Créer AI Skills avec Grounded by AI Search Model connections

Il s\'agit de la prochaine étape logique après la création d\'un Grounded by AI Search Model connection. Vous créeriez un AI Skill et le connecteriez à un Model connection relié à la terre à partir de Azure OpenAI.

Azure OpenAI Grounded by AI Search Model connections est disponible dans Automation 360 sur Cloud et On-Premises.

Un développeur professionnel crée des AI Skills pour que les Bot Creators puissent les utiliser dans leurs automatisations et économiser du temps et des efforts.

Les AI Skills sont créés en se connectant à Model connections auxquels le développeur professionnel a accès, et en ajustant les invites en les testant avec différents modèles de base pour trouver la meilleure réponse qui répond à la demande commerciale. Ces AI Skills sont mis à la disposition des développeurs pour qu\'ils les réutilisent afin d\'accélérer la création d\'automatisations sur l\'ensemble des solutions.

Prérequis

Un développeur professionnel requiert les autorisations et rôles suivants pour créer et tester AI Skills.
  • Rôle: AAE_Basic, rôle de développeur professionnel personnalisé
  • Autorisation : Bot Creator. Voir Rôles et autorisations
  • Autres exigences : En plus des rôles et des autorisations, le Pro Developer doit être connecté à un Bot Agent 22.60.10 et versions ultérieures. Dans le cadre du test de la Model connection, vous devez exécuter le bot sur votre bureau. Veillez donc à ce que le Bot Agent soit configuré pour votre utilisateur. Si vous devez basculer la connexion vers une autre Control Room, voir : Basculer l\'enregistrement de périphérique entre des instances de la Control Room.

Procédure

  1. Connectez-vous à la Control Room et accédez à Automatisation > Créer un nouveau ou icône + et choisissez AI Skills.
  2. Indiquez un nom et une description et cliquez sur Créer et modifier pour afficher le schéma du modèle.
  3. Dans l\'écran Compétences en IA, cliquez sur Choisir une connexion du modèle pour effectuer une sélection dans la liste des Model connections auxquelles vous avez accès. Vous choisiriez un Model connection qui a été créé en utilisant l\'option de type Grounded by AI Search de Azure OpenAI. Pour en savoir plus sur la création d\'un Model connections en utilisant le Grounded by AI Search, consultez la rubrique Créer Grounded Model connections avec Azure OpenAI RAG la capacité.
    Ces Model connections sont créées par l\'administrateur de l\'automatisation et attribuées à votre utilisateur avec un rôle personnalisé.
  4. Après avoir sélectionné une Model connection, le AI Skills est configuré avec les paramètres par défaut optimaux pour le modèle choisi. Vous pouvez modifier les paramètres en fonction de vos besoins.
    L\'éditeur AI Skill s\'affiche avec les valeurs de paramètres par défaut définies par le fournisseur du modèle que vous pouvez configurer selon vos besoins. Ces valeurs peuvent être configurées lors de la création d\'un magasin de données dans Agent Builder.
  5. Sélectionnez le type de recherche AI.
    1. Hybride (vecteur + mot-clé): Cela combine les atouts de la recherche en texte intégral et de la recherche vectorielle en une seule requête. Azure AI Search effectue à la fois une recherche basée sur des mots-clés et une recherche basée sur des vecteurs simultanément. Il fusionne ensuite les résultats pour fournir un ensemble plus complet de documents pertinents.
    2. Vecteur: Ce type de recherche exploite la puissance des embeddings d\'IA pour trouver des documents qui sont sémantiquement liés à votre requête, même s\'ils ne contiennent pas les mots-clés exacts. Vous utilisez un modèle d\'embedding (comme ceux de Azure OpenAI) pour convertir vos documents et requêtes en vecteurs d\'embedding. Azure AI Search stocke ces embeddings dans votre index. Lorsque vous effectuez une recherche, elle compare l\'intégration de votre requête aux intégrations des documents pour trouver ceux qui sont les plus similaires.
    3. Hybride + sémantique: Cela combine le classement par texte intégral, vecteur et sémantique, et vous obtenez les résultats de recherche les plus complets et pertinents. Le classificateur sémantique peut identifier des relations subtiles entre la requête et les documents, ce qui conduit à des résultats plus précis.
      • Classement sémantique: L\'option Hybride + sémantique améliore les résultats de recherche en appliquant un classement sémantique. Cette capacité de classement avancée dans Azure AI Search comprend l\'intention et le contexte de la requête pour fournir des résultats plus pertinents.
      • Configuration: Pour utiliser le classement sémantique, vous devez configurer la recherche sémantique dans votre Azure Azure AI Search. Consultez la documentation officielle d\'Azure AI Search pour obtenir des étapes détaillées sur la configuration des paramètres sémantiques :Azure AI Search Semantic Search Configuration.
      • Considérations de coût: Notez que Azure AI Search a un modèle de tarification distinct pour l\'utilisation des fonctionnalités de classement sémantique. Il est recommandé de consulter la page de tarification Azure AI Search pour obtenir des informations détaillées sur les coûts associés à la recherche sémantique : Azure AI Search Pricing.
      Remarque : Bien que Azure AI Search propose différents types de recherche, assurez-vous que votre index Azure AI Search sous-jacent est configuré avec des embeddings vectoriels. Les options Vectoriel et Hybride (vectoriel + mot-clé) tirent directement parti de ces embeddings. L\'option Hybride + sémantique bénéficie également des vecteurs d\'intégration pour sa phase initiale d\'Extraction.
  6. Sélectionnez le niveau de rigueur. Il contrôle le niveau de rigueur du moteur de recherche lors du filtrage et de la sélection des documents pour répondre à une question. Une plus grande rigueur conduit à une précision plus élevée, mais à un rappel plus faible (vous pourriez manquer certaines réponses potentiellement pertinentes). Une moindre rigueur conduit à un rappel plus élevé (vous obtiendrez plus de réponses potentielles) mais à une précision plus faible (certaines réponses pourraient être moins pertinentes ou même incorrectes).
  7. Sélectionnez le nombre de documents. Il détermine combien des documents les mieux classés Azure AI Search doivent être fournis au modèle de langage pour générer une réponse. Un nombre de documents plus élevé offre au modèle de langage plus de contexte pour générer une réponse plus complète et précise. Un nombre de documents plus faible entraîne des réponses moins complètes ou précises, car le modèle de langage dispose de moins d\'informations pour travailler.
  8. Ensuite, ajoutez une condition Azure Filter, qui est Facultatif. Ce champ prend en charge un format de chaîne pour entrer la valeur du filtre. L\'ajout d\'un filtre permet d\'affiner la recherche du modèle sur les fichiers spécifiques dans le stockage.

    Vous pouvez vous assurer que le AI Skill fonde la réponse en utilisant les informations d\'un ensemble spécifique de documents dans le Azure OpenAI portail. Cela réduit le champ de la réponse et la rend plus précise.

  9. Vous pouvez maintenant commencer à créer un AI Skill et ajouter des entrées d\'invite selon les besoins. Utilisons un exemple pour vous guider dans les étapes.
  10. Dans les champs Invite système et Invite utilisateur, entrez votre texte Prompt ainsi que les variables d\'entrée, si nécessaire.

    Par exemple:

    System prompt : Vous êtes l\'expert en code en Java.

    User prompt : Écrivez un exemple de code pour calculer l\'aire d\'un rectangle et d\'un cercle en utilisant les principes de la programmation orientée objet (POO).

    La réponse pour le texte Prompt sera référencée à partir des documents dans le portail Azure.

  11. Cliquez hors des champs de saisie de l\'invite.
  12. Cliquez sur Obtenir une réponse pour obtenir une réponse du modèle en fonction de vos invites.
    Remarque : Promptles détails des données de l\' peuvent contenir des PHI, des PII ou d\'autres données sensibles que vous choisissez d\'entrer dans les champs System prompt ou User prompt. Nous vous recommandons d\'en tenir compte lorsque vous testez et exécutez des invites.
  13. Le Grounded by AI Search Model connection renvoie une réponse dans le champ Réponse et affiche en outre un champ Citations affichant toutes les références de citation.

    Les citations sont des morceaux d\'informations indiquant à partir de quelle section d\'un document stocké dans le Grounded by AI Search la réponse est référencée. Vous pouvez voir le titre du document du magasin de données référencé depuis le Azure OpenAI.