Erstellen Sie KI-Fähigkeiten mit Grounding durch AI Search Modellverbindungen

Dies ist der nächste logische Schritt nach dem Erstellen eines Grounding durch AI Search Modellverbindung. Sie würden eine KI-Fähigkeit erstellen und sie mit einer geerdeten Modellverbindung von Azure OpenAI verbinden.

Azure OpenAI Grounding durch AI Search-Modellverbindungen ist in Automation 360 auf Cloud und Lokal verfügbar.

Ein professioneller Entwickler erstellt KI-Fähigkeiten, damit die Bot Creators diese in ihren Automatisierungen verwenden können und Zeit und Mühe sparen.

KI-Fähigkeiten werden erstellt, indem man eine Verbindung zu Modellverbindungen herstellt, auf die der Pro-Entwickler Zugriff hat, und Eingabeaufforderungen zur Feinabstimmung mit verschiedenen Basismodellen testet, um die beste Antwort zu finden, die der Geschäftsanforderung entspricht. Diese KI-Fähigkeiten können Entwicklern zur mehrfachen Verwendung zur Verfügung gestellt werden, um die Erstellung von Automatisierungen für verschiedene Lösungen zu beschleunigen.

Vorbereitungen

Ein professioneller Entwickler benötigt die folgenden Rollen und Berechtigungen, um KI-Fähigkeiten zu erstellen und zu testen.
  • Rolle: AAE_Basic, Professionelle Entwickler benutzerdefiniert Rolle
  • Berechtigung: Bot Creator. Einzelheiten finden Sie unter Rollen und Berechtigungen für KI-Werkzeuge.
  • Weitere Anforderungen: Neben den Rollen und Berechtigungen müssen professionelle Entwickler mit einem Bot-Agent 22.60.10 und später verbunden sein. Um die Modellverbindung zu testen, müssen Sie auch den Bot auf Ihrem Desktop ausführen. Stellen Sie daher sicher, dass der Bot-Agent für Ihren Nutzer konfiguriert ist. Wenn Sie die Verbindung zu einem anderen Control Room wechseln müssen, siehe: Umschalten der Geräteregistrierung zwischen Control Room-Instanzen.

Prozedur

  1. Melden Sie sich beim Control Room an und navigieren Sie zu Automatisierung > Neu erstellen oder „+“-Symbol und wählen Sie KI-Fähigkeiten aus.
  2. Geben Sie einen Namen und eine Beschreibung ein und klicken Sie auf Erstellen und bearbeiten, um eine Vorlagenübersicht anzuzeigen.
  3. Klicken Sie im Bildschirm AI-Fähigkeiten auf Modellverbindung wählen, um aus der Liste der verfügbaren Modellverbindungenen zu wählen, auf die Sie Zugriff haben. Sie würden eine Modellverbindung wählen, die mit der Grounding durch AI Search-Typoption von Azure OpenAI erstellt wurde. Weitere Informationen zum Erstellen einer Modellverbindungen mit Grounding durch AI Search finden Sie unter Grounded-Modellverbindungen mit Azure OpenAI-RAG-Fähigkeit erstellen.
    Diese Modellverbindungenen werden vom Automatisierungsadministrator erstellt und Ihrem Nutzer mit einer benutzerdefinierten Rolle zugewiesen.
  4. Nach Auswahl einer Modellverbindung wird die KI-Fähigkeiten mit den für das gewählte Modell optimalen Standardparametereinstellungen eingerichtet. Sie können die Einstellungen je nach Bedarf ändern.
    Der KI-Fähigkeit-Editor wird mit vom Modellanbieter festgelegten Standardparameterwerten angezeigt, die Sie nach Bedarf konfigurieren können. Diese Werte können beim Erstellen eines Datenspeichers in Agent Builder konfiguriert werden.
  5. Wählen Sie den KI-Suchtyp.
    1. Hybrid (Vektor + Schlüsselwort): Dies kombiniert die Stärken der Volltextsuche und der Vektorsuche in einer einzigen Abfrage. Azure AI Search führt gleichzeitig sowohl eine schlüsselwortbasierte Suche als auch eine vektorbasierten Suche durch. Sie kombiniert dann die Ergebnisse, um eine umfassendere Sammlung relevanter Dokumente bereitzustellen.
    2. Vektor: Dieser Suchtyp nutzt die Leistungsfähigkeit von KI-Einbettungen, um Dokumente zu finden, die semantisch mit Ihrer Anfrage verwandt sind, selbst wenn sie nicht die genauen Schlüsselwörter enthalten. Sie verwenden ein Einbettungsmodell (wie die von Azure OpenAI), um Ihre Dokumente und Abfragen in Vektoreinbettungen umzuwandeln. Azure AI Search speichert diese Einbettungen in Ihrem Index. Wenn Sie suchen, vergleicht es die Einbettung Ihrer Anfrage mit den Einbettungen der Dokumente, um diejenigen zu finden, die am ähnlichsten sind.
    3. Hybrid + semantisch: Dies kombiniert Volltext-, Vektor- und semantische Rangfolge, und Sie erhalten die umfassendsten und relevantesten Suchergebnisse. Der semantische Ranker kann subtile Beziehungen zwischen der Anfrage und den Dokumenten erkennen, was zu genaueren Ergebnissen führt.
      • Semantisches Ranking: Die Option Hybrid + semantisch verbessert die Suchergebnisse durch die Anwendung semantischer Bewertung. Diese fortschrittliche Ranking-Funktion in Azure AI Search versteht die Absicht und den Kontext der Anfrage, um relevantere Ergebnisse bereitzustellen.
      • Konfiguration: Um semantisches Ranking zu verwenden, müssen Sie die semantische Suche in Ihrer Azure-Azure AI Search konfigurieren. Verweisen Sie auf die offizielle Azure AI Search-Dokumentation für detaillierte Schritte zur Einrichtung semantischer Konfigurationen:Azure AI Search Semantic Search Configuration.
      • Kostenüberlegungen: Bitte beachten Sie, dass Azure AI Search ein separates Preismodell für die Nutzung von semantischen Ranking-Funktionen hat. Bitte informieren Sie sich auf der Azure AI Search-Preisseite über die genauen Kosten im Zusammenhang mit der semantischen Suche: Azure AI Search Pricing
      Anmerkung: Auch wenn Azure AI Search verschiedene Suchtypen bietet, achten Sie darauf, dass Ihr zugrunde liegender Azure AI Search-Index mit Vektoreinbettungen konfiguriert ist. Die Optionen Vektor und Hybrid (Vektor + Schlüsselwort) nutzen diese Einbettungen direkt. Die Option Hybrid + semantisch profitiert auch von Vektoreinbettungen in ihrer anfänglichen Abrufphase.
  6. Wählen Sie die Strenge. Sie steuert, wie strikt die Suchmaschine beim Filtern und Auswählen von Dokumenten zur Beantwortung einer Frage ist. Höhere Strenge führt zu höherer Präzision, aber zu geringerer Trefferquote (man könnte einige potenziell relevante Antworten übersehen). Geringere Strenge führt zu höherem Recall (Sie erhalten mehr potenzielle Antworten), aber zu geringerer Präzision (einige Antworten könnten weniger relevant oder sogar falsch sein).
  7. Wählen Sie die Dokumentanzahl aus. Dies bestimmt, wie viele der bestplatzierten Dokumente Azure AI Search dem Sprachmodell zur Verfügung gestellt werden sollten, um eine Antwort zu generieren. Eine höhere Dokumentanzahl gibt dem Sprachmodell mehr Kontext, um eine umfassendere und genauere Antwort zu generieren. Eine geringere Anzahl von Dokumenten führt zu weniger umfassenden oder genauen Antworten, da das Sprachmodell mit weniger Informationen arbeiten muss.
  8. Fügen Sie als Nächstes eine Azure Filter-Bedingung hinzu, die Optional ist. Dieses Feld unterstützt ein String-Format zur Eingabe des Filterwerts. Durch das Hinzufügen eines Filters lässt sich die Suche des Modells auf die spezifischen Dateien innerhalb des Speichers eingrenzen.

    So erreichen Sie ein Grounding der Antwort durch die KI-Fähigkeit anhand von Informationen in einem bestimmten Satz von Dokumenten im Azure OpenAI-Portal . Dies grenzt den Umfang der Antwort ein und macht sie genauer.

  9. Nun können Sie mit der Erstellung eines KI-Fähigkeit beginnen und nach Bedarf Prompt-Eingaben hinzufügen. Lassen Sie uns ein Beispiel verwenden, um Ihnen die einzelnen Schritte zu erläutern.
  10. Im Feld System-Eingabeaufforderung und Benutzer-Eingabeaufforderung geben Sie Ihren Prompt-Text zusammen mit den Eingabevariablen ein, falls erforderlich.

    Beispiel:

    System-Eingabeaufforderung : Du bist der Java-Code-Profi.

    Nutzer-Eingabeaufforderung : Schreib einen Beispielcode, um die Fläche eines Rechtecks und eines Kreises unter Verwendung von OOD-Prinzipien zu berechnen.

    Die Antwort auf den Prompt-Text wird aus Dokumenten im Azure-Portal referenziert.

  11. Klicken Sie auf eine Stelle außerhalb der Eingabefelder für die Eingabeaufforderung.
  12. Klicken Sie anschließend auf Antwort abrufen, um auf Grundlage Ihrer Eingabeaufforderungen eine Antwort vom Modell zu erhalten.
    Anmerkung: Die Details zur Prompt könnten PHI, PII oder andere sensible Daten enthalten, die Sie in die Felder System-Eingabeaufforderung oder Nutzer-Eingabeaufforderung eingeben. Wir empfehlen, dies beim Testen und Ausführen von Eingabeaufforderungen zu berücksichtigen.
  13. Die Grounding durch AI Search-Modellverbindung gibt eine Antwort im Feld Antwort zurück und zeigt zusätzlich ein Feld Zitate mit allen Zitationsverweisen an.

    Zitate sind Informationsblöcke, die angeben, aus welchem Abschnitt eines im Grounding durch AI Search gespeicherten Dokuments die Antwort referenziert wird. Sie können den Dokumenttitel des referenzierten Datenspeichers aus Azure OpenAI sehen.