人工智能 flow框架_通过Microsoft Flow轻松进入AI

人工智能 flow框架

在过去的几年中，Microsoft的Power Platform已成为其开发人员产品的重要组成部分。 Power Platform也许是与1990年代的客户端-服务器应用程序和工具（如原始的Visual Basic）现代等效的工具，它是一系列快速的应用程序开发工具，旨在供开发人员和业务分析人员使用。

Power Platform建立在Dynamics业务线系统核心的通用数据模型以及Azure Logic Apps的工作流自动化上。 它提供了用于构建内部企业应用程序的各种工具，这些应用程序可将信息传递到用户桌面和设备。 Power Platform中有三个面向开发人员的关键工具：Flow， Power Apps和Power BI 。 两者都支持不同的受众，但它们也可以组合在一起，为您提供从一端的核心系统到另一端的桌面仪表板和移动应用程序的业务信息处理管道。

[在InfoWorld上深入学习机器学习 ： 最佳的机器学习和深度学习库 • 最佳的机器学习和深度学习 开源软件 • 11种必备的机器学习工具 。 ]

使用Flow进行微服务工作流程和集成

该管道的核心是低代码，无服务器的Microsoft Flow 。 与Logic Apps一样 ，Flow提供了一组构建模块，可以将其连接以响应触发器并将输入传递给另一个应用程序。 例如，我有一个将Office 365日历连接到Google日历的流程，当我向Outlook添加新约会时更新Google日历，因此我的Android手机上的Google助手可以访问它们。 另一个链接到第三方IoT IFTTT（如果是，则是该服务）服务，以在Teams频道中提及我的名字时更改我的台灯上的Hue灯泡的颜色。

这是一种开发模型，可与现代微服务很好地配合使用，它提供了一种使用预构建连接器或自定义Webhook将一个API快速链接到另一个API的方法。 不需要将这两种服务设计为可以协同工作。 所有需要的就是已发布的API。 所需的任何数据转换都可以在Flow中处理。 连接器有两种形式 ：标准和高级。 所有用户都可以使用标准连接器，即使在免费套餐上也是如此。 高级连接器需要订阅，并且包括与许多流行的第三方关键业务应用程序（如Salesforce）一起使用所需的连接器。

在流程中使用Azure认知服务

Microsoft定期向Flow添加新的连接器，并且最近的发行版包括对Azure的几个Cognitive Services的访问 。 这些连接器使您可以将机器学习快速整合到应用程序中，而不必构造和管理可能是复杂的REST（表示状态传输）API调用。 当前，Flow在其预览Cognitive Services中支持Computer Vision ， Content Moderator ， Custom Vision ， QnA Maker和Text Analytics的元素。

在您的流程中使用Azure认知服务非常容易。 首先从Azure获取Cognitive Services帐户密钥，因为Azure将向您收取所使用服务的费用，并且需要密钥来验证对API的访问。 您的Cognitive Services帐户将为您提供正在使用的服务和区域的根站点URL，需要将其添加到连接器中； 如果您未设置网站URL，则该服务将默认为“美国西部”，这在美国境外可能会有很大的延迟。 将Azure Cognitive Services帐户连接到Flow后，即可开始在应用程序中使用它们。

Flow支持两种端点：触发器和动作。 触发器启动流程。 动作是流的终结点，作用于触发器生成的数据。 Flow仅支持将认知服务API作为操作来使用就不足为奇了，因为这些服务并非旨在提供事件或消息，而仅处理通过其API传递的数据。

在Flow中构建智能应用

使用这些连接器可以完成很多工作，这些连接器使您可以访问与完整的Cognitive Services API相同的功能，而无需编写任何代码。 可以想象也可以构建的Flow类型， 使用Computer Vision连接器从Dropbox文件夹中获取上传的图像，使用其OCR到文本服务对其进行处理，并使用识别的文本填充Word模板，然后保存SharePoint文件夹中的结果文档。 这种类型的应用程序是任何人都可以使用在线Flow编辑器在几分钟之内完成的。 或者，您可以使用文本分析工具确定发送到公司Twitter支持帐户的推文附带的情绪和关键术语，从而为您提供有关产品问题的早期警告。

像这样的流程不需要在整个开发生命周期中都使用成熟的应用程序。 它们可能是一个人需要的工具，或者寿命有限的工具，甚至可能是需要大量开发资源的大规模应用程序的概念证明。 Dropbox to OCR应用程序可以成为服务的原型，该服务可以将来自现场服务团队的文档数字化，目的是减少处理作业文书所需的时间。 作为一个流程放在一起，并部署到一小组测试人员中，它为您提供了一种快速的方法，可以在编写完整的项目规范之前运行概念的实时证明。

模板快速入门

Microsoft提供了用于常见用例的预构建模板，使您可以在构建自己的模板之前尝试使用Cognitive Services，或将其用作自定义基础。 其中一个模板（ 将Twitter链接到Text Analytics，并使用Power BI作为仪表板进行其他分析）是一个很好的示例，可以使用Power Platform的元素进行操作，显示如何在之前使用Flow来准备数据集利用Power BI对流实时数据的支持，在Power BI中对其进行了分析。

Flow之类的工具（以及相关的Logic Apps）是一种实现链接不同微服务的简单应用的有用方法。 无需考虑基础架构，仅需考虑用作触发器和操作的服务。 作为常见的分布式应用程序设计模式的抽象，这是一种有用的工作方式，尤其是在您构建的应用程序需求不多或难以证明更多开发资源的情况下。

将机器学习功能添加到Flow中，可以为您提供更多工具来处理通过工作流传递的数据，从而获得洞察力或转换内容。 通过这种方式使用Azure认知服务，您可以访问预训练的和自定义模型的访问（对于Custom Vision）。 与传统的开发技术相比，这种组合可以使您更快地使用机器学习应用程序，从而开发可以在整个业务中使用的技能和概念。

翻译自: https://www.infoworld.com/article/3406417/using-ai-in-microsoft-flow.html

人工智能 flow框架