了解如何建立语言模型基础

  • 6 分钟

语言模型擅长生成引人入胜的文本，非常适合用作 copilot 的基础。 Copilot 为用户提供了一个直观的基于聊天的应用程序，以接收工作方面的帮助。 为特定用例设计 copilot 时，需要确保语言模型已建立基础，并使用与用户所需内容相关的事实信息。

虽然语言模型针对大量数据进行了训练，但它们可能无权访问你想要向用户提供的知识。 若要确保 copilot 基于特定数据以提供准确且特定于域的响应，可使用检索增强生成 (RAG)。

了解 RAG

RAG 是一种可用于建立语言模型基础的技术。 换句话说，它是检索与用户的初始提示相关的信息的过程。 一般情况下，RAG 模式包含以下步骤：

检索增强生成模式的关系图。

  1. 根据用户输入的初始提示检索基础数据。
  2. 使用基础数据增强提示。
  3. 使用语言模型生成有根据的响应。

通过从指定数据源检索上下文，确保语言模型在响应时使用相关信息，而不是依赖其训练数据。

对于许多情况，使用 RAG 是一种强大且易于使用的技术，在这些情况下，你想要建立自己的语言模型基础并提高 copilot 响应的事实准确性。

向 Azure AI 项目添加基础数据

可以使用 Azure AI Studio 构建使用你自己的数据为提示提供根据的自定义助手。 Azure AI Studio 支持一系列数据连接，可用于向项目添加数据，包括：

  • Azure Blob 存储
  • Azure Data Lake Storage Gen2
  • Microsoft OneLake

还可以将文件或文件夹上传到你的 AI Studio 项目使用的存储。

Azure AI Studio 中“添加数据”对话框的屏幕截图。