Sdílet prostřednictvím

Krok 1. Klonování úložiště kódu a vytvoření výpočetních prostředků

  • Článek

Pracovní postup vývoje řízený vyhodnocením

Podívejte se na úložiště GitHub pro vzorový kód v této části. Kód úložiště můžete použít také jako šablonu, pomocí které můžete vytvářet vlastní aplikace AI.

Tímto postupem načtete ukázkový kód do pracovního prostoru Databricks a nakonfigurujete globální nastavení pro aplikaci.

Požadavky

  • Pracovní prostor Azure Databricks s povolenými bezserverovými výpočetními a Catalog Unity.
  • Existující koncový bod Nebo oprávnění k vytvoření nového koncového bodu vektorového vyhledávání v prostředí Mosaic AI (v tomto případě pro vás vytvoří poznámkový blok nastavení).
  • Přístup pro zápis k existující jednotce Unity Catalogschemawhere, kam se ukládá výstup rozdílové Delta tables, který obsahuje analyzované a blokované dokumenty a indexy vektorového vyhledávání, nebo oprávnění k vytvoření nové catalog a schema (v tomto případě pro vás nastavovací poznámkový blok vytvoří jedno).
  • Jeden uživatelský cluster se spuštěným DBR 14.3 nebo novějším, který má přístup k internetu. Ke stažení potřebných balíčků Pythonu a systémových balíčků se vyžaduje přístup k internetu. Nepoužívejte cluster se spuštěným modulem Databricks Runtime pro Machine Learning, protože tyto kurzy mají konflikty s balíčkem Python s modulem Databricks Runtime ML.

Diagram toku kurzu

Diagram znázorňuje tok kroků použitých v tomto kurzu.

tok poznámkových bloků používaných v kurzu

Pokyny

  1. Naklonujte toto úložiště do svého pracovního prostoru pomocí složek Gitu.

    video o tom, jak vytvořit složku Git

  2. Otevřete poznámkový blok rag_app_sample_code/00_global_config a upravte nastavení.

    # The name of the RAG application.  This is used to name the chain's model in Unity Catalog and prepended to the output Delta tables and vector indexes
RAG_APP_NAME = 'my_agent_app'

# Unity Catalog catalog and schema where outputs tables and indexes are saved
# If this catalog/schema does not exist, you need create catalog/schema permissions.
UC_CATALOG = f'{user_name}_catalog'
UC_SCHEMA = f'rag_{user_name}'

## Name of model in Unity Catalog where the POC chain is logged
UC_MODEL_NAME = f"{UC_CATALOG}.{UC_SCHEMA}.{RAG_APP_NAME}"

# Vector Search endpoint where index is loaded
# If this does not exist, it will be created
VECTOR_SEARCH_ENDPOINT = f'{user_name}_vector_search'

# Source location for documents
# You need to create this location and add files
SOURCE_PATH = f"/Volumes/{UC_CATALOG}/{UC_SCHEMA}/source_docs"

  3. Otevřete a spusťte poznámkový blok 01_validate_config_and_create_resources.

Další krok

Pokračujte v nasazení POC.

< Předchozí: Požadavky

Další: Krok 2. Nasazení POC a shromáždění zpětné vazby >