microsoft/promptflow

Prompt flow – 概述

是什么 – Prompt flow 是 Microsoft 维护的工具包，用于构建、测试和部署使用大语言模型（LLM）的应用程序。它将提示词、Python 代码和其他“工具”整合到一个流程中，可以在本地、CI/CD 管道或云服务中运行。

主要功能

• 流程编写 – 定义连接 LLM 调用、提示词和自定义 Python 节点的 DAG（flow.dag.yaml）。CLI（pf）可以搭建新流程（例如聊天机器人）并管理与 OpenAI 或 Azure OpenAI 的连接。
• 调试与追踪 – 交互式测试（pf flow test --interactive）允许您逐步执行流程并查看每个 LLM 交互，使提示工程迭代化。
• 评估 – 在更大的数据集上运行流程，收集指标，并将结果接入 CI/CD，在发布前确保质量。
• 生产就绪 – 将流程部署到任何服务平台，或直接嵌入应用程序。Azure AI 提供托管云版本。
• IDE 支持 – VS Code 扩展提供可视化流程设计器。

典型工作流

1. 创建流程（pf flow init …）。
2. 配置LLM API 密钥的连接（pf connection create …）。
3. 开发提示词和 Python 节点，并进行交互式测试（pf flow test）。
4. 评估测试集，并与 CI/CD 集成。
5. 部署到 Azure 或您自己的运行时。

状态 – 项目计划于 2027 年 4 月 20 日停止服务；Microsoft 建议将新工作迁移到 Microsoft Agent Framework。现有容器镜像在该日期后将不再更新。

---

快速入门快照（来自 README）

# 搭建聊天机器人流程
pf flow init --flow ./my_chatbot --type chat

# 添加 OpenAI 密钥
pf connection create --file ./my_chatbot/openai.yaml \
    --set api_key=<your_api_key> --name open_ai_connection

# 以交互方式运行机器人
pf flow test --flow ./my_chatbot --interactive

---

谁可能使用？

• 数据科学家 / ML 工程师 – 构建 LLM 驱动的产品，并希望使用结构化、可重复的管道。
• 开发人员 – 倾向于使用命令行 + VS Code UI 进行提示工程，并需要内置的追踪和评估功能。
• 团队 – 希望在 Azure 生态系统中从原型过渡到生产环境（但应在 2027 年之前计划迁移到 Agent Framework）。

---

许可证与贡献

• MIT 许可证。
• 接受通过拉取请求的贡献；需要 CLA。
• 社区渠道：GitHub issues、discussions 和 VS Code 市场扩展。