Créer Grounded Model connections avec Azure OpenAI RAG la capacité

Créez Grounded by AI Search Model connections en utilisant la capacité native de génération augmentée par extraction (RAG) de Azure OpenAI pour construire des expériences de recherche enrichies qui combinent de grands modèles de langage avec des données d\'entreprise de Azure AI Search.

Vous pouvez désormais intégrer un service Azure AI Search avec le service Azure OpenAI pour créer une solution RAG. Cela permet aux LLM de fournir des réponses plus informées et contextuellement pertinentes en récupérant des informations à partir de vos propres données.

AI Agent Studio Azure AI Search RAG

Remarque : Vous devez configurer les éléments suivants dans le Azure OpenAI portail :
  • Azure AI SearchConfiguration du service : Cela implique de créer le service de recherche IA dans le Azure OpenAI portail. Cela inclut la configuration de l\'URL du point de terminaison du service, des clés API et la création de l\'index. Pour plus d\'informations sur la création d\'une recherche Azure AI Search, consultez Créer un service Azure AI Search dans le portail Azure.
  • Ingestion et indexation des données: Les documents sont téléchargés vers une source de données, comme un stockage blob, puis l\'index est créé en utilisant les Fichiers dans le stockage. Les documents sont divisés en segments, et le contenu est vectorisé à l\'aide du modèle d\'embedding si la recherche vectorielle est activée.

    Lors de la configuration de votre service Azure AI Search pour l\'intégration avec Automation 360 Grounded by AI Search Model connections, il est essentiel de configurer votre processus d\'ingestion et d\'indexation des données pour créer des embeddings vectoriels. Bien queAzure AI Search prenne en charge d\'autres types de contenu et configurations (comme uniquement du texte ou uniquement sémantique), l\'intégration Automation Anywhere est optimisée pour et prend principalement en charge l\'utilisation d\'intégrations vectorielles pour permettre la compréhension sémantique et l\'extraction.

Prérequis

L\'administrateur de l\'automatisation requiert ces rôles et autorisations pour créer et gérer des Model connections pour son entreprise.
  • Rôle : AAE_Basic, rôle personnalisé d\'administrateur d\'automatisation
  • Autorisation : Exécuteur de robots assisté
  • Paramètres: La gestion des données de l\'IA doit être activée par l\'administrateur d\'automatisation et la case à cocher sélectionnée pour Autoriser les utilisateurs à désactiver les journaux sur les compétences de l\'IA. Permettre aux utilisateurs avec la licence Bot Creator de désactiver la journalisation des données lors de l\'utilisation des compétences d\'IA pour activer le Data logging dans l\'écran AI Skills.

Voir Rôles et autorisations pour les autorisations du rôle personnalisé Administrateur d\'automatisation.

Autres exigences:

  • Comme mentionné précédemment, vous commenceriez par créer un Azure AI Search pour créer un Grounded by AI Search Model connection et l\'utiliser avec succès dans un AI Skill.
  • Si vous souhaitez stocker des détails d\'authentification dans un coffre d\'accréditation, ayez ces informations à portée de main. Voir Magasin d'informations d'identification sécurisé via Credential Vault.
  • Pour tester une Model connection, vous devez être connecté à un Bot Agent 22.60.10 et versions ultérieures. Dans le cadre du test, vous devrez exécuter le bot sur votre bureau. Veillez donc à ce que le Bot Agent soit configuré pour votre utilisateur. Pour cette tâche, si vous devez basculer la connexion vers une autre Control Room, voir : Basculer l\'enregistrement de périphérique entre des instances de la Control Room.
  • Vous auriez besoin d\'accès au package AI Skills pour tester correctement la connexion. Un test Prompt sera exécuté pour tester la Model connection.

Procédure

  1. Dans votre Control Room environnement, accédez à IA > Connexions du modèle > Créer une connexion du modèle.
  2. Dans l\'écran Créer une connexion du modèle, vous devez configurer ces paramètres de connexion :
    Créer Grounded Model connections avec Azure OpenAI RAG la capacité
    1. Nom de la connexion du modèle : Donnez un nom pour une identification facile du Model connection.
    2. Description (facultatif) : ajoutez une description courte et significative pour définir la connexion.
    3. Choisir un fournisseur : Choisissez un fournisseur de modèle fondamental parmi la liste des fournisseurs pris en charge. Pour créer un Grounded by AI Search Model connection avec Azure OpenAI, vous sélectionneriez Azure OpenAI dans la liste déroulante.
    4. Choisissez un type : Choisissez Grounded by AI Search pour utiliser la RAGcapacité.
    5. Sélectionnez un modèle ou créez-en un personnalisé : Choisissez un modèle dans la liste déroulante des modèles validés de Azure OpenAI.
    6. Cliquez sur Suivant pour passer à la section Détails d\'authentification.
  3. Dans la section Détails d\'authentification, configurez ces paramètres :
    1. Nom de la ressource Azure OpenAI : Saisissez le nom de votre Azure OpenAI ressource.
    2. ID de déploiement : Saisissez l\'ID de déploiement du modèle que vous souhaitez utiliser.
    3. Clé API : Saisissez la clé API pour votre Azure OpenAI service.
    4. URL du service AI Search : L\'URL de votre service Azure AI Search déployé. Voici le point de terminaison par lequel le service de recherche est accessible.
    5. Nom de l\'index AI Search : Le nom de l\'index dans le service Azure AI Search qui contient vos données. C\'est ici que sont stockés les documents à rechercher.
    6. Clé API de recherche IA : La clé API pour votre Azure AI Search service. Cette clé est nécessaire pour authentifier l\'accès au service de recherche.
    7. Nom du déploiement du modèle d\'intégration de la recherche en IA : Le nom du modèle d\'intégration qui a été déployé sur Azure. Ce modèle est utilisé pour convertir du texte en représentations vectorielles qui sont utilisées pour la recherche sémantique.
      Remarque :
      1. Modèle d\'intégration: Un modèle d\'embedding est un type de modèle d\'apprentissage automatique conçu pour transformer des données (comme du texte, des images ou même du code) en représentations numériques appelées vecteurs d\'embedding.

        Un modèle d\'intégration est crucial car les vecteurs d\'intégration de vos données sont nécessaires pour que la fonctionnalité Grounded by AI Search puisse trouver efficacement des informations sémantiquement pertinentes.

      2. Incorporations vectorielles: Ces vecteurs sont des listes de nombres qui capturent le sens sémantique des données. Des données similaires auront des vecteurs proches les uns des autres dans un espace de haute dimension.

        Assurez-vous que votre index Azure AI Search est rempli avec des embeddings vectoriels générés à partir de vos données. C\'est fondamental pour les types de recherche d\'IA avec assistance par Automation Anywhere. Consultez la documentation de Azure AI Search pour obtenir des conseils détaillés sur la création d\'embeddings lors du processus d\'ingestion de données.

      3. Compréhension sémantique: La clé est que ces embeddings capturent le sens et le contexte des données, pas seulement des mots-clés. Cela permet à Azure AI Search de comprendre les relations entre différentes informations.
    8. Cliquez sur Suivant pour passer à la section Tester la connexion.
  4. Cliquez sur Tester la connexion pour vous assurer que tous les détails de la connexion ont été correctement définis et vérifier si la connexion fonctionne.
    Il s\'agit d\'une opération de bureau utilisant un Bot Agent. Utilisez Bot Agent 22.60.10 et versions ultérieures pour des tests réussis.
    • Si la connexion fonctionne comme prévu, le système traitera la demande et génèrera un message de réussite.
    • Si la connexion ne fonctionne pas comme prévu, vous recevrez un message généré par le système indiquant la raison de l\'échec de la connexion. Par exemple, si vous n\'avez pas téléchargé le package du modèle fondamental pris en charge dans votre espace de travail, vous recevrez un message d\'erreur. Vous devrez télécharger le package et tester à nouveau la Model connection.
    • Si le test d\'une Model connection échoue ou si la tâche n\'est pas terminée, la Model connection ne sera pas enregistrée et vous devrez recommencer le processus de création de la Model connection.
  5. Cliquez sur Suivant pour passer à la section Inviter des rôles pour commencer à attribuer des rôles personnalisés aux utilisateurs.
    L\'administrateur de l\'automatisation créerait des rôles personnalisés et attribuerait les Model connections au rôle, qui peut ensuite être attribué aux utilisateurs. Seuls les utilisateurs affectés à ce rôle personnalisé peuvent utiliser ce Model connection.
  6. Attribuer l\'accès au développeur Pro via un rôle personnalisé, pour utiliser ce Model connection pour créer un AI Skill.
  7. Cliquez sur Créer une connexion du modèle pour terminer la création de la Model connection.
    Après avoir créé avec succès le Model connection, le développeur Pro l\'utiliserait pour créer un AI Skill.

Étapes suivantes

Après avoir créé et testé la Model connection, attribuez-la aux développeurs professionnels, qui pourront utiliser cette connexion pour créer AI Skills. Voir Créer AI Skills avec Grounded by AI Search Model connections.
Remarque : Lorsque vous créez ou testez un AI Skill dans l\'écran Compétence IA, les détails de réussite ou d\'échec ainsi que les réponses du modèle peuvent être affichés dans ces écrans de navigation :
  • Administration > Gouvernance de l\'IA > Journal des invites de l\'IA
  • Administration > Gouvernance de l\'IA > Journal des événements
  • Administration > Journal d\'audit

Voir AI Governance.