מיקרוסופט הודיעה ש-Prompt Flow של Azure AI Foundry יפסיק לקבל תכונות חדשות ב-20 באפריל 2026 ויוסר ב-20 באפריל 2027. היא קוראת למפתחים להעביר את עומסי העבודה שלהם ל-Microsoft Agent Framework. המועד האחרון חשוב מכיוון שדימויי זמן הריצה (runtime images) שמפעילים את Prompt Flow יפסיקו לקבל עדכוני אבטחה בקרוב, מה שעלול ליצור בעיות תאימות (compliance) עבור כל ארגון שימשיך להשתמש בשירות.
Prompt Flow היה ה-orchestrator הוויזואלי של Azure AI Foundry עבור pipelines של מודלי שפה גדולים (LLM). "flow" הוא למעשה תיקייה המכילה קובץ flow.dag.yaml המתאר קלטים, פלטים ואת רצף הצמתים (nodes). העורך הוויזואלי אפשר למשתמשים לגרור ולהניח רכיבים, אך קובץ ה-YAML שבבסיסו הוא מה שמערכות בקרת הגרסאות עוקבות אחריו בפועל.
למה השינוי חשוב
- סיכון תאימות (Compliance risk) – ללא עדכוני אבטחה, כל פגיעות (vulnerability) שתתגלה בדימויי זמן הריצה תישאר ללא תיקון. רגולטורים נוטים לעיתים קרובות לסווג קוד שאינו מתוחזק כלא תואם לסטנדרטים, במיוחד כאשר הוא מטפל בפרטי גישה (credentials).
מושגי ליבה שעדיין עליכם להכיר
גם כשאתם מתכננים לנטוש את Prompt Flow, התבניות שהוא עודד נותרות בעלות ערך. הבנתן תקל על המעבר ל-Agent Framework.
- הגדרה מבוססת תיקייה – קובץ ה-YAML של ה-flow מפרט כל צומת (node), את סוגו ואת חוזי הנתונים (data contracts) שלו. שמרו את הקובץ הזה תחת בקרת מקור (source control); הוא מהווה את מקור האמת היחיד (single source of truth).
- צמתי Python לעבודה דטרמיניסטית – השתמשו בשלבי Python עבור ניתוח (parsing), אימות (validation) או כל לוגיקה שחייבת להפיק את אותה תוצאה עבור אותו קלט. זה מבודד את קריאות ה-LLM הלא-דטרמיניסטיות ומקל על בדיקות בשלבים הבאים (downstream).
- אובייקטי Connection עבור סודות (secrets) – פרטי גישה (credentials) נמצאים בשדה חיבור (connection) נפרד, ולא בקוד. עיצוב זה מאפשר לכם להחליף מפתחות פיתוח במפתחות ייצור מבלי לגעת בהגדרת ה-flow.
- ערכות נתוני הערכה (Evaluation datasets) – התכונה החזקה ביותר של Prompt Flow הייתה לולאת ההערכה המובנית שלה. קובץ JSONL המצמד קלטים ריאליסטיים לפלטים צפויים יכול לשמש מחדש בכל framework; התייחסו אליו כאל נתוני בדיקה ניידים.
- מדדים ברמת המערכת – מדידה של פלט מצומת בודד בלבד עלולה להטעות. שלבו בדיקות דטרמיניסטיות (למשל, התאמות regex) עם מדדים מקצה לקצה (end-to-end) כדי לזהות רגרסיות שמופיעות רק לאחר הרצת כל ה-pipeline.