Microsoft imetangaza kuwa Prompt Flow ya Azure AI Foundry itaacha kupokea vipengele vipya mnamo Aprili 20, 2026 na itafutwa rasmi mnamo Aprili 20, 2027. Inawahimiza watengenezaji kuhamisha kazi zao (workloads) kwenda kwenye Microsoft Agent Framework. Tarehe hii ni muhimu kwa sababu picha za utendaji (runtime images) zinazowezesha Prompt Flow zitapoteza sasisho za usalama hivi karibuni, jambo ambalo litasababisha changamoto za utii (compliance) kwa shirika lolote litakalokuwa likitumia huduma hiyo.

Prompt Flow ilikuwa mratibu wa kuonekana (visual orchestrator) wa Azure AI Foundry kwa ajili ya mifumo ya LLM (large-language-model) pipelines. "Flow" kimsingi ni folda inayohitaji faili ya flow.dag.yaml inayoelezea viingizio (inputs), vito (outputs) na mfuatano wa nodi (nodes). Kiharakishaji cha kuonekana (visual editor) kiliwaruhusu watumiaji kuvuta na kuachia (drag and drop) vipengele, lakini faili ya YAML iliyopo chini ndiyo inayofuatiliwa na mifumo ya udhibiti wa matoleo (version-control systems).

Kwa nini mabadiliko haya ni muhimu

  • Hatari ya utii (Compliance risk) – Bila sasisho za usalama, udhaifu wowote utakaogunduliwa kwenye picha za utendaji (runtime images) utabaki bila kurekebishwa. Wafuatiliaji (regulators) mara nyingi huita kodi isiyodhibitiwa kama isiyozingatia kanuni, hasa inaposhughulikia siri (credentials).

Dhana kuu unazopaswa kuzijua bado

Hata unapopanga kuacha Prompt Flow, mifumo (patterns) iliyohimizwa na huduma hiyo bado ni muhimu. Kuielewa itarahisisha mpito kwenda kwenye Agent Framework.

  • Ufafanuzi unaozingatia folda – Faili ya YAML ya flow inaorodhesha kila nodi, aina yake na mikataba yake ya data. Weka faili hii chini ya udhibiti wa chanzo (source control); ndiyo chanzo pekee cha ukweli.
  • Nodi za Python kwa kazi za uhakika (deterministic) – Tumia hatua za Python kwa uchambuzi (parsing), uhakiki (validation) au mantiki yoyote inayopaswa kutoa matokeo yaleyale kwa kupewa viingizio vilevile. Hii hutenganisha wito wa LLM usio na uhakika (nondeterministic) na kufanya majaribio ya hatua zinazofuata kuwa rahisi.
  • Vitu vya muunganisho (Connection objects) kwa ajili ya siri – Siri (credentials) huwekwa kwenye uwanja wa muunganisho tofauti, si kwenye kodi. Muundo huu unakuwezesha kubadilisha funguo za maendeleo (development keys) na funguo za uzalishaji (production keys) bila kugusa ufafanuzi wa flow.
  • Seti za data za tathmini (Evaluation datasets) – Kipengele chenye nguvu zaidi cha Prompt Flow kilikuwa mzunguko wake wa tathmini uliojengwa ndani. Faili ya JSONL inayounganisha viingizio halisi na matokeo yanayotarajiwa inaweza kutumika tena katika mfumo wowote; itumie kama data ya majaribio inayoweza kuhamishwa.
  • Vipimo vya kiwango cha mfumo (System-level metrics) – Kupima matokeo ya nodi moja pekee kunaweza kupotosha. Unganisha ukaguzi wa uhakika (kama vile regex matches) na vipimo vya mwisho hadi mwisho (end-to-end metrics) ili kukamata upungufu (regressions) unaojitokeza baada tu ya mfumo mzima kufanya kazi.

Ramani ya uhamiaji (Migration roadmap)

Kuhamia kutoka Prompt Flow kwenda kwenye Agent Framework si operesheni ya kubofya na kubadilisha tu; inahitaji kuandika upya maana (semantics) ya kila nodi.

  1. Orodhesha nodi za LLM – Badilisha vizuizi vya LLM vya kuonekana na wito wa API wa wazi uliowekwa ndani ya daraja (class) ya agent. Agent anapaswa kukubali muundo (schema) uleule wa viingizio uliowekwa kwenye YAML ya awali.
  2. Badili nodi za Python – Hamisha kodi ya Python kuwa kazi (functions) au mbinu (methods) za kawaida ambazo mratibu mpya anaweza kuitumia. Hifadhi mikataba yoyote ya uhakika (deterministic contracts) uliyoiunda karibu nazo.
  3. Unganisha upya muunganisho – Toa ufafanuzi wa muunganisho kutoka Prompt Flow na uyaingize kwenye ghala la siri (secret store) la Agent Framework. Hakikisha kuwa thamani maalum za mazingira bado zinatambuliwa kwa usahihi.
  4. Hamisha data za tathmini – Ingiza faili ya JSONL iliyopo kwenye mfumo mpya wa majaribio (test harness). Rekebisha hesabu zozote za vipimo ili ziendane na mfumo wa ripoti wa Agent Framework.
  5. Hakiki mwisho hadi mwisho – Endesha mfumo mzima kwa kutumia sampuli ya trafiki halisi. Linganisha matokeo ya mwisho na msingi (baseline) wa Prompt Flow wa awali ili kubaini mabadiliko (drift).
  6. Rudia mchakato wa uratibu – Ikiwa mtiririko wako wa kazi unahitaji uimara (resilience) wakati wa kuanza upya kwa michakato, fikiria kutumia Azure Durable Functions au mratibu mwingine imara badala ya kujenga upya flow ya kuonekana.

Nini cha kufuatilia baadaye

Hitimisho: Chukulia tarehe ya mwisho ya Aprili 2027 kama kikomo cha lazima. Simamisha miradi yoyote mipya ya Prompt Flow, toa vipande vinavyoweza kutumika tena—maelezo ya YAML, mantiki ya Python, mipangilio ya muunganisho na data ya tathmini—na uanze kuzijenga upya kwenye Agent Framework wakati sasisho za usalama bado zinapatikana. Jitihada za sasa zitazuia uhamiaji wa haraka na wenye hatari baadaye.

Chanzo: https://dev.to/multigrid/building-a-prompt-flow-in-azure-ai-foundry-2bbn