Sdílet prostřednictvím

Použití kanálů Azure Machine Learning bez kódu k vytvoření kanálů RAG (Preview)

  • Článek

Tento článek obsahuje příklady, jak vytvořit kanál RAG. V případě pokročilých scénářů můžete vytvořit vlastní kanály Azure Machine Learning z kódu (obvykle poznámkových bloků), které umožňují podrobnou kontrolu nad pracovním postupem RAG. Azure Machine Learning poskytuje několik integrovaných komponent kanálu pro vytváření bloků dat, generování vložených dat, vytváření testovacích dat, automatické generování výzev, vyhodnocení výzvy. Tyto komponenty je možné použít podle vašich potřeb pomocí poznámkových bloků. Můžete dokonce použít vektorový index vytvořený ve službě Azure Machine Learning v jazyce LangChain.

Důležité

Tato funkce je v současné době ve verzi Public Preview. Tato verze Preview je poskytována bez smlouvy o úrovni služeb a nedoporučujeme ji pro produkční úlohy. Některé funkce se nemusí podporovat nebo mohou mít omezené možnosti.

Další informace najdete v dodatečných podmínkách použití pro verze Preview v Microsoft Azure.

Požadavky

  • Předplatné Azure. Pokud ještě nemáte předplatné Azure, vytvořte si bezplatný účet.

  • Přístup k Azure OpenAI

  • Povolení toku výzvy v pracovním prostoru Azure Machine Learning

V pracovním prostoru Azure Machine Learning můžete povolit tok výzvy zapnutím řešení Build AI s tokem výzvy na panelu Spravovat funkce ve verzi Preview.

Ukázkové úložiště poznámkového bloku kanálu Tok instrukcí

Azure Machine Learning nabízí kurzy poznámkového bloku pro několik případů použití s kanály toku instrukcí.

Generování dat pro kontrolu kvality

Generování dat pro kontrolu kvality lze použít k získání nejlepší výzvy k RAG a k vyhodnocení metrik pro RAG. Tento poznámkový blok ukazuje, jak vytvořit datovou sadu pro kontrolu kvality z vašich dat (úložiště Git).

Testování generování dat a automatické výzvy

Pomocí vektorových indexů můžete vytvořit model rozšířeného generování načítání a vyhodnotit tok instrukcí u testovací datové sady.

Vytvoření vektorového indexu založeného na FAISS

Nastavte kanál Azure Machine Learning k stažení úložiště Git Repo, zpracování dat do bloků, vložení bloků a vytvoření vektorového indexu FAISS kompatibilního s langchainem.

Další kroky

Vytvoření vektorového indexu v toku výzvy služby Azure Machine Learning (Preview)

Použití vektorových úložišť se službou Azure Machine Learning (Preview)