Примечание
Для доступа к этой странице требуется авторизация. Вы можете попробовать войти или изменить каталоги.
Для доступа к этой странице требуется авторизация. Вы можете попробовать изменить каталоги.
Это важно
Элементы, обозначенные в этой статье как (предварительная версия), сейчас предлагаются в общедоступной предварительной версии. Эта предварительная версия предоставляется без соглашения об уровне обслуживания, и мы не рекомендуем ее для рабочих нагрузок. Некоторые функции могут не поддерживаться или их возможности могут быть ограничены. Для получения дополнительной информации см. Дополнительные условия использования для предварительных версий Microsoft Azure.
В этой статье вы узнаете, как создать и использовать векторный индекс для выполнения извлечения дополненного поколения (RAG) на портале Azure AI Foundry.
Индекс вектора не требуется для RAG, но векторный запрос может соответствовать семантически аналогичному содержимому, которое полезно для рабочих нагрузок RAG.
Предпосылки
Вам следует иметь:
- Проект Azure AI Foundry
- Ресурс поиска по искусственному интеллекту Azure
- Содержимое должно содержаться в поддерживаемом формате, который предоставляет достаточную информацию для взаимодействия с чатом. Это может быть существующий индекс в службе поиска ИИ Azure или создать новый индекс с помощью файлов содержимого в Хранилище BLOB-объектов Azure, локальной системы или данных в Azure AI Foundry.
Создание индекса на игровой площадке Чата
Подсказка
Так как вы можете настроить левую панель на портале Azure AI Foundry, вы можете увидеть различные элементы, отличные от указанных в этих шагах. Если вы не видите, что вы ищете, выберите ... Подробнее в нижней части левой панели.
Войдите в Azure AI Foundry.
Перейдите к проекту или создайте проект на портале Azure AI Foundry.
В меню слева выберите "Игровые площадки". Выберите игровую площадку чата.
Выберите развернутую модель завершения чата. Если это еще не сделано, разверните модель, нажав кнопку "Создать новое развертывание".
Прокрутите страницу до нижней части окна модели. Выбор и добавление нового источника данных
Выберите исходные данные. Вы можете выбрать исходные данные из списка последних источников данных, URL-адрес хранилища в облаке или отправить файлы и папки с локального компьютера. Вы также можете добавить подключение к другому источнику данных, например Хранилище BLOB-объектов Azure.
Если у вас нет примеров данных, вы можете скачать эти PDF-файлы в локальную систему, а затем передать их в качестве исходных данных.
Нажмите кнопку "Далее" после выбора исходных данных
Выберите хранилище индексов — расположение, в котором должен храниться индекс на вкладке конфигурации индекса.
Если у вас уже есть ресурс поиска ИИ Azure, можно просмотреть список ресурсов службы поиска для подписки, а затем выбрать "Подключиться " для используемого ресурса. Если вы подключаетесь к ключам API, убедитесь, что служба поиска использует ключи API.
- Если у вас нет существующего ресурса, нажмите кнопку "Создать новый ресурс поиска ИИ Azure". Нажмите кнопку Далее.
Выберите подключение Azure OpenAI, которое вы хотите использовать. Нажмите кнопку Далее.
Введите имя, которое вы хотите использовать для векторного индекса. Нажмите кнопку Далее.
Просмотрите введенные сведения и нажмите кнопку "Создать"
Вы перейдете на страницу сведений об индексе, где можно просмотреть состояние создания индекса.
Использование индекса в потоке запроса
Войдите в Azure AI Foundry и выберите проект.
В раскрывающемся меню слева выберите поток запроса в разделе "Сборка и настройка".
Откройте существующий поток запроса или нажмите кнопку +Создать , чтобы создать новый поток.
В верхнем меню конструктора потоков выберите "Дополнительные инструменты" и выберите " Поиск индекса".
Укажите имя средства поиска индекса и нажмите кнопку "Добавить".
Выберите поле mlindex_content значения и выберите индекс из раздела значений. После выполнения этого шага введите запросы и query_types , которые необходимо выполнить в индексе.
