Získání přehledu o datech z chatovací aplikace .NET Azure AI
Začněte se sémantickým jádrem a modelem gpt-35-turbo
z jednoduché konzolové aplikace .NET 8.0. Pomocí modelu AI můžete získat analýzy a informace o předchozích túrách. Skládá se z jednoduché konzolové aplikace spuštěné místně, která přečte soubor hikes.md
a odešle žádost službě Azure OpenAI nasazené ve vašem předplatném Azure a poskytne výsledek v konzole. Pomocí těchto kroků zřiďte Azure OpenAI a zjistěte, jak používat sémantické jádro.
Začínáme s .NET Azure OpenAI s modelem gpt-35-turbo
z jednoduché konzolové aplikace .NET 8.0 Pomocí modelu AI můžete získat analýzy a informace o předchozích túrách. Skládá se z jednoduché konzolové aplikace spuštěné místně, která přečte soubor hikes.md
a odešle žádost službě Azure OpenAI nasazené ve vašem předplatném Azure a poskytne výsledek v konzole. Pomocí těchto kroků zřiďte Azure OpenAI a zjistěte, jak používat sadu .NET Azure OpenAI SDK.
Požadavky
- .NET 8.0 SDK – Instalace sady .NET 8.0 SDK
- Předplatné Azure – Vytvoření předplatného zdarma
- Azure Developer CLI – Instalace nebo aktualizace Azure Developer CLI
- Přístup ke službě Azure OpenAI
- Ve Windows se vyžaduje PowerShell
v7+
. Pokud chcete ověřit svou verzi, spusťtepwsh
v terminálu. Měla by vrátit aktuální verzi. Pokud vrátí chybu, spusťte následující příkaz:dotnet tool update --global PowerShell
.
Nasazení prostředků Azure
Ujistěte se, že dodržujete požadavky , abyste měli přístup ke službě Azure OpenAI a rozhraní příkazového řádku Azure Developer CLI, a pak postupujte podle následujícího průvodce a nastavte ji s ukázkovou aplikací.
Klonování úložiště: dotnet/ai-samples
Z terminálu nebo příkazového řádku přejděte do adresáře Rychlý start .
Tím se zřídí prostředky Azure OpenAI. Vytvoření služby Azure OpenAI a nasazení modelu může trvat několik minut.
azd up
Poznámka:
Pokud už máte k dispozici službu Azure OpenAI, můžete nasazení přeskočit a použít tuto hodnotu v Program.cs, nejlépe z některého IConfiguration
.
Odstraňování potíží
Ve Windows se můžou po spuštění azd up
zobrazit následující chybové zprávy:
postprovision.ps1 není digitálně podepsán. Skript se v systému nespustí.
Skript postprovision.ps1 se spustí a nastaví tajné kódy uživatele .NET používané v aplikaci. Pokud se chcete této chybě vyhnout, spusťte následující příkaz PowerShellu:
Set-ExecutionPolicy -Scope Process -ExecutionPolicy Bypass
Pak příkaz spusťte azd up
znovu.
Další možná chyba:
"pwsh" není rozpoznán jako interní nebo externí příkaz, operovatelný program nebo dávkový soubor. UPOZORNĚNÍ: "postprovision" hook selhal s ukončovacím kódem: '1', Cesta: '.\infra\post-script\postprovision.ps1'. : ukončovací kód: 1 Provádění bude pokračovat, protože ContinueOnError byl nastaven na hodnotu true.
Skript postprovision.ps1 se spustí a nastaví tajné kódy uživatele .NET používané v aplikaci. Pokud se chcete této chybě vyhnout, spusťte skript ručně pomocí následujícího příkazu PowerShellu:
.\infra\post-script\postprovision.ps1
Aplikace .NET AI teď mají nakonfigurované tajné kódy uživatelů a dají se testovat.
Vyzkoušejte ukázku Chatování o mých předchozích pěších trasách.
- Z terminálu nebo příkazového řádku přejděte do
semantic-kernel\03-ChattingAboutMyHikes
adresáře.
- Z terminálu nebo příkazového řádku přejděte do
azure-openai-sdk\03-ChattingAboutMyHikes
adresáře.
Teď je čas vyzkoušet konzolovou aplikaci. Zadáním následujícího příkazu spusťte aplikaci:
dotnet run
Pokud se zobrazí chybová zpráva, že se nasazení prostředků Azure OpenAI nedokončily. Počkejte několik minut a zkuste to znovu.
Prozkoumání kódu
Naše aplikace používá Microsoft.SemanticKernel
balíček, který je k dispozici na NuGetu, k odesílání a přijímání požadavků do služby Azure OpenAI nasazené v Azure.
Celá aplikace je obsažena v souboru Program.cs . Prvních několik řádků kódu načte tajné kódy a konfigurační hodnoty, které byly nastaveny ve dotnet user-secrets
vámi během zřizování aplikace.
// == Retrieve the local secrets saved during the Azure deployment ==========
var config = new ConfigurationBuilder().AddUserSecrets<Program>().Build();
string endpoint = config["AZURE_OPENAI_ENDPOINT"];
string deployment = config["AZURE_OPENAI_GPT_NAME"];
string key = config["AZURE_OPENAI_KEY"];
Služba AzureOpenAIChatCompletionService
usnadňuje požadavky a odpovědi.
// == Create the Azure OpenAI Chat Completion Service ==========
AzureOpenAIChatCompletionService service = new(deployment, endpoint, key);
AzureOpenAIChatCompletionService
Po vytvoření klienta si přečteme obsah souboru hikes.md
a použijeme ho k poskytnutí dalšího kontextu modelu přidáním systémové výzvy. Tím dáte modelu pokyn, jak se má během konverzace chovat.
// Provide context for the AI model
ChatHistory chatHistory = new($"""
You are upbeat and friendly. You introduce yourself when first saying hello.
Provide a short answer only based on the user hiking records below:
{File.ReadAllText("hikes.md")}
""");
Console.WriteLine($"{chatHistory.Last().Role} >>> {chatHistory.Last().Content}");
Pak můžete do modelu přidat uživatelskou zprávu pomocí AddUserMessage
funkce.
Pokud chcete, aby model vygeneroval odpověď na základě systémové výzvy a požadavku uživatele, použijte GetChatMessageContentAsync
funkci.
// Start the conversation
chatHistory.AddUserMessage("Hi!");
Console.WriteLine($"{chatHistory.Last().Role} >>> {chatHistory.Last().Content}");
chatHistory.Add(await service.GetChatMessageContentAsync(chatHistory, new OpenAIPromptExecutionSettings() { MaxTokens = 400 }));
Console.WriteLine($"{chatHistory.Last().Role} >>> {chatHistory.Last().Content}");
Pokud chcete zachovat historii chatu nebo kontext, nezapomeňte do chatHistory
modelu přidat odpověď z modelu . Je čas, aby uživatel znovu požádal o naše data pomocí AddUserMessage
funkce a GetChatMessageContentAsync
funkce.
// Continue the conversation with a question.
chatHistory.AddUserMessage("I would like to know the ratio of the hikes I've done in Canada compared to other countries.");
Console.WriteLine($"{chatHistory.Last().Role} >>> {chatHistory.Last().Content}");
chatHistory.Add(await service.GetChatMessageContentAsync(chatHistory, new OpenAIPromptExecutionSettings() { MaxTokens = 400 }));
Console.WriteLine($"{chatHistory.Last().Role} >>> {chatHistory.Last().Content}");
Přizpůsobte si výzvu k systému a změňte žádost a požádejte o různé otázky (např. kolikrát jste se vycházali, když pršelo? Kolikrát jste se v roce 2021 chytli? atd.) a podívejte se, jak model reaguje.
Prozkoumání kódu
Naše aplikace používá klientskou Azure.AI.OpenAI
sadu SDK, která je k dispozici na NuGetu, k odesílání a přijímání požadavků do služby Azure OpenAI nasazené v Azure.
Celá aplikace je obsažena v souboru Program.cs . Prvních několik řádků kódu načte tajné kódy a konfigurační hodnoty, které byly nastaveny ve dotnet user-secrets
vámi během zřizování aplikace.
// == Retrieve the local secrets saved during the Azure deployment ==========
var config = new ConfigurationBuilder()
.AddUserSecrets<Program>()
.Build();
string openAIEndpoint = config["AZURE_OPENAI_ENDPOINT"];
string openAIDeploymentName = config["AZURE_OPENAI_GPT_NAME"];
string openAiKey = config["AZURE_OPENAI_KEY"];
// == Creating the AIClient ==========
var endpoint = new Uri(openAIEndpoint);
var credentials = new AzureKeyCredential(openAiKey);
Třída OpenAIClient
usnadňuje požadavky a odpovědi. ChatCompletionOptions
určuje parametry, jak bude model reagovat.
var openAIClient = new OpenAIClient(endpoint, credentials);
var completionOptions = new ChatCompletionsOptions
{
MaxTokens = 400,
Temperature = 1f,
FrequencyPenalty = 0.0f,
PresencePenalty = 0.0f,
NucleusSamplingFactor = 0.95f, // Top P
DeploymentName = openAIDeploymentName
};
OpenAIClient
Po vytvoření klienta si přečteme obsah souboru hikes.md
a použijeme ho k poskytnutí dalšího kontextu modelu přidáním systémové výzvy. Tím dáte modelu pokyn, jak se má během konverzace chovat.
var systemPrompt =
"""
You are upbeat and friendly. You introduce yourself when first saying hello.
Provide a short answer only based on the user hiking records below:
""" + markdown;
completionOptions.Messages.Add(new ChatRequestSystemMessage(systemPrompt));
Pak můžete do modelu přidat zprávu uživatele pomocí ChatRequestUserMessage
třídy.
Pokud chcete, aby model vygeneroval odpověď na základě systémové výzvy a požadavku uživatele, použijte GetChatCompletionsAsync
funkci.
string userGreeting = """
Hi!
""";
completionOptions.Messages.Add(new ChatRequestUserMessage(userGreeting));
Console.WriteLine($"\n\nUser >>> {userGreeting}");
ChatCompletions response = await openAIClient.GetChatCompletionsAsync(completionOptions);
ChatResponseMessage assistantResponse = response.Choices[0].Message;
Console.WriteLine($"\n\nAI >>> {assistantResponse.Content}");
completionOptions.Messages.Add(new ChatRequestAssisstantMessage(assistantResponse.Content));
Pokud chcete zachovat historii chatu nebo kontext, nezapomeňte přidat odpověď z modelu jako ChatRequestAssistantMessage
. Je čas, aby uživatel znovu požádal o naše data pomocí ChatRequestUserMessage
funkce a GetChatCompletionsAsync
funkce.
var hikeRequest =
"""
I would like to know the ration of hike I did in Canada compare to hikes done in other countries.
""";
Console.WriteLine($"\n\nUser >>> {hikeRequest}");
completionOptions.Messages.Add(new ChatRequestUserMessage(hikeRequest));
response = await openAIClient.GetChatCompletionsAsync(completionOptions);
Přizpůsobte si výzvu k systému a změňte žádost a požádejte o různé otázky (např. kolikrát jste se vycházali, když pršelo? Kolikrát jste se v roce 2021 chytli? atd.) a podívejte se, jak model reaguje.
Vyčištění prostředků
Pokud už ukázkovou aplikaci nebo prostředky nepotřebujete, odeberte odpovídající nasazení a všechny prostředky.
azd down
Další kroky
Váš názor
https://aka.ms/ContentUserFeedback.
Připravujeme: V průběhu roku 2024 budeme postupně vyřazovat problémy z GitHub coby mechanismus zpětné vazby pro obsah a nahrazovat ho novým systémem zpětné vazby. Další informace naleznete v tématu:Odeslat a zobrazit názory pro