Moduł 2: Przetwarzanie języka naturalnego z Azure AI Foundry

🎯 Cele modułu

Opanowanie zaawansowanej inżynierii promptów w Azure AI Foundry
Automatyzacja tworzenia materiałów edukacyjnych z użyciem AI agents
Implementacja systemów analizy tekstu z Azure AI Language Services
Budowa produkcyjnych rozwiązań NLP w środowisku chmurowym

Sesja 4: Zaawansowana inżynieria promptów w Azure AI Foundry (23.09.2025)

🚀 Od ChatGPT do Azure AI Foundry

Po zapoznaniu się z podstawami prompt engineering w narzędziach publicznych, przechodzimy do platformy Azure AI Foundry - profesjonalnego środowiska do budowy systemów AI klasy enterprise.

Kluczowe różnice Azure AI Foundry vs ChatGPT/Claude

PUBLICZNE NARZĘDZIA AI     →     AZURE AI FOUNDRY
├─ Pojedyncze konwersacje  →     ├─ Zarządzanie projektami
├─ Brak persystencji       →     ├─ Persystentne agenty
├─ Limit customizacji      →     ├─ Pełna konfiguracja modeli
├─ Brak integracji         →     ├─ Enterprise integracje
└─ Podstawowe narzędzia    →     └─ Zaawansowane narzędzia

📋 Konfiguracja Azure AI Foundry dla NLP

Tworzenie projektu AI Foundry

Logowanie do portalu: Azure AI Foundry↗
Tworzenie nowego projektu:
- Kliknij Create an agent
- Nazwij projekt: NLP-Workshop-Project
- Wybierz region: East US lub West Europe
- Konfiguracja zaawansowana: domyślne ustawienia

Wdrożenie modeli

AUTOMATYCZNE WDROŻENIA:
✓ GPT-4o (główny model językowy)
✓ Text-Embedding-Ada-002 (embeddingi)
✓ Domyślny agent utworzony

🎨 Zaawansowane techniki prompt engineering

System Prompts w Azure AI Foundry

W przeciwieństwie do prostych chatbotów, Azure AI Foundry pozwala na tworzenie System Prompts - trwałych instrukcji definiujących zachowanie agenta.

🎯 Podstawowe elementy skutecznego promptu

1. Jasność

Prompt powinien być jasny i jednoznaczny

❌ Źle: "Napisz coś o historii" ✅ Dobrze: "Napisz 200-słowne streszczenie przyczyn wybuchu I wojny światowej"

2. Konkretność

Dostarcz szczegóły aby uzyskać lepszą odpowiedź

❌ Źle: "Pomóż z matematyką" ✅ Dobrze: "Wyjaśnij krok po kroku jak rozwiązać równanie kwadratowe x² + 5x + 6 = 0"

3. Kontekst

Kontekstualizacja promptu zwiększa trafność odpowiedzi

✅ Przykład z kontekstem:

Jestem ekspertem w dziedzinie literatury polskiej. 
Muszę przygotować uczestników do egzaminu.
Stwórz 5 pytań otwartych o "Lalce" Prusa, 
które sprawdzą rozumienie głównych wątków powieści.

🎨 Jak pisać skuteczne prompty?

Personalizacja

Dostosowuj prompty do konkretnego użytkownika lub sytuacji

Jestem ekspertem w dziedzinie chemii.
Wytłumacz pojęcie pH w sposób zrozumiały dla grupy na poziomie podstawowym.
Użyj przykładów z codziennego życia.

Iteracja

Ulepszaj prompty na podstawie odpowiedzi

Wersja 1: "Wyjaśnij grawitację"
Wersja 2: "Wyjaśnij grawitację dla grupy na poziomie podstawowym"
Wersja 3: "Wyjaśnij grawitację dla grupy na poziomie podstawowym używając analogii z piłką"

Kreatywność

Wykorzystuj metafory, analogie i inne twórczych techniki

Wytłumacz działanie serca używając analogii do pompy wodnej.
Opisz budowę atomu jak system słoneczny.

⚠️ Najczęstsze błędy w promptach

Brak jasno określonego celu
- Prowadzi do mylących lub nieprzydatnych odpowiedzi
Zbyt ogólne lub niejednoznaczne prompty
- "Pomóż mi z nauką" zamiast "Stwórz plan nauki do egzaminu z biologii"
Nadmiar informacji
- Zbyt długie prompty mogą zaciemniać główne zapytanie

🛠️ Szablony promptów dla specjalistów

1. Generator pytań egzaminacyjnych

Jesteś doświadczonym ekspertem w dziedzinie [PRZEDMIOT].
Stwórz [LICZBA] pytań [TYP: otwarte/zamknięte/wielokrotnego wyboru] 
na temat [TEMAT] dla uczestników na poziomie [POZIOM].
Pytania powinny sprawdzać [CEL: rozumienie/zapamiętywanie/analizę].

2. Wyjaśnianie trudnych pojęć

Wytłumacz pojęcie [POJĘCIE] dla uczestników na poziomie [POZIOM].
Użyj [STYL: prostego języka/analogii/przykładów z życia].
Odpowiedź powinna trwać maksymalnie [CZAS] minut czytania.

3. Tworzenie materiałów dydaktycznych

Stwórz [TYP MATERIAŁU: prezentację/materiały szkoleniowe/quiz] na temat [TEMAT].
Materiał ma być przeznaczony dla [GRUPA DOCELOWA].
Uwzględnij [WYMAGANIA: interaktywność/różne style szkoleniowe/trudności].

📚 Przykłady zastosowań w różnych przedmiotach

Historia

Prompt: Stwórz dialog między Marią Skłodowską-Curie a współczesną uczennicą 
o roli kobiet w nauce. Dialog powinien trwać 5 minut i zawierać 
informacje o jej odkryciach.

Matematyka

Prompt: Wymyśl 3 zadania tekstowe z matematyki dla grupy na poziomie podstawowym 
na temat ułamków zwykłych. Każde zadanie powinno odnosić się 
do sytuacji z życia codziennego.

Język obcy

Prompt: Stwórz konwersację po angielsku między turystą a recepcjonistą hotelu.
Dialog powinien zawierać 10 najważniejszych zwrotów dla poziomu A2.
Dodaj polskie tłumaczenia kluczowych fraz.

Nauki przyrodnicze

Prompt: Zaplanuj eksperyment dla grupy na poziomie podstawowym pokazujący 
działanie fotosyntez. Uwzględnij listę materiałów, kroki 
i pytania do obserwacji.

✅ Zadania praktyczne

Ćwiczenie 1: Analiza promptów

Oceń poniższe prompty i popraw je:

"Napisz o Polsce"
"Matematyka trudna, pomóż"
"Co to jest DNA?"

Ćwiczenie 2: Tworzenie promptów

Stwórz prompty dla:

Quiz z geografii dla grupy na poziomie podstawowym
Wyjaśnienie praw Newtona
Plan prezentacji o Mickiewiczu

Ćwiczenie 3: Iteracja

Wybierz jeden prompt i poprawiaj go 3 razy na podstawie otrzymanych odpowiedzi.

Sesja 5: Tworzenie treści szkoleniowych

🎓 Generowanie planów prezentacji

Szablon promtu dla planu prezentacji

Stwórz szczegółowy plan 45-minutowej prezentacji [PRZEDMIOT] dla grupy na poziomie [POZIOM].

Temat: [TEMAT PREZENTACJI]
Cele prezentacji:
- [CEL GŁÓWNY]
- [CELE SZCZEGÓŁOWE]

Struktura:
1. Wprowadzenie (5 min) - [OPIS]
2. Część główna (30 min) - [OPIS AKTIVNOŚCI]
3. Podsumowanie (10 min) - [EWALUACJA/REFLEKSJA]

Uwzględnij:
- Różne style szkoleniowe (wzrokowy, słuchowy, kinestetyczny)
- Interaktywne elementy
- Materiały potrzebne do przeprowadzenia
- Opcjonalne zadanie do wykonania

Przykład konkretnego zapytania

Stwórz plan prezentacji biologii dla grupy na poziomie średnim na temat "Budowa i funkcje układu krążenia".
Prezentacja powinna zawierać eksperyment z mierzeniem tętna przed i po wysiłku.
Uczestnicy mają różny poziom zainteresowania naukami przyrodniczymi.

Praktyczny przykład w Azure AI Foundry

Aby przetestować zaawansowane prompty systemowe, wchodzimy do Azure AI Foundry, wybieramy Playground, następnie Chat Playground. W okienku System Prompt wpisujemy następujący prompt systemowy:

Piszesz w moim imieniu w języku polskim, używając stylu retoryki, który nawiązuje do mowy polityków. Twoje odpowiedzi powinny być pełne zwrotów charakterystycznych dla dyskusji politycznych, takich jak: „za waszej kadencji", „spójrzmy na fakty", „my mamy konkretny plan", „to jest wynik naszych działań" itd. Unikaj trybu przesadnie oficjalnego i akademickiego. Skup się na retoryce typowej dla kampanii wyborczych lub przemówień publicznych, gdzie podkreśla się sukcesy i kontrastuje je z wcześniejszymi porażkami. Nadaj tekstowi dynamiczny, przekonujący ton.

# Kroki

1. Wprowadź temat lub problem, zaczynając od podkreślenia potencjalnych trudności lub sytuacji, która była nieidealna w przeszłości (możesz używać fraz sugerujących poprzednie błędy, np. „Wszyscy pamiętamy, jak…", „Za tamtych rządów widzieliśmy…").
2. Zaprezentuj działania lub zalety „obecnej kadencji" lub domyślnego pozytywnego stanu, podkreślając poprawę lub skuteczność działań (np. „My pokazaliśmy, że można działać skutecznie", „Dzięki zdecydowanym krokom udało się osiągnąć…").
3. Zakończ przekonującym podsumowaniem, które wzmacnia pozytywny wizerunek „Twojego obozu" lub argumentacji, przy czym możesz używać wymownych apelów lub fraz w rodzaju: „Przyszłość jest w naszych rękach!" lub „Działamy dla dobra wszystkich obywateli!".

# Format odpowiedzi

- Odpowiedzi powinny być utrzymane w stylu żywym, dynamicznym, zawierającym konkretne frazy retoryczne, bez nadmiernego używania technicznego języka.
- Długość odpowiedzi dostosuj do pytania—krótka, ale treściwa w przypadku prostych pytań, bardziej rozbudowana przy złożonych kwestiach.

Następnie w okienku User Message testujemy frazą:

Jak zapatrujesz się na reformę służby zdrowia?

[Zostaw miejsce na obrazek pokazujący interfejs Azure AI Foundry Playground]

Ten przykład pokazuje, jak można wykorzystać zaawansowane prompty systemowe do tworzenia specjalistycznych asystentów AI z określonym stylem komunikacji.

🛠️ Narzędzia agenta w Azure AI Foundry

Dostępne narzędzia dla agentów NLP

WBUDOWANE NARZĘDZIA:
├─ Code Interpreter    → Wykonywanie kodu Python, analiza danych
├─ File Search         → Wyszukiwanie w przesłanych dokumentach
├─ Function Calling    → Integracja z zewnętrznymi API
└─ Web Search          → Dostęp do aktualnych informacji

NIESTANDARDOWE NARZĘDZIA:
├─ Azure AI Language   → Analiza sentymentu, NER, PII
├─ Document Intelligence → OCR, analiza formularzy
├─ Translator          → Tłumaczenie tekstów
└─ Custom Functions    → Własne funkcje biznesowe

Konfiguracja agenta z narzędziami NLP

W Agent Playground → Tools:

Włącz File Search: Do analizy dokumentów edukacyjnych
Włącz Code Interpreter: Do analiz statystycznych tekstu
Dodaj Function: Integracja z Azure AI Language Services

{
  "name": "analyze_educational_content",
  "description": "Analizuje treści edukacyjne pod kątem czytelności i sentymentu",
  "parameters": {
    "type": "object",
    "properties": {
      "text": {"type": "string", "description": "Tekst do analizy"},
      "grade_level": {"type": "string", "description": "Poziom edukacyjny"}
    }
  }
}

📊 Integracja z Azure AI Language Services

Konfiguracja połączenia w Azure AI Foundry

Models + Endpoints → + Add connection
Azure AI services → Language Service
Podaj endpoint i klucz API
Testuj połączenie

Przykład wykorzystania w agencie

System Prompt z integracją Azure AI Language:

Jesteś ekspertem ds. analizy tekstów edukacyjnych. Używasz Azure AI Language Services do:

1. ANALIZY SENTYMENTU: Oceniasz emocjonalny wydźwięk materiałów
2. ROZPOZNAWANIA ENCJI: Identyfikujesz kluczowe pojęcia i terminy
3. WYDOBYWANIA FRAZ: Znajdujesz najważniejsze elementy treści
4. DETEKCJI JĘZYKA: Określasz język materiałów

Dla każdej analizy podawaj:
- Wynik analizy technicznej
- Interpretację pedagogiczną
- Rekomendacje usprawnienia

Używaj funkcji analyze_educational_content dla wszystkich tekstów.

Sesja 5: Automatyzacja tworzenia materiałów edukacyjnych (25.09.2025)

🎓 Systemy generowania treści z Azure AI Foundry

Tworzenie specjalistycznego agenta edukacyjnego

Krok 1: Agent Playground → Create New Agent

Nazwa agenta: "EduContentCreator"
Instrukcje: "Jesteś ekspertem ds. tworzenia materiałów edukacyjnych..."
Model: GPT-4o
Narzędzia: ✓ File Search, ✓ Code Interpreter, ✓ Function Calling

Krok 2: System Prompt dla agenta edukacyjnego

ROLA: Ekspert ds. projektowania materiałów edukacyjnych

MOŻLIWOŚCI:
- Tworzenie planów lekcji dostosowanych do poziomu
- Generowanie quizów z automatyczną ewaluacją
- Projektowanie materiałów interaktywnych
- Analiza poziomu trudności treści

METODOLOGIA:
1. Określ grupę docelową i cele szkoleniowe
2. Wybierz odpowiednią metodologię dydaktyczną
3. Zaprojektuj progresję trudności
4. Zintegruj różne style uczenia się
5. Dodaj mechanizmy ewaluacji

FORMATY WYJŚCIOWE:
- Strukturalne plany lekcji (JSON/Markdown)
- Materiały do wydruku (HTML/PDF ready)
- Quizy interaktywne z metadanymi
- Raporty analityczne

Zawsze uwzględniaj różnorodność potrzeb uczących się.

Praktyczny warsztat: Generator materiałów w AI Foundry

Zadanie warsztatowe: Stworzenie kompleksowego systemu generowania materiałów edukacyjnych

Krok 1: Przesłanie materiałów źródłowych

Files → Upload curriculum standards, przykładowe materiały
Agent będzie analizował istniejące standardy

Krok 2: Konfiguracja agenta z funkcjami

# Funkcja integracji z Azure AI Language dla analizy poziomu trudności
def analyze_text_difficulty(text, grade_level):
    """Analizuje poziom trudności tekstu dla danej grupy wiekowej"""
    return {
        "readability_score": "A2",  # Poziom językowy
        "complexity": "średni",
        "key_terms": ["fotosynteza", "chlorofil"],
        "recommended_adjustments": ["Dodaj więcej przykładów", "Uprość terminologię"]
    }

Krok 3: Test generowania materiałów

Prompt testowy:

Stwórz kompletny materiał warsztatowy na temat "Energia odnawialna" dla uczniów liceum.

Wymagania:
- 45-minutowa lekcja
- 3 różne style uczenia się
- Quiz końcowy (10 pytań)
- Materiały do przeczytania w domu
- Kryteria oceny uczestnictwa

Przeanalizuj poziom trudności używając funkcji analyze_text_difficulty.

Automatyczne generowanie różnych formatów

Agent może tworzyć materiały w formatach:

FORMATY WYJŚCIOWE AI FOUNDRY:
├─ Markdown → Łatwe formatowanie i eksport
├─ HTML → Gotowe do publikacji online
├─ JSON → Strukturalne dane dla aplikacji
├─ LaTeX → Dokumenty akademickie
└─ SCORM → Pakiety e-learningowe

🎯 Tworzenie testów i quizów

Generator pytań wielokrotnego wyboru

Stwórz ewaluację z historii dla grupy na poziomie podstawowym na temat "Rzeczpospolita Szlachecka".

Wymagania:
- 10 pytań jednokrotnego wyboru (4 odpowiedzi każde)
- 3 poziomy trudności: łatwy, średni, trudny
- Pytania sprawdzające: fakty, rozumienie, analizę
- Jeden dystrator (zła odpowiedź) zawsze "żartobliwy" ale wiarygodny
- Klucz odpowiedzi na końcu

Format: gotowy do skopiowania do Word/Google Docs

Quiz interaktywny

Zaprojektuj quiz w formie gry dla grupy na poziomie podstawowym z matematyki.
Temat: Działania na ułamkach

Format: 15 pytań, każde z krótkim wyjaśnieniem po odpowiedzi.
Dodaj elementy gamifikacji:
- System punktowy
- Poziomy trudności  
- "Koła ratunkowe" (podpowiedzi)
- Zabawne komentarze do odpowiedzi

📊 Generowanie opisów projektów i eksperymentów

Projekt badawczy

Zaprojektuj projekt badawczy dla grupy na poziomie średnim z biologii.

Temat: "Wpływ różnych rodzajów muzyki na wzrost roślin"

Projekt powinien zawierać:
- Hipotezę badawczą
- Plan eksperymentu (4 tygodnie)
- Listę materiałów
- Sposób dokumentowania wyników
- Kryteria oceny projektu
- Możliwe rozszerzenia badania

Dostosuj do możliwości domowego wykonania.

Eksperyment laboratoryjny

Opisz eksperyment z fizyki dla liceum na temat fal dźwiękowych.

Eksperyment powinien:
- Trwać maksymalnie 20 minut
- Być bezpieczny i prosty w wykonaniu
- Pokazywać częstotliwość i amplitudę
- Zawierać pomiary i obliczenia
- Mieć praktyczne zastosowanie w życiu

Uwzględnij instrukcje krok po kroku i pytania do refleksji.

Sesja 6: Systemy analizy tekstu i automatyzacja NLP (30.09.2025)

📊 Azure AI Language Services w działaniu

Implementacja pipeline'u analizy tekstu

Projekt warsztatowy: Automatyczny system oceny materiałów edukacyjnych

Architektura systemu:

MATERIAŁY EDUKACYJNE → AZURE AI FOUNDRY → ANALIZA MULTI-MODALNA → RAPORT JAKOŚCI

PIPELINE PRZETWARZANIA:
1. PRZESŁANIE DOKUMENTÓW (File Upload w AI Foundry)
2. DETEKCJA JĘZYKA (Azure AI Language)
3. ANALIZA SENTYMENTU (sprawdzenie pozytywności treści)
4. ROZPOZNAWANIE ENCJI (kluczowe pojęcia edukacyjne)
5. EKSTRAKCJA FRAZ KLUCZOWYCH (tematy główne)
6. ANALIZA PII (ochrona danych osobowych)
7. OCENA POZIOMU TRUDNOŚCI (readability score)
8. GENEROWANIE RAPORTU (podsumowanie + rekomendacje)

Praktyczne ćwiczenie: Agent analizujący materiały

Krok 1: Konfiguracja agenta w AI Foundry

System Prompt dla agenta analitycznego:

AGENT ANALIZY MATERIAŁÓW EDUKACYJNYCH

FUNKCJE:
1. Analiza jakości językowej materiałów
2. Ocena poziomu trudności dla grupy docelowej
3. Identyfikacja potencjalnych problemów (bias, stereotypy)
4. Sprawdzenie zgodności z curriculum
5. Generowanie raportów z rekomendacjami

NARZĘDZIA:
- Azure AI Language Services (sentiment, NER, key phrases)
- Code Interpreter (statystyki tekstowe)
- File Search (porównanie ze standardami)

METODOLOGIA:
1. Przeanalizuj przesłane materiały pod kątem językowym
2. Oceń dostosowanie do poziomu edukacyjnego
3. Zidentyfikuj mocne strony i obszary do poprawy
4. Zaproponuj konkretne usprawnienia
5. Wygeneruj raport w formacie JSON + Markdown

KRYTERIA OCENY:
- Czytelność (0-100)
- Engagement (0-100)
- Dostępność (0-100)
- Poprawność merytoryczna (0-100)

Krok 2: Test z rzeczywistymi materiałami

Przesłanie przykładowych materiałów:

Podręcznik szkolny (PDF)
Prezentacja PowerPoint
Arkusz zadań

Agent przeprowadzi automatyczną analizę i wygeneruje raport jakości.

🤖 Automatyzacja komunikacji edukacyjnej

Agent do komunikacji z interesariuszami

Specjalizacja: Automatyczne generowanie komunikacji edukacyjnej

AGENT KOMUNIKACJI EDUKACYJNEJ

ROLE: Specjalista ds. komunikacji w środowisku edukacyjnym

MOŻLIWOŚCI:
- Raporty postępów uczestników
- Komunikaty do interesariuszy
- Podsumowania sesji szkoleniowych
- Newsletter edukacyjny
- Odpowiedzi na często zadawane pytania

STYLE KOMUNIKACJI:
- Formalny (komunikaty urzędowe)
- Przyjazny (kontakt z interesariuszami)
- Techniczny (raporty merytoryczne)
- Motywujący (feedback dla uczestników)

SZABLONY:
Używaj predefiniowanych szablonów dostosowanych do typu komunikacji.
Zawsze uwzględniaj kontekst kulturowy i językowy Polski.

Przykład automatycznego raportu

Input dla agenta:

Przygotuj miesięczny raport postępów dla grupy "Python dla początkujących":

Dane:
- 15 uczestników
- Ukończone moduły: 1-4 z 8
- Średni wynik testów: 78%
- Najlepsze wyniki: Anna Kowalska (95%), Piotr Nowak (89%)
- Wyzwania: moduł 3 (pętle) - 40% uczestników ma trudności
- Frekwencja: 87%
- Następny milestone: projekt końcowy (15.11)

Output agenta: Strukturalny raport z analizą, wykresami i rekomendacjami

🔄 Systemy feedbacku i ewaluacji

Agent ewaluacyjny z machine learning

SYSTEM EWALUACJI MATERIAŁÓW

KOMPONENTY:
1. ANALIZA TEKSTU (Azure AI Language):
   - Sentiment Analysis → pozytywność materiałów
   - Key Phrase Extraction → główne tematy
   - Named Entity Recognition → pojęcia kluczowe
   - Readability Assessment → poziom trudności

2. ANALIZA STRUKTURALNA (Code Interpreter):
   - Długość sekcji i paragrafów
   - Rozkład typów pytań
   - Balans teoria vs praktyka
   - Progresja trudności

3. PORÓWNANIE Z BAZĄ WIEDZY (File Search):
   - Zgodność z curriculum
   - Benchmarking z najlepszymi materiałami
   - Sprawdzenie kompletności tematów

4. GENEROWANIE REKOMENDACJI:
   - Konkretne sugestie poprawek
   - Alternatywne podejścia metodyczne
   - Dodatkowe zasoby

Projekt końcowy: Inteligentny system wsparcia edukacyjnego

SPECYFIKACJA KOŃCOWA: Multi-Agent System dla edukacji

ARCHITEKTURA SYSTEMU:
┌─────────────────────────────────────────────────────────────┐
│                    AZURE AI FOUNDRY                        │
├─────────────────────────────────────────────────────────────┤
│  Agent 1: ContentCreator    │  Agent 2: QualityAnalyzer    │
│  - Generowanie materiałów   │  - Analiza jakości           │
│  - Planowanie lekcji        │  - Ocena poziomu trudności   │
│  - Tworzenie quizów         │  - Sprawdzanie bias          │
├─────────────────────────────┼─────────────────────────────────┤
│  Agent 3: CommunicationBot │  Agent 4: ProgressTracker    │
│  - Raporty dla rodziców     │  - Monitorowanie postępów    │
│  - Komunikaty branżowe      │  - Predykcja problemów       │
│  - FAQ automatyczne        │  - Rekomendacje interwencji  │
└─────────────────────────────┴─────────────────────────────────┘
                              ↓
┌─────────────────────────────────────────────────────────────┐
│               INTEGRACJE ZEWNĘTRZNE                         │
├─────────────────────────────────────────────────────────────┤
│  ✓ Azure AI Language → Analiza tekstu, NER, Sentiment      │
│  ✓ Azure Translator → Materiały wielojęzyczne              │
│  ✓ Document Intelligence → OCR i analiza PDF               │
│  ✓ Power BI → Dashboardy i raporty                         │
│  ✓ Teams/SharePoint → Dystrybucja materiałów               │
└─────────────────────────────────────────────────────────────┘