Partilhar via

Passo 1. Clone repositório de código e crie computação

  • Artigo

fluxo de trabalho de desenvolvimento orientado por avaliação

Consulte o repositório GitHub para obter o código de exemplo nesta seção. Você também pode usar o código do repositório como um modelo para criar seus próprios aplicativos de IA.

Siga estas etapas para carregar o código de exemplo no espaço de trabalho do Databricks e definir as configurações globais para o aplicativo.

Requisitos

  • Um espaço de trabalho do Azure Databricks com computação sem servidor e Unity Catalog habilitado.
  • Um ponto de extremidade existente do Mosaic AI Vetor Search ou permissões para criar um novo ponto de extremidade do Vetor Search (o bloco de anotações de configuração cria um para você neste caso).
  • Acesso de gravação a um esquema existente do Catálogo Unity onde as tabelas Delta de saída que incluem os documentos analisados e fragmentados e os índices da Pesquisa Vetorial são armazenados, ou permissões para criar um novo catálogo e esquema (o bloco de anotações de configuração cria um para você neste caso).
  • Um cluster de usuário único executando DBR 14.3 ou superior que tem acesso à Internet. O acesso à Internet é necessário para baixar os pacotes Python e do sistema necessários. Não use um cluster executando o Databricks Runtime for Machine Learning, pois esses tutoriais têm conflitos de pacote Python com o Databricks Runtime ML.

Diagrama de fluxo tutorial

O diagrama mostra o fluxo de etapas usadas neste tutorial.

fluxo de cadernos utilizados no tutorial

Instruções

  1. Clone esse repositório em seu espaço de trabalho usando pastas Git.

    Vídeo de como criar uma pasta Git

  2. Abra o bloco de notas rag_app_sample_code/00_global_config e ajuste as definições nesse local.

    # 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. Abra e execute o 01_validate_config_and_create_resources bloco de anotações.

Próximo passo

Continue com Implantar POC.

< Anterior: Pré-requisitos

Próximo: Etapa 2. Implantar POC & coletar feedback >