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.
Применимо к:
Sql Server 2025 (17.x) База данныхSQL Azure Управляемого экземпляраSQL Azure в Microsoft Fabric
В этой статье содержатся часто задаваемые вопросы о векторах и внедрениях в ядро СУБД SQL.
Примеры и примеры см. в репозитории примеров ИИ SQL.
Можно ли полностью создать решение для получения дополненного поколения (RAG) в T-SQL?
Да, можно создать решение Retrieval-Augmented поколения (RAG) с помощью T-SQL. Этот тип решения использует возможности ядра СУБД SQL для эффективного управления данными и запроса данных. Вы можете использовать T-SQL для реализации необходимой логики извлечения и обработки данных, а также интеграции с внешними службами ИИ для аспекта создания. Векторы могут храниться в машинном коде SQL и подключениях к LLM, которые обеспечивают возможности распознавания естественного языка, можно использовать.sp_invoke_external_rest_endpoint
- Реализация решения RAG и вызов OpenAI прямо из базы данных SQL Azure, чтобы задать вопросы о данных
- Прогнозируемые результаты LLM со структурированными выходными данными и sp_invoke_external_rest_endpoint
Почему я создаю решение RAG полностью в T-SQL?
Если вы хотите улучшить существующее приложение без необходимости перепроектировать его для поддержки возможностей искусственного интеллекта, используйте встроенные функции ядра SQL для реализации функций ИИ непосредственно в запросах базы данных. Вам нужно только обновить код T-SQL, чтобы включить функции ИИ, а не вносить значительные изменения в архитектуру приложения.
- Миграция и модернизация рабочих нагрузок Windows Server, SQL Server и .NET
- Модернизация приложений с помощью Azure SQL, OpenAI и Data API builder
Существуют ли комплексные примеры с помощью SQL Azure или Fabric SQL для RAG?
Конечно, вы можете найти комплексные примеры для RAG с помощью SQL Azure и Fabric SQL здесь:
Можно ли использовать RAG для структурированных данных, таких как столбцы и строки?
Если вам нужно работать с структурированными данными, вы по-прежнему можете использовать RAG, объединяя его с другими методами, например с помощью внедрения для представления структурированных данных таким образом, чтобы их можно было понять моделью ИИ. Это позволяет выполнять задачи извлечения и создания структурированных данных при использовании возможностей RAG.
Почему отправка полной сложной схемы в LLM приводит к плохому поколению SQL и как исправить его?
Если у вас есть сложная и крупная схема базы данных с сотнями таблиц и представлений, лучше использовать многоагентный подход, чтобы помочь уменьшить шум и позволить моделям ИИ сосредоточиться на конкретных областях схемы. Полное описание, а также полный пример, доступный здесь:
Можно ли подключиться к Azure OpenAI с помощью управляемого удостоверения?
Да, вы можете подключиться к Azure OpenAI с помощью управляемого удостоверения. Это позволяет безопасно проходить проверку подлинности и получать доступ к службе Azure OpenAI без необходимости управлять учетными данными напрямую. Дополнительные сведения можно найти здесь
- Используйте вход без пароля для вызова Azure OpenAI из Azure SQL с помощью управляемых удостоверений
- Создать ВНЕШНЮЮ МОДЕЛЬ с помощью Azure OpenAI, используя управляемое удостоверение
Используются ли мои данные корпорацией Майкрософт для обучения моделей?
Нет. Данные не используются корпорацией Майкрософт для обучения моделей. Дополнительные сведения см. в документации по ответственному ИИ .
Какие данные обрабатывает служба Azure OpenAI?
Дополнительные сведения см. в документе "Данные, конфиденциальность и безопасность" для Службы OpenAI Azure .
Как защитить данные от несанкционированного доступа агента ИИ?
Azure SQL и SQL Server обеспечивают расширенную поддержку тонкой настройки безопасности доступа.
- Приступая к работе с разрешениями ядра СУБД: управление доступом к объектам базы данных на детальном уровне с помощью разрешений.
- Безопасность на уровне строк (RLS): управление доступом к строкам таблицы в зависимости от характеристик пользователя, выполняющего запрос. В этом видео вы можете увидеть RLS в действии.
- Динамическое маскирование данных: ограничение доступа к конфиденциальным данным путем их маскирования для непривилегированных пользователей.
- Always Encrypted: защита конфиденциальных данных путем шифрования неактивных и передаваемых данных, обеспечивая доступ только авторизованных пользователей к незашифрованным данным.
Кроме того, можно выполнить аудит любой операции в базе данных с помощью функции аудита в SQL Azure и SQL Server.
Аудит SQL Server (система управления базами данных)