Erstellen Sie Grounded by AI Search Model connections unter Verwendung der nativen Retrieval Augmented Generation (RAG)-Funktion von Azure OpenAI, um umfassende Sucherlebnisse zu gestalten, die Large Language Models mit Unternehmensdaten von Azure AI Search kombinieren.

Sie können jetzt einen Azure AI Search-Dienst mit dem Azure OpenAI-Dienst integrieren, um eine RAG-Lösung zu erstellen. Dadurch können die LLMs fundiertere und kontextuell relevantere Antworten geben, indem sie Informationen aus Ihren eigenen Daten abrufen.

AI Agent Studio Azure AI Search RAG

Anmerkung: Im Azure OpenAI-Portal müssen Sie Folgendes einrichten:
  • Azure AI Search-Dienstkonfiguration: Dies beinhaltet die Erstellung des KI-Suchdienstes im Azure OpenAI-Portal. Dies umfasst das Einrichten der Service-Endpunkt-URL, der API-Schlüssel und das Erstellen des Index. Für weitere Informationen zur Erstellung einer Azure AI Search-Suche siehe Einen Azure AI Search-Dienst im Azure-Portal erstellen.
  • Datenaufnahme und -indexierung: Dokumente werden in eine Datenquelle hochgeladen, wie z. B. einen Blob-Speicher, und dann wird der Index unter Verwendung der Dateien im Speicher erstellt. Die Dokumente werden in Abschnitte unterteilt, und der Inhalt wird mit dem Einbettungsmodell vektorisiert, wenn die Vektorsuche aktiviert ist.

    Beim Einrichten Ihres Azure AI Search-Dienstes zur Integration mit Automation 360 Grounded by AI Search Model connections ist es wichtig, den Prozess der Datenerfassung und -indizierung so zu konfigurieren, dass Vektoreinbettungen erstellt werden. Während Azure AI Search andere Inhaltstypen und Konfigurationen (wie nur Text oder nur semantisch) unterstützt, ist die Automation Anywhere-Integration für die Verwendung von Vektoreinbettungen optimiert und unterstützt hauptsächlich das semantische Verständnis und den Abruf.

Vorbereitungen

Der Automatisierungsadministrator benötigt diese Rollen und Berechtigungen zum Erstellen und Verwalten von Model connectionsen für seine Unternehmensorganisation.
  • Rolle: AAE_Basic, benutzerdefinierte Rolle Automatisierungsadministrator
  • Berechtigung: Beaufsichtigter Bot Runner
  • Einstellungen: KI-Datenverwaltung muss vom Automatisierungsadministrator aktiviert und das Kontrollkästchen für Benutzern das Deaktivieren von Protokollen für KI-Fähigkeiten erlauben ausgewählt werden. Erlauben Sie Nutzern mit der Bot Creator-Lizenz, die Datenprotokollierung beim Verwenden von KI-Fähigkeiten zu deaktivieren, um den Datenprotokollierung-Schalter im AI Skills-Bildschirm zu aktivieren.

Siehe Rollen und Berechtigungen für die benutzerdefinierten Rollenberechtigungen des Automatisierungsadministrators.

Sonstige Anforderungen:

  • Wie bereits erwähnt, würden Sie zunächst eine Azure AI Search erstellen, um eine Grounded by AI Search-Model connection zu erstellen und sie erfolgreich in einer AI Skill zu verwenden.
  • Wenn Sie Authentifizierungsdetails in einem Credential Vault speichern möchten, halten Sie diese Informationen bereit. Einzelheiten finden Sie unter Sicherer Anmeldedatenspeicher mit dem Credential Vault.
  • Um eine Model connection zu testen, müssen Sie mit einem Bot Agent 22.60.10 oder später verbunden sein. Im Rahmen des Tests müssten Sie den bot auf Ihrem Desktop ausführen. Stellen Sie daher sicher, dass der Bot Agent für Ihren Nutzer konfiguriert ist. Wenn Sie für diese Aufgabe die Verbindung zu einem anderen Control Room wechseln müssen, siehe: Umschalten der Geräteregistrierung zwischen Control Room-Instanzen.
  • Sie benötigen Zugriff auf das AI Skills-Paket, um die Verbindung erfolgreich zu testen. Es wird eine Test-Prompt durchgeführt, um die Model connection zu testen.

Prozedur

  1. Navigieren Sie in Ihrer Control Room-Umgebung zu KI > Modellverbindungen > Modellverbindung erstellen.
  2. Im Bildschirm Modellverbindung erstellen konfigurieren Sie diese Verbindungseinstellungen:
    Erstellen Sie Grounded Model connections mit der Azure OpenAI RAG-Fähigkeit
    1. Name der Modellverbindung: Geben Sie einen Namen zur einfachen Identifizierung des Model connection an.
    2. Beschreibung (optional): Fügen Sie eine aussagekräftige Kurzbeschreibung der Verbindung hinzu.
    3. Anbieter auswählen: Wählen Sie einen Anbieter eines Basismodells aus der Liste der unterstützten Anbieter aus. Um eine Grounded by AI Search Model connection mit Azure OpenAI zu erstellen, sollten Sie Azure OpenAI aus der Dropdown-Liste auswählen.
    4. Wählen Sie einen Typ aus: Wählen Sie Grounded by AI Search , um die RAG-Funktion zu nutzen.
    5. Modell wählen oder ein benutzerdefiniertes erstellen: Wählen Sie ein Modell aus der Dropdown-Liste der validierten Modelle von Azure OpenAI aus.
    6. Klicken Sie auf Weiter, um zum Abschnitt Authentifizierungsdetails zu gelangen.
  3. Gehen Sie im Bereich Authentifizierungsdetails wie folgt vor, um diese Einstellungen zu konfigurieren:
    1. Azure OpenAI-Ressourcenname: Geben Sie den Namen Ihrer Azure OpenAI-Ressource ein.
    2. Bereitstellungs-ID: Geben Sie die Bereitstellungs-ID des Modells ein, das Sie verwenden möchten.
    3. API Key (API-Schlüssel): Geben Sie den API-Schlüssel für Ihren Azure OpenAI-Dienst ein.
    4. AI Search Service-URL: Die URL Ihres bereitgestellten Azure AI Search-Dienstes. Dies ist der Endpunkt, über den auf den Suchdienst zugegriffen wird.
    5. AI Search-Indexname: Der Indexname innerhalb des Azure AI Search-Dienstes, der Ihre Daten enthält. Hier werden die zu durchsuchenden Dokumente gespeichert.
    6. API-Schlüssel für KI-Suche: Der API-Schlüssel für Ihren Azure AI Search-Dienst. Dieser Schlüssel wird benötigt, um den Zugriff auf den Suchdienst zu authentifizieren.
    7. Name der AI Search-Einbettungsmodellbereitstellung: Der Name des Einbettungsmodells, das in Azure bereitgestellt wurde. Dieses Modell wird verwendet, um Text in Vektordarstellungen umzuwandeln, die für die semantische Suche genutzt werden.
      Anmerkung:
      1. Einbettungsmodell: Ein Einbettungsmodell ist eine Art von maschinellem Lernmodell, das entwickelt wurde, um Daten (wie Text, Bilder oder sogar Code) in numerische Darstellungen, sogenannte Vektoreinbettungen, umzuwandeln.

        Ein Einbettungsmodell ist entscheidend, da Vektoreinbettungen Ihrer Daten notwendig sind, damit die Grounded by AI Search-Funktionalität semantisch relevante Informationen effektiv finden kann.

      2. Vektoreinbettungen: Diese Vektoren sind Listen von Zahlen, die die semantische Bedeutung der Daten erfassen. Ähnliche Datenelemente werden Vektoren haben, die in einem hochdimensionalen Raum nah beieinander liegen.

        Vergewissern Sie sich, dass Ihr Azure AI Search-Index mit Vektoreinbettungen gefüllt ist, die aus Ihren Daten generiert wurden. Dies ist grundlegend für die von Automation Anywhere unterstützten KI-Suchtypen. Ausführliche Anleitungen zum Erstellen von Einbettungen während des Datenerfassungsprozesses finden Sie in der Azure AI Search-Dokumentation.

      3. Semantisches Verständnis: Der Schlüssel ist, dass diese Einbettungen die Bedeutung und den Kontext der Daten erfassen, nicht nur Schlüsselwörter. Dadurch kann Azure AI Search die Beziehungen zwischen verschiedenen Informationen verstehen.
    8. Klicken Sie auf Weiter, um zum Abschnitt Verbindung testen zu gelangen.
  4. Klicken Sie auf Verbindung testen, um sicherzustellen, dass alle Verbindungsdetails korrekt definiert wurden, und um zu prüfen, ob die Verbindung funktioniert.
    Dies ist ein Desktopvorgang unter Verwendung eines Bot Agent. Verwenden Sie Bot Agent 22.60.10 und höher für erfolgreiche Tests.
    • Wenn die Verbindung wie erwartet funktioniert, verarbeitet das System die Anfrage, und Sie erhalten eine vom System generierte Erfolgsmeldung.
    • Wenn die Verbindung nicht wie erwartet funktioniert, erhalten Sie eine vom System generierte Meldung, die den Grund für den Verbindungsfehler angibt. Wenn Sie zum Beispiel das unterstützte Basismodell-Paket nicht in Ihren Arbeitsbereich heruntergeladen haben, erhalten Sie eine Fehlermeldung. In diesem Fall müssen Sie das Paket herunterladen und die Model connection erneut testen.
    • Wenn der Test einer Model connection nicht erfolgreich ist oder wenn Sie die Aufgabe unvollständig lassen, wird die Model connection nicht gespeichert, und Sie müssen den Prozess der Erstellung der Model connection neu starten.
  5. Klicken Sie auf Weiter, um zum Abschnitt Rollen einladen zu gelangen und mit der Zuweisung benutzerdefinierter Rollen zu Benutzern zu beginnen.
    Der Automatisierungsadministrator erstellt benutzerdefinierte Rollen und weist die Model connections der Rolle zu, die dann den Nutzern zugewiesen werden kann. Nur Nutzer, die dieser benutzerdefinierten Rolle zugewiesen sind, können diese Model connection nutzen.
  6. Weisen Sie dem Pro-Entwickler über eine benutzerdefinierte Rolle Zugriff zu, um mit dieser Model connection eine AI Skill zu erstellen.
  7. Klicken Sie auf Modellverbindung erstellen, um die Erstellung der Model connection abzuschließen.
    Nach der erfolgreichen Erstellung der Model connection würde der Pro-Entwickler diese verwenden, um eine AI Skill zu erstellen.

Nächste Maßnahme

Nach dem Erstellen und Testen der Model connection weisen Sie sie den professionellen Entwicklern zu, die diese Verbindung nutzen, um AI Skills zu erstellen. Einzelheiten finden Sie unter Erstellen Sie AI Skills mit Grounded by AI Search Model connections.
Anmerkung: Wenn Sie eine AI Skill auf dem Bildschirm AI-Fähigkeit erstellen oder testen, können Sie die Details zum Erfolg oder Fehlschlag zusammen mit den Modellantworten in diesen Navigationsbildschirmen einsehen:
  • Administration > KI-Governance > KI-Eingabeprotokoll
  • Administration > KI-Governance > Ereignisprotokoll
  • Verwaltung > Auditprotokoll

Einzelheiten finden Sie unter AI Governance.