الملخص
في هذه الوحدة، تتعلم كيفية بناء تطبيق RAG قابل للتوسع على قاعدة بيانات Azure لPostgreSQL باستخدام و azure_aipgvector امتدادات. تقوم بإعداد تخزين التضمين الفعال والبحث عن التشابه، وتطبق الفهرسة المتجهية باستخدام IVFFlatوHNSWوDiskANN، وتضبط خط أنابيب الاسترجاع باستخدام البحث الهجين. كما تدمج رسما بيانيا للمعرفة خفيفة الوزن عبر GraphRAG لسحب سياق العلاقات، ثم تطبق التصنيف الدلالي لتحسين النتائج حتى تبقى الإجابات دقيقة وذات صلة. يعمل تطبيق RAG الكامل مع قاعدة بيانات Azure ل PostgreSQLوPythonوLangChain للحفاظ على سير العمل بسلاسة.
تترجم هذه المهارات إلى تنفيذ استعلامات أسرع، ودقة استرجاع أفضل، وبنية تتوسع لتشمل ملايين الصفوف مع زمن استجابة منخفض واستدعاء عالي. طبقة رسم المعرفة تعزز فهم المجال وتساعد في حل الأسئلة غير الواضحة لحالات الاستخدام المعقدة والواقعية. التصنيف الدلالي يشد ترتيب الطلبات عندما لا يكون التشابه وحده كافيا. النتيجة هي ردود موثوقة وواعية للسياق تدعم اتخاذ القرار والأتمتة.
بعد إكمال هذه الوحدة، تتعلم:
- قم بإعداد قاعدة بيانات PostgreSQL مع
azure_aipgvectorامتدادات لتضمين التخزين والبحث عن التشابه. - لتحسين سرعة ودقة الاسترجاع، قم بإنشاء وضبط مؤشرات متجهية مثل IVFFlatوHNSWوDiskANN.
- ابن تطبيق RAG باستخدام قاعدة بيانات Azure ل PostgreSQLوPythonوLangChainوAzure OpenAI لتوليد إجابات واعية للسياق.
- تطبيق تقنيات الاسترجاع المتقدمة، بما في ذلك البحث الهجين، والترتيب الدلالي، والبحث المتجه الضيق عبر الرسوم البيانية.
- لتعزيز الدقة في الاستعلامات متعددة المفاهيم، قم بدمج رسم بياني معرفي خفيف الوزن في قاعدة بيانات PostgreSQL.
قراءة إضافية:
- قاعدة بيانات Azure لوثائق PostgreSQL
- إضافة pgvector ل PostgreSQL
- توثيق لانغتشين
- Azure OpenAI Service Overview
- الدرس: إنشاء نظام توصية باستخدام Azure Database ل PostgreSQL و Azure OpenAI
- تقديم حل GraphRAG لقاعدة بيانات Azure لموقع PostgreSQL
- ميزات الذكاء الاصطناعي التوليدي الجديدة في قاعدة بيانات Azure ل PostgreSQL
- إضافة AGE مع Azure Database for PostgreSQL
- تقييم نموذج اللغة الكبير من البداية إلى النهاية
- GraphRAG Solution Accelerator for Azure Database for PostgreSQL