Sdílet prostřednictvím

Integrace pro sémantické jádro

  • Článek

Sémantické jádro poskytuje širokou škálu integrací, které vám pomůžou vytvářet výkonné agenty AI. Mezi tyto integrace patří služby AI, paměťové konektory. Kromě toho se sémantické jádro integruje s jinými služby Microsoft, aby poskytovalo další funkce prostřednictvím modulů plug-in.

Předefinované integrace

Díky dostupným konektorům umělé inteligence a paměti můžou vývojáři snadno vytvářet agenty umělé inteligence s prohozením komponent. Díky tomu můžete experimentovat s různými službami AI a paměťovými konektory, abyste našli nejlepší kombinaci pro váš případ použití.

Služby AI

Služby C# Python Java Notes
Generování textu ✅ ✅ ✅ Příklad: Text-Davinci-003
Dokončení chatu ✅ ✅ ✅ Příklad: GPT4, Chat-GPT
Vkládání textu (experimentální) ✅ ✅ ✅ Příklad: Text-Embeddings-Ada-002
Text na obrázek (experimentální) ✅ ❌ ❌ Příklad: Dall-E
Obrázek k textu (experimentální) ✅ ❌ ❌ Příklad: Pix2 – struktura
Text na zvuk (experimentální) ✅ ❌ ❌ Příklad: Převod textu na řeč
Zvuk na text (experimentální) ✅ ❌ ❌ Příklad: Šeptej

Konektory paměti (experimentální)

Vektorové databáze mají mnoho případů použití v různých doménách a aplikacích, které zahrnují zpracování přirozeného jazyka (NLP), počítačové zpracování obrazu (CV), systémy doporučení (RS) a další oblasti, které vyžadují sémantické porozumění a porovnávání dat.

Jedním z případů použití pro ukládání informací do vektorové databáze je umožnit velkým jazykovým modelům (LLM) generovat relevantnější a koherentní text založený na modulu plug-in AI.

Velké jazykové modely však často čelí výzvám, jako je generování nepřesných nebo irelevantních informací; nedostatek faktické konzistence nebo běžného rozumu; opakování nebo v rozporu se sebou; být zkreslený nebo urážlivý. Pokud chcete tyto výzvy překonat, můžete pomocí vektorové databáze ukládat informace o různých tématech, klíčových slovech, faktech, názorech a zdrojích souvisejících s požadovanou doménou nebo žánrem. Pak můžete použít rozsáhlý jazykový model a předat informace z vektorové databáze pomocí modulu plug-in AI k vygenerování informativního a poutavějšího obsahu, který odpovídá vašemu záměru a stylu.

Pokud například chcete napsat blogový příspěvek o nejnovějších trendech v AI, můžete použít vektorovou databázi k uložení nejnovějších informací o tomto tématu a předání informací spolu s dotazem na LLM, aby se vygeneroval blogový příspěvek, který využívá nejnovější informace.

Dostupné konektory pro vektorové databáze

Sémantické jádro dnes nabízí několik konektorů pro vektorové databáze, které můžete použít k ukládání a načítání informací. Tady jsou některé z nich:

Služba C# Python
Vector Database v Azure Comsmos DB for NoSQL C# Python
Vector Database ve službě Azure Cosmos DB pro MongoDB založené na virtuálních jádrech C# Python
Azure AI Vyhledávač C# Python
Azure PostgreSQL Server C#
Azure SQL Database C#
Sytost barvy C# Python
DuckDB C#
Milvus C# Python
MongoDB Atlas Vector Search C# Python
Pinecone C# Python
Postgres C# Python
Qdrant C#
Redis C#
Sqlite C#
Weaviate C# Python

Řešení vektorové databáze

Průvodce rozhodováním o službě indexování vektorů

Další moduly plug-in

Pokud chcete rozšířit funkce agenta AI, můžete použít moduly plug-in k integraci s jinými služby Microsoft. Tady jsou některé moduly plug-in, které jsou k dispozici pro sémantické jádro:

Modul plug-in C# Python Java Popis
Logic Apps ✅ ✅ ✅ Vytvářejte pracovní postupy v Logic Apps pomocí dostupných konektorů a importujte je jako moduly plug-in v sémantickém jádru. Další informace.
Dynamické relace Azure Container Apps ✅ ✅ ❌ Díky dynamickým relacím můžete prostředí interpretu kódu z rozhraní API asistentů znovu vytvořit tak, že snadno roztáčíte kontejnery Pythonu, ve kterých můžou agenti AI spouštět kód Pythonu. Další informace.