Microsoft ਨੇ ਐਲਾਨ ਕੀਤਾ ਹੈ ਕਿ Azure AI Foundry ਦਾ Prompt Flow 20 ਅਪ੍ਰੈਲ 2026 ਨੂੰ ਨਵੇਂ ਫੀਚਰ ਪ੍ਰਾਪਤ ਕਰਨਾ ਬੰਦ ਕਰ ਦੇਵੇਗਾ ਅਤੇ 20 ਅਪ੍ਰੈਲ 2027 ਨੂੰ ਇਸਨੂੰ ਰਿਟਾਇਰ (retired) ਕਰ ਦਿੱਤਾ ਜਾਵੇਗਾ। ਇਹ ਡਿਵੈਲਪਰਾਂ ਨੂੰ ਆਪਣੇ ਵਰਕਲੋਡ (workloads) ਨੂੰ Microsoft Agent Framework ਵਿੱਚ ਤਬਦੀਲ ਕਰਨ ਦੀ ਅਪੀਲ ਕਰਦਾ ਹੈ। ਇਹ ਸਮਾਂ-ਸੀਮਾ ਮਹੱਤਵਪੂਰਨ ਹੈ ਕਿਉਂਕਿ Prompt Flow ਨੂੰ ਚਲਾਉਣ ਵਾਲੀਆਂ runtime images ਜਲਦੀ ਹੀ ਸੁਰੱਖਿਆ ਅਪਡੇਟਾਂ (security updates) ਤੋਂ ਵਾਂਝੀਆਂ ਹੋ ਜਾਣਗੀਆਂ, ਜਿਸ ਨਾਲ ਕਿਸੇ ਵੀ ਸੰਸਥਾ ਲਈ ਕੰਪਲਾਇੰਸ (compliance) ਦੀਆਂ ਮੁਸ਼ਕਲਾਂ ਪੈਦਾ ਹੋ ਸਕਦੀਆਂ ਹਨ ਜੋ ਇਸ ਸੇਵਾ ਨੂੰ ਜਾਰੀ ਰੱਖਦੀ ਹੈ।
Prompt Flow, large-language-model (LLM) pipelines ਲਈ Azure AI Foundry ਦਾ ਇੱਕ ਵਿਜ਼ੂਅਲ ਆਰਕੈਸਟਰੇਟਰ (visual orchestrator) ਸੀ। ਇੱਕ "flow" ਅਸਲ ਵਿੱਚ ਇੱਕ ਫੋਲਡਰ ਹੁੰਦਾ ਹੈ ਜਿਸ ਵਿੱਚ ਇੱਕ flow.dag.yaml ਫਾਈਲ ਹੁੰਦੀ ਹੈ ਜੋ ਇਨਪੁੱਟਸ, ਆਉਟਪੁੱਟਸ ਅਤੇ ਨੋਡਸ (nodes) ਦੇ ਕ੍ਰਮ ਦਾ ਵਰਣਨ ਕਰਦੀ ਹੈ। ਵਿਜ਼ੂਅਲ ਐਡੀਟਰ ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਕੰਪੋਨੈਂਟਸ ਨੂੰ ਡਰੈਗ ਅਤੇ ਡ੍ਰੌਪ ਕਰਨ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦਾ ਸੀ, ਪਰ ਅਸਲ ਵਿੱਚ ਵਰਜ਼ਨ-ਕੰਟਰੋਲ ਸਿਸਟਮ ਅੰਡਰਲਾਈਨ YAML ਫਾਈਲ ਨੂੰ ਹੀ ਟ੍ਰੈਕ ਕਰਦੇ ਹਨ।
ਇਹ ਬਦਲਾਅ ਕਿਉਂ ਮਹੱਤਵਪੂਰਨ ਹੈ
- Compliance risk (ਕੰਪਲਾਇੰਸ ਜੋਖਮ) – ਸੁਰੱਖਿਆ ਅਪਡੇਟਾਂ ਤੋਂ ਬਿਨਾਂ, runtime images ਵਿੱਚ ਪਤਾ ਲੱਗੀ ਕੋਈ ਵੀ ਕਮਜ਼ੋਰੀ (vulnerability) ਅਣ-ਸੁਧਾਰੀ (unpatched) ਰਹਿ ਜਾਂਦੀ ਹੈ। ਰੈਗੂਲੇਟਰ ਅਕਸਰ ਅਣ-ਰੱਖ-ਰਖਿਆ ਕੋਡ ਗੈਰ-ਕੰਪਲਾਇੰਟ (non-compliant) ਮੰਨਦੇ ਹਨ, ਖਾਸ ਕਰਕੇ ਜਦੋਂ ਇਹ ਕ੍ਰੈਡੈਂਸ਼ੀਅਲਜ਼ (credentials) ਨੂੰ ਸੰਭਾਲਦਾ ਹੈ।
ਮੁੱਖ ਸੰਕਲਪ ਜੋ ਤੁਹਾਨੂੰ ਅਜੇ ਵੀ ਜਾਣਨ ਦੀ ਲੋੜ ਹੈ
ਭਾਵੇਂ ਤੁਸੀਂ Prompt Flow ਨੂੰ ਛੱਡਣ ਦੀ ਯੋਜਨਾ ਬਣਾ ਰਹੇ ਹੋ, ਪਰ ਇਸ ਦੁਆਰਾ ਉਤਸ਼ਾਹਿਤ ਕੀਤੇ ਗਏ ਪੈਟਰਨ ਅਜੇ ਵੀ ਕੀਮਤੀ ਹਨ। ਉਹਨਾਂ ਨੂੰ ਸਮਝਣ ਨਾਲ Agent Framework ਵਿੱਚ ਤਬਦੀਲੀ ਸੁਖਾਲੀ ਹੋ ਜਾਵੇਗੀ।
- Folder-based definition (ਫੋਲਡਰ-ਅਧਾਰਤ ਪਰਿਭਾਸ਼ਾ) – ਫਲੋਅ ਦੀ YAML ਫਾਈਲ ਹਰ ਨੋਡ, ਇਸਦੀ ਕਿਸਮ ਅਤੇ ਇਸਦੇ ਡਾਟਾ ਕੰਟਰੈਕਟਸ ਦੀ ਸੂਚੀ ਬਣਾਉਂਦੀ ਹੈ। ਇਸ ਫਾਈਲ ਨੂੰ ਸੋਰਸ ਕੰਟਰੋਲ (source control) ਦੇ ਅਧੀਨ ਰੱਖੋ; ਇਹ ਸੱਚ ਦਾ ਇੱਕੋ ਇੱਕ ਸਰੋਤ (single source of truth) ਹੈ।
- Deterministic ਕੰਮ ਲਈ Python nodes – ਪਾਰਸਿੰਗ, ਵੈਲੀਡੇਸ਼ਨ ਜਾਂ ਕਿਸੇ ਵੀ ਅਜਿਹੇ ਲੌਜਿਕ ਲਈ Python ਸਟੈਪਸ ਦੀ ਵਰਤੋਂ ਕਰੋ ਜੋ ਇੱਕੋ ਇਨਪੁੱਟ ਦੇਣ 'ਤੇ ਇੱਕੋ ਜਿਹਾ ਨਤੀਜਾ ਦੇਣਾ ਚਾਹੀਦਾ ਹੈ। ਇਹ ਨਾਨ-ਡਿਟਰਮਿਨਿਸਟਿਕ (nondeterministic) LLM ਕਾਲਾਂ ਨੂੰ ਅਲੱਗ ਕਰਦਾ ਹੈ ਅਤੇ ਡਾਊਨਸਟ੍ਰੀਮ ਟੈਸਟਿੰਗ ਨੂੰ ਆਸਾਨ ਬਣਾਉਂਦਾ ਹੈ।
- Secrets ਲਈ Connection objects – ਕ੍ਰੈਡੈਂਸ਼ੀਅਲਜ਼ ਇੱਕ ਵੱਖਰੇ ਕਨੈਕਸ਼ਨ ਫੀਲਡ ਵਿੱਚ ਹੁੰਦੇ ਹਨ, ਕੋਡ ਵਿੱਚ ਨਹੀਂ। ਇਹ ਡਿਜ਼ਾਈਨ ਤੁਹਾਨੂੰ ਫਲੋਅ ਪਰਿਭਾਸ਼ਾ ਨੂੰ ਬਦਲੇ ਬਿਨਾਂ ਡਿਵੈਲਪਮੈਂਟ ਕੀਜ਼ (development keys) ਨੂੰ ਪ੍ਰੋਡਕਸ਼ਨ ਕੀਜ਼ (production keys) ਨਾਲ ਬਦਲਣ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦਾ ਹੈ।
- Evaluation datasets (ਮੁਲਾਂਕਣ ਡੇਟਾਸੈਟਸ) – Prompt Flow ਦੀ ਸਭ ਤੋਂ ਮਜ਼ਬੂਤ ਵਿਸ਼ੇਸ਼ਤਾ ਇਸਦਾ ਇਨ-ਬਿਲਟ (built-in) ਇਵੈਲੂਏਸ਼ਨ ਲੂਪ ਸੀ। ਇੱਕ JSONL ਫਾਈਲ ਜੋ ਯਥਾਰਥਵਾਦੀ ਇਨਪੁੱਟਸ ਨੂੰ ਉਮੀਦ ਕੀਤੇ ਆਉਟਪੁੱਟਸ ਨਾਲ ਜੋੜਦੀ ਹੈ, ਉਸਨੂੰ ਕਿਸੇ ਵੀ ਫਰੇਮਵਰਕ ਵਿੱਚ ਦੁਬਾਰਾ ਵਰਤਿਆ ਜਾ ਸਕਦਾ ਹੈ; ਇਸਨੂੰ ਪੋਰਟੇਬਲ ਟੈਸਟ ਡਾਟਾ ਵਜੋਂ ਮੰਨੋ।
- System-level metrics (ਸਿਸਟਮ-ਪੱਧਰੀ ਮੈਟ੍ਰਿਕਸ) – ਸਿਰਫ ਇੱਕ ਸਿੰਗਲ ਨੋਡ ਦੇ ਆਉਟਪੁੱਟ ਨੂੰ ਮਾਪਣਾ ਗਲਤ ਹੋ ਸਕਦਾ ਹੈ। ਪੂਰੇ ਪਾਈਪਲਾਈਨ ਦੇ ਚੱਲਣ ਤੋਂ ਬਾਅਦ ਦਿਖਾਈ ਦੇਣ ਵਾਲੇ ਰੈਗਰੈਸ਼ਨ (regressions) ਨੂੰ ਫੜਨ ਲਈ ਡਿਟਰਮਿਨਿਸਟਿਕ ਚੈਕਸ (ਜਿਵੇਂ ਕਿ regex matches) ਨੂੰ ਐਂਡ-ਟੂ-ਐਂਡ ਮੈਟ੍ਰਿਕਸ ਨਾਲ ਜੋੜੋ।
ਮਾਈਗ੍ਰੇਸ਼ਨ ਰੋਡਮੈਪ (Migration roadmap)
Prompt Flow ਤੋਂ Agent Framework ਵਿੱਚ ਜਾਣਾ ਕੋਈ "ਕਲਿੱਕ-ਐਂਡ-ਕਨਵਰਟ" (click-and-convert) ਕਾਰਜ ਨਹੀਂ ਹੈ; ਇਸ ਲਈ ਹਰੇਕ ਨੋਡ ਦੇ ਸੈਮੈਂਟਿਕਸ (semantics) ਨੂੰ ਦੁਬਾਰਾ ਲਿਖਣ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ।
- LLM ਨੋਡਸ ਨੂੰ ਮੈਪ ਕਰੋ – ਵਿਜ਼ੂਅਲ LLM ਬਲਾਕਸ ਨੂੰ ਇੱਕ ਏਜੰਟ ਕਲਾਸ ਵਿੱਚ ਲਪੇਟੇ ਹੋਏ ਸਪੱਸ਼ਟ API ਕਾਲਸ ਨਾਲ ਬਦਲੋ। ਏਜੰਟ ਨੂੰ ਅਸਲ YAML ਵਿੱਚ ਪਰਿਭਾਸ਼ਿਤ ਕੀਤੇ ਗਏ ਉਹੀ ਇਨਪੁੱਟ ਸਕੀਮਾ (input schema) ਸਵੀਕਾਰ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ।
- Python ਨੋਡਸ ਨੂੰ ਤਬਦੀਲ ਕਰੋ – Python ਕੋਡ ਨੂੰ ਰੈਗੂਲਰ ਫੰਕਸ਼ਨਾਂ ਜਾਂ ਮੈਥਡਸ ਵਿੱਚ ਬਦਲੋ ਜਿਨ੍ਹਾਂ ਨੂੰ ਨਵਾਂ ਆਰਕੈਸਟਰੇਟਰ ਕਾਲ ਕਰ ਸਕੇ। ਉਹਨਾਂ ਦੇ ਆਲੇ-ਦੁਆਲੇ ਬਣਾਏ ਗਏ ਕਿਸੇ ਵੀ ਡਿਟਰਮਿਨਿਸਟਿਕ ਕੰਟਰੈਕਟ ਨੂੰ ਬਰਕਰਾਰ ਰੱਖੋ।
- ਕਨੈਕਸ਼ਨਾਂ ਨੂੰ ਰੀਵਾਈਰ (Rewire) ਕਰੋ – Prompt Flow ਤੋਂ ਕਨੈਕਸ਼ਨ ਪਰਿਭਾਸ਼ਾਵਾਂ ਨੂੰ ਐਕਸਪੋਰਟ ਕਰੋ ਅਤੇ ਉਹਨਾਂ ਨੂੰ Agent Framework ਦੇ ਸੀਕਰੇਟ ਸਟੋਰ (secret store) ਵਿੱਚ ਇੰਪੋਰਟ ਕਰੋ। ਪੁਸ਼ਟੀ ਕਰੋ ਕਿ ਵਾਤਾਵਰਣ-ਵਿਸ਼ੇਸ਼ (environment-specific) ਮੁੱਲ ਅਜੇ ਵੀ ਸਹੀ ਤਰ੍ਹਾਂ ਰੈਜ਼ੋਲਵ ਹੁੰਦੇ ਹਨ।
- Evaluation ਡਾਟਾ ਨੂੰ ਪੋਰਟ ਕਰੋ – ਮੌਜੂਦਾ JSONL ਫਾਈਲ ਨੂੰ ਨਵੇਂ ਫਰੇਮਵਰਕ ਦੇ ਟੈਸਟ ਹਾਰਨੈਸ (test harness) ਵਿੱਚ ਪਾਓ। Agent Framework ਦੇ ਰਿਪੋਰਟਿੰਗ ਫਾਰਮੈਟ ਨਾਲ ਮਿਲਾਉਣ ਲਈ ਕਿਸੇ ਵੀ ਮੈਟ੍ਰਿਕ ਕੈਲਕੂਲੇਸ਼ਨ ਨੂੰ ਐਡਜਸਟ ਕਰੋ।
- ਐਂਡ-ਟੂ-ਐਂਡ ਵੈਲੀਡੇਟ ਕਰੋ – ਅਸਲ ਟ੍ਰੈਫਿਕ ਦੇ ਇੱਕ ਨਮੂਨੇ 'ਤੇ ਪੂਰੀ ਪਾਈਪਲਾਈਨ ਚਲਾਓ। ਡ੍ਰਿਫਟ (drift) ਦਾ ਪਤਾ ਲਗਾਉਣ ਲਈ ਅੰਤਿਮ ਆਉਟਪੁੱਟ ਦੀ ਤੁਲਨਾ ਅਸਲ Prompt Flow ਬੇਸਲਾਈਨ ਨਾਲ ਕਰੋ।
- ਆਰਕੈਸਟਰੇਸ਼ਨ 'ਤੇ ਇਟਰੇਟ ਕਰੋ – ਜੇਕਰ ਤੁਹਾਡੇ ਵਰਕਫਲੋ ਨੂੰ ਪ੍ਰੋਸੈਸ ਰੀਸਟਾਰਟਸ ਦੌਰਾਨ ਲਚਕੀਲੇਪਣ (resilience) ਦੀ ਲੋੜ ਹੈ, ਤਾਂ ਵਿਜ਼ੂਅਲ ਫਲੋ ਨੂੰ ਦੁਬਾਰਾ ਬਣਾਉਣ ਦੀ ਬਜਾਏ Azure