AI Skills を Grounded by AI Search Model connectionsで作成

これは Grounded by AI Search Model connection を作成した後の次の論理的なステップです。 AI Skillを作成し、Model connectionからグラウンデッドAzure OpenAIに接続します。

Azure OpenAI Grounded by AI Search Model connections は、Automation 360 の Cloud および On-Premises で利用可能です。

プロの開発者は、AI Skillsがオートメーションで使用し、時間と労力を節約できるようにBot Creatorsを作成します。

AI Skills は、プロ開発者がアクセスできる Model connections に接続し、さまざまな基盤モデルでテストしてプロンプトを微調整することによって作成され、ビジネスの要求に応える最適な応答を見つけます。 これらの AI Skills は、開発者が使用および再利用できるようにすることで、ソリューション全体のオートメーションの作成を加速させることができます。

前提条件

プロの開発者が AI Skills を作成しテストするには、これらのロールと権限が必要です。
  • ロール: AAE_Basic、プロ開発者カスタム ロール
  • 権限: Bot Creator。 「ロールおよび権限」を参照してください。
  • その他の要件:ロールと権限のほかに、プロの開発者が、Bot Agent 22.60.10 以降に接続している必要があります。 Model connection のテストの一環として、デスクトップ上で bot を実行する必要があります。 したがって、Bot Agentがあなたのユーザーに設定されていることを確認してください。 接続を別の Control Room に切り替える必要がある場合は、Control Room インスタンス間でのデバイス登録の切り替えを参照してください。

手順

  1. Control Room にログインし、[オートメーション] > [新規作成または「+」アイコン] に移動して、AI Skills を選択します。
  2. 名前と説明を入力し、[作成と編集] をクリックして、テンプレートのアウトラインを表示します。
  3. AI スキル 画面で、モデル接続を選択 をクリックして利用可能なアクセスのあるModel connectionsリストから選択します。 あなたは Model connection から Grounded by AI Search タイプオプションを使用して作成されたAzure OpenAIを選択するでしょう。 Model connectionsを使用して Grounded by AI Search を作成する方法の詳細については、「Model connections Azure OpenAIの機能でグラウンディングされたRAGを作成します」を参照してください。
    これらの Model connections はオートメーション管理者によって作成され、カスタム ロールでユーザーに割り当てられます。
  4. Model connection を選択すると、選択したモデルに最適なデフォルトのパラメーター設定で AI Skills が設定されます。 必要に応じて設定は変更できます。
    AI Skill エディターは、モデル ベンダーによって設定されたデフォルトのパラメーター値で表示され、必要に応じて構成できます。 これらの値は、Agent Builderでデータ ストアを作成する際に設定できます。
  5. [AI 検索タイプ] を選択します。
    1. ハイブリッド (ベクトル + キーワード): これは、単一のクエリで全文検索とベクトル検索の強みを組み合わせます。Azure AI Search はキーワードベースの検索とベクトルベースの検索を同時に実行します。 それから、結果を統合して、より包括的な関連文書のセットを提供します。
    2. ベクトル: このタイプの検索は、AI埋め込みの力を活用して、正確なキーワードを含んでいなくても、あなたのクエリに意味的に関連する文書を見つけます。 あなたは Azure OpenAI からのような埋め込みモデルを使用して、文書とクエリをベクトル埋め込みに変換します。Azure AI Search はこれらの埋め込みをインデックスに保存します。 検索すると、クエリの埋め込みをドキュメントの埋め込みと比較して、最も類似しているものを見つけます。
    3. ハイブリッド + セマンティック: これはフルテキスト、ベクトル、およびセマンティックランキングを組み合わせており、最も包括的で関連性の高い検索結果を得ることができます。 セマンティックランカーは、クエリとドキュメント間の微妙な関係を特定できるため、より正確な結果をもたらします。
      • セマンティックランキング： ハイブリッド + セマンティック オプションは、セマンティックランキングを適用することで検索結果を向上させます。 この高度なランキング機能は、Azure AI Search におけるクエリの意図と文脈を理解し、より関連性の高い結果を提供します。
      • 構成: セマンティックランキングを使用するには、Azure Azure AI Search でセマンティック検索を構成する必要があります。 セマンティック構成を設定するための詳細な手順については、公式の Azure AI Search ドキュメントを参照してください:Azure AI Search Semantic Search Configuration.
      • コストに関する考慮事項： Azure AI Search は、セマンティックランキング機能を使用するための別の価格モデルを持っていることに注意してください。 セマンティック検索に関連するコストの詳細情報については、Azure AI Search の料金ページを確認することをお勧めします: Azure AI Search Pricing.
      注: Azure AI Search はさまざまな検索タイプを提供していますが、基盤となる Azure AI Search インデックスがベクトル埋め込みで構成されていることを確認してください。 ベクター と ハイブリッド (ベクター + キーワード) オプションは、これらの埋め込みを直接活用します。 ハイブリッド + セマンティック オプションは、初期の検索フェーズでベクトル埋め込みのメリットも享受します。
  6. [厳格さ] を選択します。 それは、質問に答えるために文書をフィルタリングおよび選択する際に、検索エンジンがどれほど厳密であるかを制御します。 より厳密な基準は、より高い精度をもたらしますが、リコールは低下します（潜在的に関連する回答を見逃す可能性があります）。 厳密さを下げると、リコールが高くなります（より多くの潜在的な回答が得られます）が、精度は低下します（いくつかの回答が関連性が低いか、間違っている可能性があります）。
  7. [ドキュメント数] を選択します。 それは、言語モデルが回答を生成するために、上位にランク付けされたドキュメント Azure AI Search のうちいくつを提供すべきかを決定します。 文書数が多いほど、言語モデルにより多くのコンテキストが提供され、より包括的で正確な回答を生成することができます。 ドキュメント数が少ないと、言語モデルが扱う情報が少なくなるため、包括的または正確な回答が得られなくなります。
  8. 次に、Azure Filter 条件を追加します。これは任意です。 これは、フィルター値を入力するための文字列形式をサポートするフィールドです。 フィルターを追加すると、ストレージ内の特定のファイルにモデルの検索を絞り込むのに役立ちます。

    あなたは、Azure OpenAI ポータル内の特定の文書セットにある情報を使用して、AI Skill が応答を基にしていることを確認できます。 これにより、応答の範囲が絞り込まれ、より正確になります。

  9. これで、AI Skill の作成を開始し、必要に応じてプロンプト入力を追加できます。 例を使って手順を説明します。
  10. システムプロンプト と ユーザープロンプト フィールドに、必要に応じて入力変数と共にあなたの Prompt テキストを入力してください。

    たとえば；

    System prompt : あなたはJavaのコードの専門家です。

    User prompt : OOD原則を使用して、長方形と円の面積を計算するサンプルコードを書いてください。

    Prompt テキストの応答は、Azure ポータル内のドキュメントから参照されます。

  11. プロンプト入力フィールドをクリックアウトします。
  12. 次に、レスポンス取得 をクリックして、プロンプトに基づくモデルからレスポンスを取得します。
    注: Prompt データの詳細には、System prompt または User prompt フィールドに入力する PHI、PII、その他の機密データが含まれている可能性があります。 プロンプトをテストおよび実行するときには、この点に注意することをお勧めします。
  13. Grounded by AI Search Model connectionは応答フィールドに応答を返し、さらにすべての引用参照を表示する引用フィールドを表示します。

    引用は、Grounded by AI Search に保存されている文書のどのセクションから応答が参照されているかを示す情報です。 参照されたデータストアのドキュメントタイトルは Azure OpenAI から見ることができます。