Azure WVD-讓你在瀏覽器中執行 Windows 10

作者： -

如何在瀏覽器中執行 Windows?

要談這件事情前，我們得說說為何會有這個需要? 雖然對我而言，這個需求是顯而易見的。

虛擬桌面的美好想像

過去在企業環境中，使用vmware或hyper-v搭建一整套給用戶的虛擬工作環境，或是採用RDP以multi-session的形式提供用戶透過遠端連入的工作環境，都是企業內很常見的使用方式。

這樣做帶來幾個好處:

  1. 用戶端的實體設備等級不用太高，因為大量工作實際上都運行在遠端機房。
  2. 安全性容易控制，因為實際運行的程式大多也都在機房。
  3. MIS/IT人員不再需要為每一台用戶端設備傷腦筋。用戶端隨便用任何一台設備，登入遠端虛擬桌面後，都可以立即讓同仁開始工作。
  4. 同仁即便在遠端(家裡、網咖)、拿自己的ＮＢ也可以隨時連入工作（WFH居家辦公一次搞定)
  5. …

隨手都能舉出好幾個理由，讓大部分MIT/IT人員對於遠端虛擬桌面有許多美好想像(包含我在內)。

自從有了Azure雲端之後，事實上我的桌機或NB的硬體更新頻率越來越低，因為大部分我工作都直接透過RDP用雲端上的VM來進行。這樣有許多好處。包含，有需要時隨手可以把VM升級成16或32G的記憶體，硬碟空間更是要多大有多大，只要網路速度可以，在遠端VM上工作比local實體機效率來的高上不少，算是一個頗奢侈豪華的享受。

對我個人來說，這樣做也有另一個好處，方便我把工作和個人電腦分開，工作我一律用雲端VM，個人NB則大多做些教育訓練或私人的事情，工作時只需要從NB連上雲端VM即可，環境乾淨不容易混亂或衝突。

需要克服的缺點

然而，使用RDP從NB連上雲端windows 10的VM，對很多人來說已經很美好，但我覺得還是有些缺點。當我想要大範圍的導入時，會碰到一些障礙：

  1. RDP採用3389 port，常常在企業內有被擋掉的可能。
  2. RDP在MAC環境可以用，但在android和iOS上還是有不少限制。在Windows環境上用戶也需要一點基本概念，才能夠使用。
  3. 用戶端的RDP上會保留有連線位置等資訊，在網咖或是外部環境使用相對風險比較高。

Azure WVD解決方案

因此，當我聽到Azure上的WVD解決方案時，實在非常心動。比起單純的RDP和雲端VM(或是地端的hyper-v, vmware)，它有底下好處：

  1. 用戶端只需要有瀏覽器(Chrome/Edge)就可以運作，可透過網頁直接操作遠端VM，也不需要搭建VPN。(圖一)
  2. 在雲端可以建立虛擬機(VM)的集區，讓多台windows 10服務多位用戶。可以讓多位用戶可以被平均分攤到每一台Windows 10環境上工作。(圖二)
  3. 伺服器端可以看到用戶目前位於哪一台虛擬機，電腦集區中的VM支援清空模式，當需要維護特定VM時非常方便。(圖三)
  4. 可以建立多種工作環境，讓不同類型需求的用戶，使用適合自己的工作環境。(圖四)
  5. 若有需要，可以隨時從Azure Portal發送訊息給VM用戶，讓某一台VM上的用戶收到通知。(圖三) (圖五)
  6. Azure VM本身就可以隨著需要而動態擴充，加大記憶體或硬碟，而無須重建VM環境。
  7. 支援剪貼簿複製、列印、檔案傳輸、音訊。不過你可別忘了，沒有RDP用戶端，運行在瀏覽器中的遠端虛擬桌面，是怎麼實現這些功能的? 它的作法很有趣…
  8. …

還有很多好玩的地方，讀者可以先對照著上面的說明，看看底下這些附圖：

圖一:
enter image description here

圖二:
enter image description here

圖三:
enter image description here

圖四：
enter image description here

圖五：
enter image description here

光在瀏覽器中可以執行這一項，就是我覺得很驚艷的功能。但有沒有想過，如果沒有RDP Client，那它怎麼完成檔案的上傳和下載?

如何實現列印以及檔案上傳與下載?

WVD對於列印的實作很有意思，如果用戶在連入的時候，選擇支援列印功能，則會看到雲端虛擬機上多了一台印表機：
enter image description here

如果對這台印表機列印，會出現一個很有趣的事情。你會發現，列印的東西會被轉成PDF然後在你的瀏覽器中變成下載檔案：
enter image description here

這解決了在瀏覽器環境中運行虛擬桌面的文件列印問題。

同樣的，檔案的上傳與下載也是採用類似的機制，如果你想將VM中的某個檔案傳遞到Local本機電腦上，只需要把該檔案複製到VM裡面的下載檔案資料夾：
enter image description here
該檔案就能夠自動的被瀏覽器下載，你就可以在本機電腦上取得該檔案了。

而上傳更簡單，只需要點選VM右上角的上傳鈕，即可從用戶端上傳檔案到VM上，被上傳的檔案會出現在VM的 『遠端桌面虛擬磁碟機\上傳』 資料夾中…
enter image description here

好玩吧? 我可是玩得不亦樂乎。

如何架設WVD環境?

至於如何架設WVD的環境，我得說，從我這個寫程式的人的角度來說，確實沒有很容易。有許多背景知識你需要知道，諸如Windows AD和AAD(Azure AD)以及AADDS(Azure AD Domain Services)之間的關係。以及讓VM加入網域這一塊，著實花了我不少時間。

我建議交給有經驗的雲端技術工程師來進行，如果您想嘗試看看，可以參考底下這篇偉任的介紹，這篇文幫了我不少忙：
https://www.netadmin.com.tw/netadmin/zh-tw/technology/230DC44996D24A5EB2A66679B9966293

另外，文章完成後，網友弘宇提供我底下這份文件，對於整個安裝過程也有非常詳細的介紹，甚至還有HOL唷，大家可以參考看看:
https://github.com/BrianHsing/Azure-Virtual-Desktop?fbclid=IwAR1lyP7c7GhcR9RSjCdMSYLx37-_WEUaRw8vjQl1X_KS5LTho5fY8-o345o

結語

最後，我覺得WVD算是微軟最近幾年在虛擬桌面這一塊整合性和完整度最高的一次展現，其實用戶端除了瀏覽器之外，還可以用iOS, Android，當然在MAC上也有支援。

對於MIS/IT來說，絕對是WFH的非常好的一個解決方案。
祝您玩得愉快， enjoy it.

留言

張貼留言

這個網誌中的熱門文章

使用LM Studio輕鬆在本地端以API呼叫大語言模型(LLM)

作者： -
圖片
最近上課常被問到，如何在地端環境搭建出大語言模型(LLM)，並且呼叫其API。 一開始我不太理解為何會有這樣的需求(因為在地端自行搭建運行LLM的成本不一定比較低，即便可能比較安全)，但被問多了，也就開始遍尋相關的解決方案，看看有沒有什麼最簡單的方式，可以讓開發人員在地端測試大語言模型? 後來我選擇 LM Studio ，它就是一款設計來運行大型語言模型（LLM）的平台，有個算是挺優雅的整合環境，讓一般 end-user 或開發人員，都可以輕易地在 local 端進行模型的部署和測試。 LM Studio 本身支援多種模型架構和框架，當然，最重要的是，它是免費的。 下載安裝 都很容易，我就不多說。 安裝好之後，你可以看到首頁中已經呈現了許多 Hugging Face上的模型： 這顯然是因為Hugging Face是大部分免費開源模型的集散地。 你可以搜尋自己喜歡的模型，透過LM Studio下載到local之後，就可以直接載入(下圖一)： 隨手設定一下 system prompt(上圖二)，然後，就可以直接對談了。(上圖三) LM Studio會使用你的GPU進行運算(如果有的話)，你會發現，原來有好的設備(GPU)，運行的速度可以如此之快。 Local Server 對於開發人員來說，它還有個超級更友善的功能。 LM Studio本身還提供一個 local server，可以幫你把模型包裹起來讓你直接透過API呼叫該模型的功能，例如： 上圖是我們開啟 LM Studio中 Local Server功能後的結果，你可以透過 localhost 的 1234 port 來呼叫這個被 LM Studio 運行起來的大語言模型。(有沒有發現，我們用的也是 chat/completions API) 透過Postman簡單提供一下 JSON Body: { "model": "LM Studio Community/Meta-Llama-3-8B-Instruct-GGUF", "messages": [ { "role": "system", "content": "你是AI助理，請一律用繁體中...
Read more »

VS Code的字體大小

作者： -
圖片
身為.net developer，這年頭是什麼code都得要會寫的年代。 而雖然我的NB還沒從Windows淪陷為Mac OS，但寫Node.js和Python免不了要用VS Code，這是一種愛的表現。 但歲月不饒人，盡管微臣非常熱於配合，但VS Code預設字體的大小在我還沒錢買大尺寸螢幕的狀況下，實在讓老臣難以適應。當下的第一個反應是什麼? 當然是 Ctrl+滑鼠滾輪往上推…哇靠，沒用。看…這設計…恩，千錯萬錯一定是我的錯。 只好從選單 file –> Preferences –> Settings: 在出來的視窗中，你可以看到 editor.fontsize: 沒錯，改它就行了。改不動? 喔，不好意思，我沒仔細看說明，要copy到右邊是吧，沒問題，copy->paste->modify->Save…搞定。 好簡單啊…連ctrl+(mouse scroll up)都用不到了呢… 咦?這是一篇抱怨文嗎? 沒有，誰說的? 免費的tool我們還有什麼好抱怨的呢…要感恩啦。 啊….對了，如果你還是堅持要使用 Ctrl+滑鼠滾輪，請找關鍵字… "editor.mouseWheelZoom"
Read more »

使用 Dify 建立企業請假機器人

作者： -
圖片
八卦與未來 上個月，前Google執行長Eric Schmidt在史丹福有場演講，媒體關注的是八卦消息(如果你也曾關注，網路上有很多鐵定可以找到)，但我注意到的則是他提到了自己認為接下來 AI(特別是大語言模型) 可能的發展方向，包含: Large Context Window AI Agent Text-to-Action 底下這邊有這一個段落的影片： https://www.youtube.com/watch?v=zl3k1ksFZdY 為何我會關注這部分? 因為上述的三個方向，也是身為開發人員的我，過去這一年，來與LLM打交道後的感想。昨天，我在 twMVC 的研討會分享中，展示了一個其實我過去早做過了N百次的範例，就是企業的請假機器人。(唯一不同的是，這次我幾乎沒有寫任何程式碼) 場景是，員工在家裡生病了，想要透過語音或是app進行請假，你可以看底下這個運行的範例 (git圖檔會循環播放，開始是 『我好像感冒了』)： 用自然語言對談的方式，即可完成請假。 我說過，類似這樣的範例我做過很多次，用 LINE Bot 搭配 C# 做過，用MS Bot Framework 做過，前陣子也用 Semantic Kernel 框架做過，更早期，還沒有AI的時代，我也在EIP和HR系統裡做過。 但我想說的是，這 就是 Text-to-Action 的呈現，也是一個典型的 AI Agent 的例子，它讓我們透過自然語言(可以是語音或文字)，直接命令機器人(Chat Bot、AI 助理、Agent、Assistant …不管你叫它什麼…)幫你完成一件事情(請假、售票、查詢資料、做財務報表、統計圖表、寫程式…etc.)。 這是一直以來人類對電腦最底層的需求與期待。 隨著 LLM 能夠處理和記憶的 Context 愈來愈被放大，AI Agent 所能夠處理的任務就更加的不受限制。 自然語言才是最符合人類直覺的操作 順帶一提，我昨天在研討會中講了一個故事。 有天，你覺得自己需要聘請一位助理，因此上網張貼徵人啟事，沒多久，你找到了一位號稱上知天文、下知地理的高材生，來幫助你更有效率的完成工作。 他什麼都好，唯一的一個小缺點是，你不能直接對這個助理下達指令，你必須用一種只有這個助理看得懂的語法，才能要求這個助理幫你完成特定的工作。這些語法還挺...
Read more »

使用 Dify API 快速建立一個包含前後文記憶的對談機器人

作者： -
圖片
Dify 這個產品我就暫時先不介紹了，它找到了一個挺好的切入點跨入AI Agent市場。讓不喜歡(或不擅長)寫太多 Code 的開發人員，也可以快速的建立一個具有前後文、記憶的對談機器人。 其實若單就設計 Chat Bot 來談，它本質上和 GPTs 有那麼一點點像，你只需要給一個 system prompt ，再加上一點點的資料上傳做為 RAG 的數據來源，就可以生出一隻有模有樣的對談機器人。 但 GPTs 做出來的 Chat Bot 被綁在 ChatGPT 的 UI 裡面，你不容易把它跟 LINE Bot (LINE 官方帳號) 或其它 UI (例如 MS Teams) 串在一起，而 Dify 呢? 則給你了一個 chat-messages API，讓你能很快的實現這個功能，把你在 Dify 平台上做好的 Chat Bot 轉變成可以正式運行的 LINE Bot 或 其它 Bot。 這也是今天我們要介紹的部分。 建立 Assistant 我們先用 Dify 以底下這個 system prompt 建立了一個請假助理： 發佈後，你可以在Dify 內建的 Web UI 上測試： 你會發現，這個 chat bot 已經有著基本的記憶，然後可以依照 system prompt 完成對談和任務。 不要問我在這邊建立出一個假單有什麼用，正常情況下是要直接讓 chat bot 寫入資料庫(例如 HR 系統，直接完成請假)，只是我們還沒談到這一段，這部分以後再展開來談。 chat-messages API 好，透過上面那樣建立一個對談機器人超容易，且內建就有了記憶和前後文的功能。讓開發人員快樂的不得了。跟使用無腦 GPTs 生成術差不多。然而，如果只能在 Web 上用，不能串接 MS Teams、LINE…等介面，做了也是白搭。 但，Dify 貼心的提供了 API，我們來試試看。先Gen個 API Key： 生成了 API key 之後，你只需要透過底下這樣的 rest api，即可進行呼叫： 你會發現，開發人員只要使用單一的這一個 https://api.dify.ai/v1/chat-messages API 即可進行對談。每次只需要透過 query 輸入用戶說的話，response 中的 answer 則是 LLM (Assist...
Read more »

使用 Dify 串接 LINE Bot

作者： -
圖片
一開始寫這篇文章的時候，我有點困擾。 到底這一篇我到底該命名 『使用 Dify 串接 LINE Bot』 ，還是 『使用 LINE Bot 串接 Dify』?? 但我想，反正你應該知道我的意思，本文就是討論如何把兩者串在一起。 如果不熟悉 Dify ，本篇文章的前面還有兩邊文章你可以簡單的介紹了一下，所有連結位置在底下: https://studyhost.blogspot.com/search?q=dify 總的來說(我20年前就這麼說話了，最近有人說AI很喜歡說『總的來說』，但顯然是AI學我的)，我們可以在 Dify 裡面設計一個類似底下這樣的 workflow，他可以是一個簡單的對談聊天機器人，也可以是串接到後端HR請假系統，可以協助企業進行請假的 AI 助理： 顯而易見，使用 Dify 的好處很多。而在這邊它對我們來說，意義上是一個所視即所得的 Chat Bot(AI助理)設計平台，你可以在 Dify 中先把對談流程設定好，並且進行測試。 設計初步完善之後，我們可以透過Dify API來進行串接，例如串接到 Teams Bot或是LINE Bot。API的部分我們之前在 這一篇 介紹過。 由於Dify內建處理了對談前後文與記憶的部分，並且可以直接串接OpenAI的API(或是其它LLM亦可，同時也便於抽換)，這讓我們開發 AI 助理輕省不少。 這也是我覺得 Dify 作為一個 LLMOps 開發平台(Platform)應該算是當之無愧的原因了。 串接到 LINE Bot 那在Dify上開發測試完之後，我們當然希望能夠整合在 LINE Bot(或是隨便其它什麼 Bot)上面。前面說過，由於 Dify 有提供一組API，我們可以透過該API輕易地進行串接，API的部分，我們在先前 這一篇 介紹過。因此，我們底下要更進一步，談談如何實際跟 LINE Bot 整合在一起。 其實架構上不複雜，我們只需要建立一個 LINE Bot 的 WebHook ，並且在其中呼叫 Dify API即可： 也就是上圖中，紅色虛線框起來的這一段。 這部分該如何進行呢? 倒也容易，我們看底下 WebHook 的部分： var responseMsg = "" ; //準備回覆訊息 if ( LineEvent != n...
Read more »