real-Time Intelligence 同源 · 查询真实 Azure 资源(非样例) · 同样契约可指向 Fabric Eventhouse / ADX 业务数据
体验模式
默认通过 Azure Resource Graph 托管连接（Function 托管标识已授 Reader），打开页面即可查询订阅下真实资源。也可切换为 Kusto / Fabric RTI 或通用 HTTPS 数据 API，并填入真实 endpoint 与 Bearer token。未连接时不会用样例数据兜底。
数据端点 · 默认 Azure Resource Graph (托管只读)
连接中 · Azure Resource Graph
页面默认以 arg 模式自动调用 /api/data/query，后端用 Function 托管标识（已授 Reader）请求 Azure Resource Graph。如需其他端点，可填写 endpoint/token 后点击「探测」；仍未配置时只显示降级原因，不生成样例结果。
数据查询 / Ask your data 需真实端点
1
理解意图并生成查询
待运行
真实端点执行计划 · 不使用内置 schema 生成未验证查询
2
执行查询
待运行
真实远端查询 · /api/data/query → HTTPS endpoint,返回行渲染为表格与图表
3
生成洞察
待运行
gpt‑5.4 · 仅基于真实计算结果生成中文业务洞察(趋势 / 头尾 / 异常 / 建议)
准备就绪 · 可使用后端托管凭据或临时 HTTPS KQL/数据 API endpoint;未配置时不生成样例结果
㉓ 智能数据脱敏与隐私合规 金融 / 医疗 / 政务 · Solution
把一段自由文本,一键变成「PII 实体识别 → 风险分级与合规 → 脱敏输出」。自动找出姓名、手机号、身份证、银行卡等个人敏感信息,按 GDPR / 中国 PIPL / HIPAA 风险分级,并生成可安全共享的脱敏版本。阶段 1 调用 Azure AI Language · PII 做实体识别,阶段 2/3 由 Azure OpenAI(gpt‑5.4)做风险分级与脱敏改写;高亮与掩码全部源自真实识别结果,无任何模拟数据。
调用服务Azure AI Language · PIIAzure OpenAI · gpt‑5.4Azure AI Content Safety
端到端架构 · PII 数据脱敏合规原文 → 原生 PII 实体识别 → 风险分级 → 脱敏改写 → 合规输出
含敏感信息原文
实体识别
Azure AI Language · PII
风险分级
确定性风险分级 + 高亮
脱敏改写
gpt‑5.4 脱敏/掩码改写
实体识别 100% 来自 Azure AI Language PII · 掩码/高亮只针对真实命中 · 未配置 Language 时显式降级
原始文本 / Source text 已预置示例
1
PII 实体识别
待运行
Azure AI Language · PII · 原生实体识别 · 识别姓名 / 手机号 / 邮箱 / 身份证 / 银行卡 / 住址 等并按类别着色(真实识别,非模拟)
2
风险分级与合规
待运行
gpt‑5.4 · 仅基于阶段 1 实体 · 风险等级 / 各类别计数 / 适用法规 / 合规提示
3
脱敏输出
待运行
基于真实识别实体逐项掩码 · 原文 vs 脱敏后对照 · 一键复制安全文本
准备就绪 · 点击「运行场景」即可在实时 Azure OpenAI 上跑通三阶段隐私合规流水线
㉔ AI 电话坐席 · ACS + Voice Live 联络中心 / 语音 · Solution
把「客户拨打 400 电话 → AI 实时语音应答 → 通话结束后自动小结/质检/工单」整条链路串起来。本页直接接入 Azure Communication Services 语音通道与 Azure AI Voice Live（gpt-realtime-2），浏览器即可发起一通真实双向语音通话；挂断后由实时 Azure OpenAI 生成通话纪要、情绪与下一步动作。
调用服务Azure Communication Services · 语音Azure AI Voice Live · gpt-realtimeAzure OpenAI · gpt‑5.4
端到端架构 · End-to-End Architecture实时语音媒体走 WebRTC，信令与编排走 ACS Call Automation，AI 推理在 Azure AI Foundry
客户来电
媒体 + 信令
Azure Communication Services
音频流
Azure AI Voice Live
通话转写
Azure OpenAI gpt-5.4
语音媒体端到端加密 · 通话录音与转写可落 Azure Storage / Cosmos DB · 质检与合规可叠加 Content Safety + Language PII
单通电话成本测算 · 5 分钟通话（USD）公开参考价 · 海外场景 · 实际以 Azure 定价为准
计价基准Voice Live 实时音频 ≈$0.10 / 分钟ACS PSTN 语音 ≈$0.013 / 分钟gpt‑5.4 $2.5 in / $10 out（每百万 token）
实时语音对话Azure AI Voice Live · gpt‑realtime · 5 min 双向$0.10/min × 5 min$0.50
ACS 语音线路Call Automation · PSTN 分钟数$0.013/min × 5 min$0.07
通话后小结 / 质检 / 工单gpt‑5.4 · 4K in + 1.2K out4K×$2.5/M + 1.2K×$10/M$0.02
AI 单通合计≈ $0.59/ 通（5 分钟）= 语音 $0.50 + 线路 $0.07 + 小结 $0.02
🤖 AI 单通$0.595 分钟通话，按用量实付，无人力
👤 人工单通$2.50海外坐席 $160/天 ÷ 约 64 通/天（含话后处理）
📈 ROI约 1/4 成本且 7×24 无限并发，话务高峰不排队
人工日成本测算：海外呼叫中心坐席约 $20/小时 × 8 小时 ≈ $160/天，单线一天约 64 通（5 分钟/通 + 话后处理）→ $2.5/通。AI 按音频 token + 线路分钟实付 $0.59/通，1 万通/天仅 ≈ $5,900（无需 156 名坐席 ≈ $25,000/天）。实时语音受语速与静音比影响，预留容量可再降。
① 发起真实语音通话 LIVE · Voice Live
点击「拨打 AI 坐席」开始真实双向语音对话，转写会实时出现在这里。
② 挂断后自动处理 gpt-5.4
通话结束后，点击「生成通话小结」让 Azure OpenAI 基于真实转写产出结构化结果。
A通话纪要待运行
B情绪 / 质检评分待运行
C工单 / 下一步动作待运行
㉕ 视频数字人客服 Contact Center · Video CS
把客服从「纯语音/文字」升级成有形象、能看图、会演示的视频数字人：客户与一个真人级数字人实时视频对话，数字人能理解客户上传的图片（如故障截图、产品照），边讲边在画面上演示操作步骤。形象与口型走 Azure AI Avatar，实时对话走 Azure AI Voice Live（gpt‑realtime），图片理解走 gpt‑5 Vision。演示用途，不接真实工单系统。
调用服务Azure AI Avatar · 数字人Azure AI Voice Live · gpt‑realtimeAzure OpenAI · gpt‑5 Vision
端到端架构 · 视频数字人客服客户视频接入 → 语音+图片理解 → 知识接地应答 → 数字人形象+口型输出
客户视频接入
理解
gpt‑5 Vision + Voice
接地
知识接地应答
呈现
Avatar 数字人
数字人形象与口型走真实 Avatar · 实时对话走真实 Voice Live · 图片理解走真实 gpt‑5 Vision · 失败显式提示
单次视频客服成本测算 · 5 分钟会话（USD）公开参考价 · 海外场景 · 实际以 Azure 定价为准
计价基准Speech Avatar 实时合成 $0.30 / 分钟Voice Live 实时音频 ≈$0.10 / 分钟gpt‑5 Vision $2.5 in / $10 out（每百万 token）
数字人形象合成Azure AI Speech Avatar · 实时 · 5 分钟$0.30/min × 5 min$1.50
实时语音对话Voice Live · gpt‑realtime · 5 分钟$0.10/min × 5 min$0.50
图片理解 + 应答gpt‑5 Vision · 2 图 + 3K out2 img + 3K×$10/M$0.05
AI 单次合计≈ $2.05/ 通（5 分钟）= 形象 $1.50 + 语音 $0.50 + 视觉 $0.05
🤖 AI 单通$2.055 分钟会话，按用量实付，无人力
👤 人工单通$3.00海外坐席 $180/天 ÷ 约 60 通/天（含话后处理）
📈 ROI省约 32%且 7×24 无限并发，峰值不排队、不加人
人工日成本测算：海外视频客服坐席约 $22.5/小时 × 8 小时 ≈ $180/天，单线一天约 60 通 → $3/通。AI $2.05/通（形象合成是主成本），单通省约 32%，更大价值在 7×24 无限并发不加人。纯语音场景可降级到 ㉔ 电话坐席（$0.59/通）大幅更省。
现场跑一跑 · 描述一个客服场景，实时调用 Azure OpenAI 生成数字人应答脚本
输出将在此显示 · 问题理解 / 数字人应答脚本 / 下一步（演示，不接真实工单）。
㉖ 智能临床辅助决策 Healthcare · Industry
把非结构化临床记录一键跑通「医学实体识别 → FHIR 结构化 → 指南检索接地 → 临床摘要与风险提示」。实体抽取走 Azure AI Language · Text Analytics for Health(原生 FHIR 输出)，推理走 Azure OpenAI gpt‑5。演示用途、不构成医疗建议；后端不可用时显式失败，不预置假结果。
调用服务Text Analytics for HealthAzure Health Data Services · FHIRAzure OpenAI · gpt‑5Azure AI Search
端到端架构 · 临床辅助决策临床记录 → 医学实体识别 → FHIR 结构化 → 指南检索接地 → 摘要与风险
临床记录
实体识别
Text Analytics for Health
检索接地
AI Search 指南检索
推理
gpt‑5 临床摘要
实体抽取来自 Text Analytics for Health(原生 FHIR 输出) · 推理走真实 Azure OpenAI · 未配置时显式降级
云厂商对比 · 为什么选 Azure
Azure ✓Text Analytics for Health 原生输出 FHIR + SDOH / 否定检测；全栈 HIPAA 资格，直连 Epic / Cerner。
AWSComprehend Medical 仅 NLP，无 FHIR 原生输出、无 SDOH 抽取。
GCPGemini for Healthcare / Med‑PaLM 强，但无原生 FHIR API 输出。
现场跑一跑 · 输入一段脱敏临床记录，实时调用 Azure OpenAI 生成结构化结果
输出将在此显示 · 医学实体 / 风险提示 / 随访清单（演示，非医疗建议）。
㉗ 保险理赔全流程自动化 Insurance · Industry
把理赔材料(表单 + 事故照片 + 维修发票)一次跑通「多模态抽取 → 条款检索 → 核赔推理 → 接地校验 → 自动结论」。多模态抽取走 Azure Content Understanding，核赔推理走 Azure OpenAI gpt‑5，并用 Content Safety 接地检测防止幻觉核赔。演示用途，关键结论需人工复核。
调用服务Azure Content UnderstandingDocument Intelligence v4.0Azure OpenAI · gpt‑5Content Safety · Groundedness
端到端架构 · 理赔自动化理赔材料 → 多模态抽取 → 条款检索 → 核赔 + 接地校验 → 自动结论
理赔材料
多模态抽取
Content Understanding
条款检索
AI Search 条款
核赔 + 接地
gpt‑5 + Groundedness
多模态字段带置信度 · 核赔结论经 Groundedness 接地校验 · 拒赔/转人工显式标注
云厂商对比 · 为什么选 Azure
Azure ✓Content Understanding 一次 API 处理照片 + PDF + 音频并给置信度；Groundedness 保证核赔结论可溯源。
AWSTextract + Bedrock 需拼装，无统一多模态、无接地校验。
GCPDocument AI 擅长表单，缺统一多模态 + 护栏整合。
单案理赔成本测算 · 6 图 + 8 页单据（USD）公开参考价 · 海外场景 · 实际以 Azure 定价为准
计价基准Content Understanding 图像 ≈$0.006 / 图Document Intelligence $0.01 / 页gpt‑5 $2.5 in / $10 out（每百万 token）
多模态定损抽取Azure Content Understanding · 6 张事故照片$0.006/图 × 6$0.036
单据结构化Document Intelligence v4.0 · 8 页$0.01/页 × 8$0.08
核赔推理 + 接地校验gpt‑5 · 6K in + 2K out + Groundedness6K×$2.5/M + 2K×$10/M$0.035
AI 单案合计≈ $0.15/ 案= 定损 $0.036 + 单据 $0.08 + 核赔 $0.035
🤖 AI 单案$0.16秒级初审，结论可溯源接地
👤 人工单案$7.50理赔员 $30/小时 × 约 15 分钟/案
📈 ROI约 1/47 成本初审秒级、人工只复核疑难案
人工成本测算：海外理赔定损员约 $30/小时，单案抽取 + 条款比对 + 核赔约 15 分钟 → $7.5/案。AI $0.16/案，1 万案/月仅 ≈ $1,600（替代大量初审工时），关键结论仍由人工复核。图片/页数随复杂度浮动。
现场跑一跑 · 输入一个理赔情形，实时调用 Azure OpenAI 生成核赔建议
输出将在此显示 · 关键字段 / 条款判断 / 核赔建议（演示，需人工复核）。
㉘ 零售 AI 导购代理 Retail · Industry
把一句购物意图变成「意图拆解 → 商品向量 + 关键词检索 → 偏好融合 → 个性化推荐 + 话术成单」。由 Foundry Agent 编排有状态会话，Azure AI Search 做 agentic 多路检索，Azure OpenAI gpt‑5 生成推荐与话术。演示用途，不连真实库存与交易。
调用服务Microsoft Foundry Agent ServiceAzure AI Search · 向量 + agenticAzure OpenAI · gpt‑5Azure Cosmos DB
端到端架构 · 导购代理购物意图 → 意图拆解 → 检索 + 画像 → 个性化推荐 + 话术
购物意图
意图拆解
Foundry Agent
检索 + 画像
AI Search + Cosmos
推荐
gpt‑5 推荐 + 话术
Foundry Agent 有状态记忆 + 工具调用 · AI Search agentic 多路检索 · Cosmos DB 全球低延迟画像
云厂商对比 · 为什么选 Azure
Azure ✓Foundry Agent 有状态记忆 + 工具调用，AI Search agentic 检索，Cosmos DB 全球低延迟一体化。
AWSPersonalize 推荐强但无生成式推理；需拼接多服务。
GCPGemini Enterprise CX + Agent Payments Protocol，概念相近。
现场跑一跑 · 说出购物意图，实时调用 Azure OpenAI 生成个性化推荐
输出将在此显示 · 意图拆解 / 推荐方向 / 个性化话术（演示）。
㉙ 实时金融欺诈检测 Financial Services · Industry
把一笔交易事件变成「实时特征 → 风险评分 → 画像增强 → 可解释理由 → 处置编排」。评分由 Azure ML 实时端点产出，Azure OpenAI o‑series 生成「人类可读的风险解释」满足监管可解释要求。演示用途，不接真实支付系统。
调用服务Azure Machine LearningAzure Stream AnalyticsAzure OpenAI · o‑series 推理Azure Cosmos DB
端到端架构 · 欺诈检测交易事件 → 实时特征 → 风险评分 → 可解释理由 → 处置编排
交易事件
实时特征
Stream Analytics
评分
Azure ML 评分
可解释
o‑series 解释
ML 评分 + GPT‑5 o‑series 生成可解释理由 · 满足 EU AI Act / 监管可解释 · 流式到决策一条链路
云厂商对比 · 为什么选 Azure
Azure ✓ML 评分 + GPT‑5 o‑series 生成「人类可读风险解释」，满足监管可解释；流式到决策一条链路。
AWSFraud Detector 开箱但黑盒，无 LLM 解释层。
GCPVertex + BigQuery ML 灵活但需大量自建，无专用欺诈服务。
单笔交易风控成本测算 · 摊薄（USD）公开参考价 · 海外场景 · 实际以 Azure 定价为准
计价基准Azure ML 实时端点按实例小时计费、按吞吐摊薄gpt o‑series $2.5 in / $10 out（每百万 token，近似）仅 5% 命中触发 LLM
实时风险评分Azure ML 实时端点 · 每笔 1 次推理端点常驻分摊 ≈ $0.0003 / 笔$0.0003
可解释理由生成gpt o‑series · 1.5K in + 0.5K out · 仅命中告警调用$0.008 / 次 × 5% 命中$0.0004
AI 单笔合计≈ $0.0007/ 笔（摊薄）= 评分 $0.0003 + 解释 $0.0004（仅 5% 命中）
🤖 AI 单笔$0.0007毫秒级评分，100% 全量实时过
👤 人工单笔不可行人工无法实时审 100 万笔/天
📈 ROI全量 + 可解释拦下 1 笔欺诈即覆盖全天评分成本
价值测算：AI 全量实时风控 100 万笔/天仅 ≈ $700/天，人工根本无法实时审核如此体量。一笔被拦下的欺诈交易（动辄数百~数千美元）即可覆盖整天的评分成本，ROI 不在「省人力」而在「拦得住 + 可解释合规」。命中率随风控策略变化。
现场跑一跑 · 描述一笔交易，实时调用 Azure OpenAI 生成可解释风险判定
输出将在此显示 · 可疑信号 / 风险等级 / 处置建议（演示）。
㉚ 法律合同智能审查 Legal · Industry
把整份合同变成「结构化要素抽取 → 长文风险分析 → 先例条款检索 → 义务清单 + 红线 + 摘要」。借助 GPT‑5.5 的 100 万 token 上下文，可一次读完数百页合同；Content Understanding 预置「合同分析」分析器。演示用途，不构成法律意见。
调用服务Azure Content UnderstandingDocument Intelligence v4.0Azure OpenAI · gpt‑5.5 · 1M 上下文Azure AI Search
端到端架构 · 合同审查合同 → 要素抽取 → 长文风险分析 → 先例检索 → 义务清单 + 红线
合同
要素抽取
Content Understanding
长文分析
gpt‑5.5 · 1M 上下文
先例检索
AI Search 先例
gpt‑5.5 百万 token 一次读完数百页 · Content Understanding 预置合同分析器 · Groundedness 防幻觉
云厂商对比 · 为什么选 Azure
Azure ✓gpt‑5.5 百万 token 上下文一次读完 400 页合同；Content Understanding 预置「合同分析」分析器。
AWSTextract + Claude(200K 上下文)，无预置合同分析器。
GCPDocument AI 合同处理器 + Gemini 2.5 Pro(1M，仅 GCP)，最接近的竞争者。
现场跑一跑 · 粘贴一段合同条款，实时调用 Azure OpenAI 生成审查结果
输出将在此显示 · 关键要素 / 风险条款 / 义务清单（演示，非法律意见）。
㉛ 摄像头人车宠危险行为识别 制造 / IoT / 安防 · Content Understanding
把一路安防摄像头（如 eufy 家用/园区相机）的视频片段一键跑通「边缘抽帧 → 多模态视频理解 → 人/车/宠物与危险行为判定 → 分级告警与处置」。多模态理解走 Azure AI Content Understanding（视频/图像统一抽取），复杂行为推理叠加 Azure OpenAI gpt‑5 Vision，边缘侧用 Azure IoT Edge 抽帧降本。演示用途，不接真实摄像头视频流。
调用服务Azure AI Content UnderstandingAzure OpenAI · gpt‑5 VisionAzure IoT EdgeAzure AI Content Safety
端到端架构 · 视频理解告警摄像头视频流 → 边缘抽帧 → 多模态理解 → 危险行为判定 → 分级告警/推送
摄像头视频流
边缘抽帧
Azure IoT Edge
多模态理解
Content Understanding
判定告警
gpt‑5 危险判定
边缘事件触发抽帧大幅降低云端调用量 · 多模态理解走真实 Content Understanding · 告警与证据可落 Azure Storage / Cosmos DB 供回溯
云厂商对比 · 为什么选 Azure
Azure ✓Content Understanding 一套 API 同时做视频/图像/文档多模态抽取，叠加 gpt‑5 Vision 做开放式危险行为推理，可自定义行为字典；Edge 抽帧端云协同降本。
AWSRekognition Video 检测预置标签强，但开放式「危险行为」推理弱，需自训模型。
GCPVideo Intelligence 标签丰富，但缺统一多模态 + LLM 推理整合，长尾行为需自建。
单路摄像头单日成本测算 · 事件触发（USD）公开参考价 · 海外场景 · 实际以 Azure 定价为准
计价基准Content Understanding 图像 ≈$0.006 / 次（3 关键帧合一）gpt‑5 Vision $2.5 in / $10 out（每百万 token）IoT Edge 模块按设备摊薄
多模态视频理解Content Understanding · 200 次事件/天 · 每次 3 关键帧$0.006/次 × 200$1.20
复杂行为推理gpt‑5 Vision · 仅 30% 疑似事件升级 · 60 次 × ~1.5K out60 次 × ≈$0.005$0.30
边缘抽帧 + 告警IoT Edge 模块分摊 + 推送设备分摊 ≈ $0.07/天$0.07
AI 单路单日合计≈ $1.57/ 路·天= 理解 $1.20 + 推理 $0.30 + 边缘 $0.07
🤖 AI 单路·天$1.577×24 全程盯防，事件触发实付
👤 人工单路·天$60保安 3 班倒 $480/天 ÷ 单人仅盯 ~8 路
📈 ROI约 1/38 成本且不打盹、不漏看、秒级告警
人工日成本测算：海外安保 7×24 需 3 班倒，约 $20/小时 × 24 小时 ≈ $480/天/岗，单人有效盯防约 8 路 → $60/路·天。AI $1.57/路·天，1,000 路园区仅 ≈ $1,570/天（替代 ~125 岗 ≈ $60,000/天）。成本高度依赖事件触发率，安静场景趋近 0。
现场跑一跑 · 文字描述一段监控画面，实时调用 Azure OpenAI 生成结构化识别与告警
输出将在此显示 · 目标识别 / 危险行为判定 / 告警处置（演示，不接真实视频流）。
㉜ 财务月结 Agent 财务 · Enterprise Agent
把「月结对账 → 差异核对 → 调整分录 → 凭证/报表生成」整条流程交给一个流程智能体（PA）。单据抽取走 Azure AI Document Intelligence，对账与差异推理走 Azure OpenAI gpt‑5，数据接 Microsoft Fabric。对标真实落地：某企业财务月结小助手上线 14 个月、累计交互 5,800+ 次、月结效率提升 80%、人工误差降低 30%。演示用途，不写真实账套。
调用服务Azure AI Document IntelligenceAzure OpenAI · gpt‑5Microsoft Fabric
端到端架构 · 财务月结多源单据 → 结构化抽取 → 对账与差异 → 调整分录 → 凭证/报表
多源单据
抽取
Document Intelligence
对账
gpt‑5 差异核对
沉淀
Fabric 报表
抽取走真实 Document Intelligence · 对账推理走真实 Azure OpenAI · 关键分录需人工复核与审批，不直接过账
单次月结成本测算 · 500 单据（USD）公开参考价 · 海外场景 · 实际以 Azure 定价为准
计价基准Document Intelligence $0.01 / 页gpt‑5 $2.5 in / $10 out（每百万 token）
单据结构化Document Intelligence · 500 页$0.01/页 × 500$5.00
对账 + 差异推理gpt‑5 · 约 60 万 token 汇总0.5M×$2.5/M + 0.1M×$10/M$2.25
AI 单次月结合计≈ $7.25/ 次（500 单据）= 单据 $5.00 + 对账 $2.25
🤖 AI 单次$7.25分钟级跑完对账，效率 +80%
👤 人工单次$600会计 $25/小时 × 约 3 人·天（24 工时）
📈 ROI约 1/80 成本且误差 −30%、月结周期大幅缩短
人工成本测算：海外会计约 $25/小时，500 单据对账 + 调整约 3 人·天（24 工时）→ $600/次。AI $7.25/次，月结从 3 天压到分钟级。对标真实落地：上线 14 个月、累计交互 5,800+ 次、效率 +80%、误差 −30%。关键分录仍需人工复核。
现场跑一跑 · 描述一个月结任务，实时调用 Azure OpenAI 生成处理方案
输出将在此显示 · 科目数据源 / 差异识别 / 月结动作（演示，不写真实账套）。
㉝ 供应链塔台 Agent 供应链 · Enterprise Agent
把「需求预测 → 库存与在途监控 → 缺货/积压预警 → 供应商风险 → 补货/调拨建议」做成一个供应链塔台智能体。数据接 Microsoft Fabric 实时湖仓，外部情报走 Azure AI Search + Web 接地，决策推理走 Azure OpenAI gpt‑5。面向制造业多 SKU、多仓、多供应商场景。演示用途，不写真实 ERP。
调用服务Microsoft FabricAzure AI SearchAzure OpenAI · gpt‑5
端到端架构 · 供应链塔台多源数据 → 实时湖仓 → 预测预警 → 风险研判 → 处置建议
需求/库存/在途
湖仓
Fabric 实时分析
研判
gpt‑5 预警研判
处置
补货/调拨建议
数据走真实 Fabric 湖仓 · 研判走真实 Azure OpenAI · 补货/调拨为建议，需供应链计划员确认后下达
单次研判成本测算 · 1 次塔台分析（USD）公开参考价 · 海外场景 · 实际以 Azure 定价为准
计价基准Fabric 按容量计费、按吞吐摊薄gpt‑5 $2.5 in / $10 out（每百万 token）
多 SKU 指标汇总Fabric 查询 · 容量分摊容量分摊 ≈ $0.04/次$0.04
预警研判 + 建议gpt‑5 · 12K in + 3K out12K×$2.5/M + 3K×$10/M$0.06
AI 单次研判合计≈ $0.10/ 次= 指标 $0.04 + 研判 $0.06
🤖 AI 单次$0.10秒级出预警，可每 4 小时滚动跑
👤 人工单次$75计划员 $25/小时 × 约 3 小时汇总分析
📈 ROI约 1/750 成本且可高频滚动，提前发现缺货/积压
人工成本测算：海外供应链计划员约 $25/小时，跨多仓多 SKU 手工汇总 + 研判一次约 3 小时 → $75/次。AI $0.10/次，可每 4 小时滚动跑、单仓日仅 ≈ $0.6。价值在于把「数小时一次」变「随时可看」，提前拦截缺货/积压损失。建议结合事件触发降本。
现场跑一跑 · 描述一个供应链情形，实时调用 Azure OpenAI 生成预警与建议
输出将在此显示 · 关键信号 / 预测预警 / 处置建议（演示，不写真实 ERP）。
㉞ 智能采购 Agent 采购 · Enterprise Agent
把「需求澄清 → 寻源询价 → 比价评估 → 合同风险审查 → 采购建议」做成一个采购智能体。供应商与历史数据接 Microsoft Fabric，合同条款抽取走 Azure AI Document Intelligence，比价与谈判推理走 Azure OpenAI gpt‑5。演示用途，不提交真实采购单。
调用服务Azure AI Document IntelligenceMicrosoft FabricAzure OpenAI · gpt‑5
端到端架构 · 智能采购需求 → 寻源询价 → 比价评估 → 合同审查 → 采购建议
采购需求
寻源
供应商库
比价
gpt‑5 比价评估
审查
合同风险审查
合同抽取走真实 Document Intelligence · 比价推理走真实 Azure OpenAI · 采购决策需人工审批，不自动下单
单次采购任务成本测算 · 3 家比价 + 合同（USD）公开参考价 · 海外场景 · 实际以 Azure 定价为准
计价基准Document Intelligence $0.01 / 页gpt‑5 $2.5 in / $10 out（每百万 token）
报价/合同抽取Document Intelligence · 约 20 页$0.01/页 × 20$0.20
比价 + 风险审查gpt‑5 · 15K in + 4K out15K×$2.5/M + 4K×$10/M$0.08
AI 单次任务合计≈ $0.28/ 次= 抽取 $0.20 + 比价审查 $0.08
🤖 AI 单次$0.28分钟级比价 + 合同风险扫描
👤 人工单次$70采购员 $28/小时 × 约 2.5 小时逐家比价
📈 ROI约 1/250 成本且不漏看合同风险条款
人工成本测算：海外采购专员约 $28/小时，3 家报价比对 + 合同审查约 2.5 小时 → $70/次。AI $0.28/次，1,000 次/月仅 ≈ $280。除省时外，更大价值在于不漏判合同风险条款（无限责任/独家排他等）。复杂寻源可叠加 Web 接地。
现场跑一跑 · 描述一个采购需求，实时调用 Azure OpenAI 生成比价与建议
输出将在此显示 · 需求澄清 / 比价评估 / 采购建议（演示，不下真实采购单）。
㉟ HR 招聘智能体 HR · Enterprise Agent
把「JD 生成 → 简历解析筛选 → 匹配度评估 → 面试问题与评分建议」做成一个 HR 招聘智能体。简历解析走 Azure AI Document Intelligence，画像与评估走 Azure OpenAI gpt‑5，敏感信息用 Azure AI Language · PII 脱敏后再处理。演示用途，不使用真实候选人数据。
调用服务Azure AI Document IntelligenceAzure AI Language · PIIAzure OpenAI · gpt‑5
端到端架构 · HR 招聘JD/简历 → 解析脱敏 → 匹配评估 → 面试建议 → 决策辅助
JD / 简历
解析脱敏
抽取 + PII 脱敏
评估
gpt‑5 匹配评估
建议
面试建议
简历解析走真实 Document Intelligence · 敏感信息经 PII 脱敏 · 评估为辅助，录用决策由 HR 与用人经理负责
单份简历评估成本测算（USD）公开参考价 · 海外场景 · 实际以 Azure 定价为准
计价基准Document Intelligence $0.01 / 页Language PII ≈$0.003 / 次gpt‑5 $2.5 in / $10 out（每百万 token）
简历解析 + 脱敏Document Intelligence · 2 页 + Language PII$0.01×2 + PII $0.003$0.023
匹配评估 + 面试建议gpt‑5 · 5K in + 1.5K out5K×$2.5/M + 1.5K×$10/M$0.027
AI 单份评估合计≈ $0.05/ 份= 解析脱敏 $0.023 + 评估 $0.027
🤖 AI 单份$0.05秒级初筛打分，PII 先脱敏
👤 人工单份$2.50招聘专员 $25/小时 × 约 6 分钟/份
📈 ROI约 1/50 成本HR 只看高匹配候选，省下初筛工时
人工成本测算：海外招聘专员约 $25/小时，初筛一份简历约 6 分钟 → $2.5/份。AI $0.05/份，1 万份/月仅 ≈ $500（替代 ~6 名初筛专员 ≈ $24,000/月）。评估仅辅助初筛，需防范偏见、保留人工复核，录用决策由 HR 与用人经理负责。
现场跑一跑 · 描述岗位或候选人，实时调用 Azure OpenAI 生成评估与面试建议
输出将在此显示 · 画像/JD / 匹配评估 / 面试建议（演示，不用真实候选人数据）。
㊱ 网红智能筛选建联 出海营销 / i-Marketing · Growth
把「活动目标 → KOL 库智能筛选 → 匹配打分 → 自动生成建联话术 → 回复研判」整条达人营销链路串起来。达人画像与历史走 Microsoft Fabric，外部热度/口碑走 Web IQ 实时接地，匹配与话术生成走 Azure OpenAI gpt‑5。对标真实落地：某出海团队网红自动匹配与建联，效率 10×。演示用途，不发真实私信。
调用服务Microsoft FabricAzure OpenAI · gpt‑5Web IQ · 实时接地
端到端架构 · 达人营销活动目标 → KOL 筛选 → 匹配打分 → 建联话术 → 回复研判
活动目标
筛选
KOL 库 + Web 热度
打分
gpt‑5 匹配评分
建联
建联话术 + 研判
达人数据走真实 Fabric · 热度走真实 Web 接地 · 匹配与话术走真实 Azure OpenAI · 建联私信需人工确认后发送
云厂商对比 · 为什么选 Azure
Azure ✓gpt‑5 做匹配评分 + 多语言个性化话术，Fabric 统一达人/历史数据，Web IQ 实时接地拉外部热度口碑，一条链路闭环。
AWS需自拼 Bedrock + 第三方达人数据，缺统一数据与实时接地整合。
GCPVertex 灵活但无开箱达人营销链路，外部口碑需自建采集。
单次筛选建联成本测算 · 100 位候选 KOL（USD）公开参考价 · 海外场景 · 实际以 Azure 定价为准
计价基准gpt‑5 $2.5 in / $10 out（每百万 token）Web IQ 接地按检索次数Fabric 按容量摊薄
匹配评分gpt‑5 · 100 位 × 约 1.5K in + 0.3K out150K×$2.5/M + 30K×$10/M$0.68
建联话术生成gpt‑5 · 仅 Top20 生成 · 0.8K in + 0.6K out16K×$2.5/M + 12K×$10/M$0.16
外部热度接地Web IQ · 约 20 次检索≈ $0.007/次 × 20$0.14
AI 单次合计≈ $0.98/ 次（100 KOL）= 评分 $0.68 + 话术 $0.16 + 接地 $0.14
🤖 AI 单次$0.98分钟级筛 100 人 + 生成 Top20 话术
👤 人工单次$90营销 $30/小时 × 约 3 小时筛选写私信
📈 ROI约 1/90 成本效率约 10×，可批量个性化触达
人工成本测算：海外达人营销专员约 $30/小时，逐个筛选 100 位 + 写个性化私信约 3 小时 → $90/次。AI $0.98/次，月 200 次活动仅 ≈ $196，效率约 10×。话术只对高分候选生成，故占比小；KOL 数量与生成数决定总价。
现场跑一跑 · 描述一个达人营销活动，实时调用 Azure OpenAI 生成筛选与建联
输出将在此显示 · 匹配评分 / Top 达人 / 建联话术（演示，不发真实私信）。
㊲ 智能广告创作中心 出海营销 / AIGC · Growth
把「产品卖点 → 广告策略 → 多语言文案 → 主视觉生成 → 合规审核」做成一条多模态创意流水线。文案与策略走 Azure OpenAI gpt‑5，主视觉走 Azure OpenAI gpt-image-2 · Image2，合规走 Azure AI Content Safety。对标真实落地：某 AIGC 营销平台出图 220 万+、覆盖 90% 营销物料、驱动 2 万+ 广告活动、广告生成从 2 天缩到 30 分钟。演示用途。
调用服务Azure OpenAI · gpt‑5Azure OpenAI · gpt-image-2 · Image2Azure AI Content Safety
端到端架构 · 广告创意产品卖点 → 策略 → 多语言文案 → 主视觉 → 合规审核
产品卖点
策略
gpt‑5 策略 + 文案
视觉
Image2 主视觉
合规
Content Safety
文案/视觉走真实 Azure OpenAI · 图像安全过真实 Content Safety · 生成物料需人工选用，品牌资产可沉淀复用
单套广告物料成本测算 · 文案 + 3 张主视觉（USD）公开参考价 · 海外场景 · 实际以 Azure 定价为准
计价基准gpt‑5 $2.5 in / $10 out（每百万 token）gpt-image-2 ≈$0.04 / 张（标准质量）Content Safety $1.5 / 千图
策略 + 多语言文案gpt‑5 · 3K in + 2K out3K×$2.5/M + 2K×$10/M$0.03
主视觉生成gpt-image-2 · 3 张$0.04/张 × 3$0.12
文案 + 图像合规Content Safety · 文本 + 3 图$1/千图 × 3 + 文本$0.005
AI 单套合计≈ $0.16/ 套= 文案 $0.03 + 视觉 $0.12 + 合规 $0.005
🤖 AI 单套$0.1630 分钟出策略+多语言文案+主视觉
👤 外包单套$80文案 + 设计外包约 $50–120/套，2 天交付
📈 ROI约 1/500 成本交付从 2 天缩到 30 分钟，可批量 A/B
外包成本测算：海外文案 + 设计外包一套广告物料约 $50–120/套、交付 1–2 天。AI $0.16/套、30 分钟出稿，1 万套/月仅 ≈ $1,600。对标真实落地：出图 220 万+、覆盖 90% 营销物料、驱动 2 万+ 广告活动。高清/4K 单价更高。
现场跑一跑 · 描述一个产品与投放，实时调用 Azure OpenAI 生成策略+文案+视觉脚本
输出将在此显示 · 广告策略 / 多语言文案 / 主视觉脚本（演示）。
㊳ 智能广告投放优化 出海营销 / 投放 · Growth
把「预算分配 → 人群与渠道选择 → 出价策略 → 投放诊断 → 调优建议」做成一个广告投放智能体：输入投放目标与现状数据，AI 给出跨渠道预算分配、人群定向、出价建议，并诊断哪些广告组在亏、为什么、怎么调。数据接 Microsoft Fabric，外部行情走 Web IQ，决策推理走 Azure OpenAI gpt‑5。演示用途，不接真实广告账户、不消耗真实预算。
调用服务Microsoft FabricWeb IQ · 实时行情Azure OpenAI · gpt‑5
端到端架构 · 广告投放优化投放数据 → 效果归因 → 诊断研判 → 预算/出价/人群调优建议
投放数据
归因
Fabric 效果分析
研判
gpt‑5 诊断调优
处置
预算/出价建议
数据走真实 Fabric · 行情走真实 Web 接地 · 调优为建议，需投放经理确认后执行，不自动改账户
单次投放诊断成本测算 · 1 次全账户分析（USD）公开参考价 · 海外场景 · 实际以 Azure 定价为准
计价基准gpt‑5 $2.5 in / $10 out（每百万 token）Fabric 按容量摊薄Web IQ 按检索次数
多渠道效果归因Fabric · 数十广告组指标汇总容量分摊 ≈ $0.04/次$0.04
诊断 + 调优建议gpt‑5 · 10K in + 3K out10K×$2.5/M + 3K×$10/M$0.055
AI 单次诊断合计≈ $0.10/ 次= 归因 $0.04 + 诊断调优 $0.055
🤖 AI 单次$0.10每天可跑，秒级全账户诊断调优
👤 投放优化师$120$40/小时 × 约 3 小时手工拉数分析
📈 ROI优化 1% ROAS对 $50K 月预算 = 省 $500，覆盖全年诊断 100×
价值测算：海外投放优化师约 $40/小时，全账户拉数 + 诊断一次约 3 小时 → $120/次。AI $0.10/次、每天可跑。真正的 ROI 不在省人力，而在持续优化投放效率——对 $50K/月 预算，仅把 ROAS 提升 1% 就多产出 $500，是全年 AI 诊断成本的百倍以上。
现场跑一跑 · 描述投放目标与现状，实时调用 Azure OpenAI 生成诊断与调优建议
输出将在此显示 · 投放诊断 / 预算出价建议 / 优化动作（演示，不接真实账户）。
㊵ AI Skill 工作室 Skill Studio · 能力封装与复用
把一类 AI 能力（一段提示词 + 一套流程 + 配套脚本/资源）打包成一个可发现、可载入、可复用的「Skill」——就像本演示台背后驱动我的那些技能一样。本页先讲清 Skill 的结构与生命周期，再展示一个分场景的 Skill 能力市场，最后在下方 Studio 现场调用 gpt‑5：描述任务 → 推荐匹配 Skill → 生成 Skill 清单。演示用途，只生成清单、不安装插件、不读取你的文件。
调用服务Azure OpenAI · gpt‑5Skill Registry · 清单演示范围：只生成 Skill 清单，不安装、不读文件
一个 AI Skill 不是「一次性对话」，而是把「怎么把某件事做好」固化下来、可被反复调用的能力包：它声明什么时候该用（触发）、该怎么做（指令与流程）、用到哪些资源（脚本/模板/知识）。模型在面对任务时自动发现并载入合适的 Skill，按既定流程执行——这正是这个 Demo Studio 背后的运作方式。
Skill 的结构 · 一个技能由什么组成
Metadata
元数据名称、描述、版本、作用域；让模型能检索到它。Trigger
触发条件什么任务/关键词该用它；决定「何时载入」。Instructions
指令与流程把「怎么做好」写成可执行步骤与质量标准。Resources
资源与工具模板、脚本、知识库、可调用的工具/MCP。Skill 生命周期 · 从发现到沉淀
1
Discover
发现
模型按任务语义检索匹配的 Skill
→
2
Load
载入
只加载需要的指令与资源，省上下文
→
3
Execute
执行
按既定流程与质量标准完成任务
→
4
Compose
编排
多个 Skill 串成端到端流水线
→
5
Persist
沉淀
沉淀为团队可复用的能力资产
↻ 关键价值：一次把能力写好，全员、全场景反复调用——AI 不再每次从零开始，而是站在沉淀的能力之上。
Skill 能力市场 · 按场景分类（示例）
下列为代表性 Skill 示例，展示「能力如何被封装与分类」；点击下方 Studio 可现场为你的任务推荐并生成 Skill 清单。
文档与办公生成Office & Docs
PPTX 生成
/pptx
从大纲到成稿生成演示文稿，含版式、母版、图表、备注。
DOCX 文档
/docx
生成与改写 Word 文档：目录、页眉页脚、表格、修订。
XLSX 表格
/xlsx
读写与清洗电子表格、公式、图表与数据透视。
设计与前端Design & Frontend
Web 交互制品
/web-artifacts-builder
生成自包含的 HTML 看板、可视化、交互工具，统一主题。
设计规范
/design-standards
令牌系统、WCAG 对比度、层级与间距的生产级设计标准。
Excalidraw 图
/excalidraw
从描述生成架构图/流程图，可嵌入文档与方案。
数据 · 知识 · 语音Data · Knowledge · Voice
知识库检索
/vault-rag
对企业/个人知识库做语义检索与接地问答。
语音转写
/transcribe
音视频转文字 + 说话人分离 + SRT 字幕。
Demo 视频合成
/demoreel
把静态图拼成带字幕与转场的 1080p 演示视频。
业务流程与自定义Business & Custom
报销单填报
/expense-report
从票据自动填 D365 报销单，差旅/月度/酒店拆分。
Demo Studio 总入口
/demo-studio
驱动本演示台的能力路由 Skill：选场景、装配、校验。
自定义 Skill
/create-skill
把你团队「怎么把某件事做好」的经验固化成新 Skill。
为什么用 Skill，而不是每次写长提示词
Skill 化 ✓能力一次写好、版本化、可检索、可组合；按需载入省上下文；全员复用、质量稳定。
裸提示词每次重写、难复用、易漂移；上下文越堆越长，质量随人波动。
硬编码脚本固定不灵活，改需求要改代码；缺少模型的语义理解与自适应。
单次 Skill 调用成本测算 · 推荐 + 生成清单（USD）公开参考价 · 海外场景 · 实际以 Azure 定价为准
计价基准gpt‑5 $2.5 in / $10 out（每百万 token）Skill 检索按向量查询摊薄
任务理解 + Skill 推荐gpt‑5 · 约 3K in + 1K out3K×$2.5/M + 1K×$10/M$0.018
Skill 清单生成gpt‑5 · 约 1K in + 1.2K out1K×$2.5/M + 1.2K×$10/M$0.014
AI 单次合计≈ $0.03/ 次= 推荐 $0.018 + 清单 $0.014
🤖 AI 单次$0.03秒级推荐 + 生成 Skill 清单
👤 一次封装$300+工程师 $50/小时 × 数小时手写 Skill
📈 ROI封装一次
万次复用边际成本趋近一次 chat，全员共享
万次复用边际成本趋近一次 chat，全员共享
价值在于资产复用：一个 Skill 由工程师手写需数小时（约 $300+），但封装后每次调用仅 $0.03、全员全场景可反复调用。AI 不再每次从零开始，而是站在沉淀的能力之上——这正是 Skill 化的 ROI 来源。
现场跑一跑 · 描述你想固化的一类任务，实时调用 Azure OpenAI 推荐并生成 Skill 清单
输出将在此显示 · 匹配 Skill 推荐 / Skill 清单草案 / 流水线编排（演示，只生成清单）。
㊶ 产品方案生成器 Solution Proposal · 售前提效
把「客户需求 → 业务痛点 → Azure 方案架构 → 服务选型 → 成本估算 → 落地路线」一次生成成一份结构化的产品解决方案草案。输入客户名/行业/诉求，AI 产出可直接用于售前汇报的方案骨架，并能一键接 /pptx 出 PPT、/docx 出方案书。推理走 Azure OpenAI gpt‑5，可叠加 Web IQ 拉客户公开情报。演示用途，方案需人工复核。
调用服务Azure OpenAI · gpt‑5Web IQ · 客户情报可接 /pptx · /docx 出稿
端到端架构 · 方案生成客户需求 → 痛点拆解 → Azure 架构选型 → 成本估算 → 落地路线
客户需求
拆解
gpt‑5 痛点拆解
选型
Azure 架构选型
出稿
方案 + PPT/文档
方案推理走真实 Azure OpenAI · 可接 /pptx /docx 出正式稿 · 报价与承诺需人工复核，不构成正式商务方案
现场跑一跑 · 输入客户与诉求，实时调用 Azure OpenAI 生成结构化方案草案
输出将在此显示 · 痛点 / Azure 架构选型 / 成本 / 落地路线（演示，需人工复核）。
㊷ 云产品对比 Azure vs AWS / GCP · 选型参考
输入一个能力诉求（如「实时语音翻译」「文档智能抽取」「向量检索」），AI 输出 Azure / AWS / GCP 三家对应产品的横向对比：产品名、核心能力、差异点、适用场景，并给出选型建议与「为什么选 Azure」的要点。基于 Azure OpenAI gpt‑5 的知识 + 可选 Web IQ 实时校正。演示用途，定价与最新能力以官方为准。
调用服务Azure OpenAI · gpt‑5Web IQ · 实时校正
对比维度 · 每条诉求统一横评
Azure产品名 + 核心能力 + 差异化（原生集成 / 企业治理 / 合规）+ 适用场景。
AWS对应产品 + 能力 + 优劣，客观列出，不贬低。
GCP对应产品 + 能力 + 优劣，客观列出，不贬低。
现场跑一跑 · 输入一个能力诉求，实时调用 Azure OpenAI 生成三家云横向对比
输出将在此显示 · 三家云对比表 / 选型建议 / 为什么选 Azure（演示，定价以官方为准）。
㊸ 模型对比与测试 Model Eval · 多模型横评
同一个 Prompt / 任务，横向评测多个模型（如 gpt‑5 / gpt‑5.4 / o‑series / 开源模型）在质量、延迟、成本、稳定性上的差异，帮你为每个场景选对模型。本页用 Azure OpenAI gpt‑5 充当「评测官」：按你给的任务生成评测维度、模拟各模型的取向差异、给出选型建议。演示用途，真实横评需接各模型端点实测。
调用服务Azure OpenAI · gpt‑5（评测官）Azure AI Foundry · 模型目录真实横评需接各模型端点
端到端架构 · 模型横评任务 + 评测集 → 多模型并行调用 → 质量/延迟/成本打分 → 选型建议
任务 + 评测集
并行
多模型调用
打分
质量/延迟/成本
建议
选型建议
本页评测维度与建议由 gpt‑5 真实生成 · 各模型的真实延迟/成本需接 Foundry 端点实测，不编造基准数字
现场跑一跑 · 描述一个任务，实时调用 Azure OpenAI 生成多模型评测维度与选型建议
输出将在此显示 · 评测维度 / 多模型对比 / 选型建议（演示，真实基准需端点实测）。