Krok 1. Klonowanie repozytorium kodu i tworzenie obliczeń

Zobacz repozytorium GitHub, aby zapoznać się z przykładowym kodem w tej sekcji. Możesz również użyć kodu repozytorium jako szablonu, za pomocą którego można tworzyć własne aplikacje sztucznej inteligencji.

Wykonaj następujące kroki, aby załadować przykładowy kod do obszaru roboczego usługi Databricks i skonfigurować ustawienia globalne aplikacji.

Wymagania

• Obszar roboczy usługi Azure Databricks z włączonym bezserwerowym wystąpieniem obliczeniowym i wykazem aparatu Unity.
• Istniejący punkt końcowy wyszukiwania wektora sztucznej inteligencji mozaiki lub uprawnienia do utworzenia nowego punktu końcowego wyszukiwania wektorów (w tym przypadku notes konfiguracji tworzy go).
• Dostęp do zapisu do istniejącego schematu wykazu aparatu Unity, w którym są przechowywane wyjściowe tabele delty zawierające analizowane i fragmentowane dokumenty oraz indeksy wyszukiwania wektorowego lub uprawnienia do tworzenia nowego wykazu i schematu (notes konfiguracji tworzy jeden dla Ciebie w tym przypadku).
• Klaster pojedynczego użytkownika z systemem DBR 14.3 lub nowszym, który ma dostęp do Internetu. Dostęp do Internetu jest wymagany do pobrania niezbędnych pakietów języka Python i pakietów systemowych. Nie używaj klastra z uruchomionym środowiskiem Databricks Runtime na potrzeby uczenia maszynowego, ponieważ w tych samouczkach wystąpią konflikty pakietów języka Python z usługą Databricks Runtime ML.

Diagram przepływu samouczka

Diagram przedstawia przepływ kroków używanych w tym samouczku.

Instrukcje

1. Sklonuj to repozytorium do obszaru roboczego przy użyciu folderów Git.

   

2. Otwórz notes rag_app_sample_code/00_global_config i dostosuj ustawienia.

   # 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. Otwórz i uruchom notes 01_validate_config_and_create_resources.

Następny krok

Kontynuuj wdrażanie weryfikacji koncepcji.

< Poprzedni: Wymagania wstępne

Dalej: Krok 2. Wdrażanie weryfikacji koncepcji i zbieranie opinii >