Entwickeln von Apps, die Azure AI-Dienste verwenden
Artikel
Dieser Artikel enthält Dokumentation, Beispiele und andere Ressourcen zum Entwickeln von Anwendungen, die Azure OpenAI-Dienst und andere Azure AI Services verwenden.
Azure KI-Referenzvorlagen
Azure KI-Referenzvorlagen bieten Ihnen gut gepflegte und einfach bereitzustellende Referenzimplementierungen. Durch sie verfügen Sie über einen qualitativ hochwertigen Ausgangspunkt für Ihre intelligenten Anwendungen. Diese End-to-End-Lösungen bieten beliebte und umfassende Referenzanwendungen. Die Bausteine sind kleinere Beispiele, die sich jeweils auf bestimmte Szenarien und Aufgaben konzentrieren.
Ein Artikel, der Sie durch die Bereitstellung und Verwendung des Unternehmenschat-App-Beispiels für .NET führt. Dieses Beispiel ist eine vollständige End-to-End-Lösung, die das in Azure ausgeführte Retrieval-Augmented Generation (RAG)-Muster veranschaulicht. Dabei werden Azure KI-Suche zum Abrufen sowie große Azure OpenAI-Sprachmodelle verwendet, um Q&A-Erfahrungen im Stil von ChatGPT zu realisieren.
Dieses Beispiel ist eine vollständige End-to-End-Lösung, die zeigt, wie Sie einen Q&A-KI-Assistenten entwerfen und implementieren, der die Embeddings-API und die Abschluss-API im Azure OpenAI Service sowie die Vektordatenbank in der Azure Cosmos DB verwendet.
Eine einfache Python Quart-App, die Antworten von ChatGPT mithilfe von JSON-Zeilen über einen ReadableStream zu einem HTML/JS-Front-End streamt. (Der Python-Code wird als Referenz bereitgestellt und kann an .NET angepasst werden.)
Anhand eines Beispiel wird gezeigt, wie Sie den Prompt eines Nutzers als HTTP Get- oder -Post-Eingabe verwenden. Die Abschlüsse werden dabei mithilfe von Ketten menschlicher Eingaben und von Vorlagen berechnet. Dies ist ein Ausgangspunkt, der für anspruchsvollere Ketten verwendet werden kann. (Der Python-Code wird als Referenz bereitgestellt und kann an .NET angepasst werden.)
Ein Beispiel für das Erstellen eines ChatGPT-Plug-Ins mit GitHub Codespaces, VS Code und Azure. Das Beispiel enthält Vorlagen zum Bereitstellen des Plug-Ins für Azure Container Apps mithilfe der Azure Developer CLI. (Der Python-Code wird als Referenz bereitgestellt und kann an .NET angepasst werden.)
Die vollständige Liste der Azure KI-Vorlagen finden Sie in unserem Katalog. Alle App-Vorlagen in unserem Katalog können mithilfe eines einzigen Befehls bereitgestellt und bereitgestellt werden: azd up.
Diese Lösung basiert auf dem leistungsstarken YARP C#-Reverse-Proxy-Framework von Microsoft. Sie müssen jedoch nicht mit C# vertraut sein, um es zu verwenden. Sie können einfach das bereitgestellte Docker-Image erstellen. Dies ist eine Alternative zum API Management OpenAI Smart Load Balancer mit derselben Logik.
Die Unternehmenslösung zeigt, wie Sie eine Azure API-Verwaltungsrichtlinie erstellen, um einen einzelnen Endpunkt nahtlos für Ihre Anwendungen verfügbar zu machen und gleichzeitig eine effiziente Logik für die Nutzung von zwei oder mehr OpenAI- oder API-Back-Ends basierend auf Verfügbarkeit und Priorität zu erhalten.
Ein Artikel, der Sie durch die Bereitstellung und Verwendung des Unternehmenschat-App-Beispiels für .NET führt. Dieses Beispiel ist eine vollständige End-to-End-Lösung, die das in Azure ausgeführte Retrieval-Augmented Generation (RAG)-Muster veranschaulicht. Dabei werden Azure KI-Suche zum Abrufen sowie große Azure OpenAI-Sprachmodelle verwendet, um Q&A-Erfahrungen im Stil von ChatGPT zu realisieren.
Ein Artikel, der Sie durch die Verwendung von Azure Cache for Redis als Back-End-Vektorspeicher für RAG-Szenarien führt. (Der Python-Code wird als Referenz bereitgestellt und kann an .NET angepasst werden.)
Ein Artikel, der erläutert, wie Azure Database for PostgreSQL flexibler Server und Azure Cosmos DB for PostgreSQL die pgvector-Erweiterung sowie eine Übersicht, Szenarien usw. unterstützen. (Der Python-Code wird als Referenz bereitgestellt und kann an .NET angepasst werden.)
Die GitHub-Quellversion der Azure OpenAI-Clientbibliothek für .NET ist eine Anpassung der REST-APIs von OpenAI. Sie bietet eine idiomatische Schnittstelle und eine umfassende Integration in das restliche Azure SDK-Ökosystem. Sie kann eine Verbindung mit Azure OpenAI-Ressourcen oder mit dem Nicht-Azure OpenAI-Rückschlussendpunkt herstellen, wodurch sie auch für die Nicht-Azure OpenAI-Entwicklung eine hervorragende Wahl ist.
Eine aus zehn Beispielen bestehende Sammlung, die veranschaulicht, wie Sie die Azure OpenAI-Clientbibliothek für .NET zum Chatten, Streamen von Antworten, Nutzen eigener Daten, Transkribieren/Übersetzen von Audio, Generieren von Bildern usw. verwenden.
Ein Artikel, der komplexere Sicherheitsszenarien vorstellt, die eine rollenbasierte Azure-Zugriffssteuerung (Azure RBAC) erforderlich machen. In diesem Dokument wird erläutert, wie Sie sich mit Microsoft Entra ID bei Ihrer OpenAI-Ressource authentifizieren.
Ein Artikel, in dem beschrieben wird, wie Sie Azure KI Speech verwenden, um sich mit Azure OpenAI Service zu unterhalten. Der vom Speech-Dienst erkannte Text wird an Azure OpenAI gesendet. Der Speech-Dienst synthetisiert dann die Textantwort von Azure OpenAI.
Ein Artikel, der zeigt, wie lokale oder Netzwerkdateien in vielen verschiedenen Formaten in mehr als 100 verschiedene Sprachen übersetzt werden können. Unterstützte Formate sind HTML, PDF, alle Office-Dokumentformate, Markdown, MHTML, Outlook, MSG, XLIFF, CSV, TSV und Nur-Text.
Ein Repository mit Beispielen für das Azure Cognitive Services Speech SDK. Links zu Beispielen für Spracherkennung, Übersetzung, Sprachsynthese und vielem mehr.
Azure KI Dokument Intelligenz (früher Azure-Formularerkennung) ist ein Clouddienst, der maschinelles Lernen verwendet, um Text und strukturierte Daten aus Dokumenten zu analysieren. Das Dokument Intelligenz SDK (Software Development Kit) besteht aus einer Reihe von Bibliotheken und Tools, mit denen Sie die Modelle und Funktionen von Dokument Intelligenz einfach in Ihre Anwendungen integrieren können.
Die Clientbibliothek für die Textanalyse. Sie ist Teil des Azure KI Language-Diensts, der NLP-Funktionen (Natural Language Processing) zum Verstehen und Analysieren von Text bereitstellt.
Ein Schnellstartartikel, in dem erläutert wird, wie Sie die Dokumentübersetzung verwenden, um ein Quelldokument in eine Zielsprache zu übersetzen und dabei die Struktur und Textformatierung beizubehalten.
Die Clientbibliothek für Conversational Language Understanding (CLU), einen cloudbasierten KI-Dienst für Unterhaltungen, der Absichten und Entitäten aus Unterhaltungen extrahieren kann und wie ein Orchestrator fungiert, um den besten Kandidaten zum Analysieren von Unterhaltungen auszuwählen, um optimale Antworten von Apps wie Qna, Luis und Conversation App zu erhalten.
Beispielcode und Setupdokumente für das Microsoft Azure KI-Bildanalyse SDK hostet
Azure KI-Referenzvorlagen
Azure KI-Referenzvorlagen bieten Ihnen gut gepflegte und einfach bereitzustellende Referenzimplementierungen. Durch sie verfügen Sie über einen qualitativ hochwertigen Ausgangspunkt für Ihre intelligenten Anwendungen. Diese End-to-End-Lösungen bieten beliebte und umfassende Referenzanwendungen. Die Bausteine sind kleinere Beispiele, die sich jeweils auf bestimmte Szenarien und Aufgaben konzentrieren.
Ein Artikel, der Sie durch die Bereitstellung und Verwendung des Enterprise-Chat-App-Beispiels für Python führt. Dieses Beispiel ist eine vollständige End-to-End-Lösung, die das in Azure ausgeführte Retrieval-Augmented Generation (RAG)-Muster veranschaulicht. Dabei werden Azure KI-Suche zum Abrufen sowie große Azure OpenAI-Sprachmodelle verwendet, um Q&A-Erfahrungen im Stil von ChatGPT zu realisieren.
Ein Azure Functions-Beispiel, das zeigt, wie Sie eine menschliche Eingabeaufforderung als HTTP Get- oder Post-Eingabe verwenden, berechnet die Fertigstellungen mithilfe von Ketten menschlicher Eingaben und Vorlagen. Dies ist ein Ausgangspunkt, der für anspruchsvollere Ketten verwendet werden kann.
Ein Beispiel für das Erstellen eines ChatGPT-Plug-Ins mit GitHub Codespaces, VS Code und Azure. Das Beispiel enthält Vorlagen zum Bereitstellen des Plug-Ins für Azure Container Apps mithilfe der Azure Developer CLI.
Nehmen Sie Textdokumente als Eingabe, fassen Sie die Azure AI-Sprache zusammen, und geben Sie dann mithilfe von Azure Functions in ein anderes Textdokument aus.
Die vollständige Liste der Azure KI-Vorlagen finden Sie in unserem Katalog. Alle App-Vorlagen in unserem Katalog können mithilfe eines einzigen Befehls bereitgestellt und bereitgestellt werden: azd up.
Die Enterprise-Beispiellösung zeigt, wie Sie eine Azure API-Verwaltungsrichtlinie erstellen, um einen einzelnen Endpunkt nahtlos für Ihre Anwendungen verfügbar zu machen und gleichzeitig eine effiziente Logik für die Nutzung von zwei oder mehr OpenAI- oder API-Back-Ends basierend auf Verfügbarkeit und Priorität zu erhalten.
Bewerten Sie die Antworten einer Chat-App anhand einer Reihe von korrekten oder idealen Antworten (die als Grundwahrheit bezeichnet werden). Die Evaulationstools können mit jeder Chat-API verwendet werden, die dem Chatprotokoll entspricht.
Verwenden Sie einen Locust-Test, um zu überprüfen, ob Ihre Chat-App die erwartete Auslastung verarbeiten kann. Wenn Ihre Chat-App aufgrund von Azure OpenAI TPM-Grenzwerten nicht auf Ihren App-Dienst skaliert wird, fügen Sie einen Lastenausgleich hinzu, und testen Sie die Auslastung erneut. Intelligente Lastenausgleichsgeräte umfassen Azure-API-Verwaltung und Azure-Container-Apps.
Ein Artikel, der Sie durch die Bereitstellung und Verwendung des Enterprise-Chat-App-Beispiels für Python führt. Dieses Beispiel ist eine vollständige End-to-End-Lösung, die das in Azure ausgeführte Retrieval-Augmented Generation (RAG)-Muster veranschaulicht. Dabei werden Azure KI-Suche zum Abrufen sowie große Azure OpenAI-Sprachmodelle verwendet, um Q&A-Erfahrungen im Stil von ChatGPT zu realisieren.
Anhand eines Beispiel wird gezeigt, wie Sie den Prompt eines Nutzers als HTTP Get- oder -Post-Eingabe verwenden. Die Abschlüsse werden dabei mithilfe von Ketten menschlicher Eingaben und von Vorlagen berechnet. Dies ist ein Ausgangspunkt, der für anspruchsvollere Ketten verwendet werden kann.
Ein Beispiel für das Erstellen eines ChatGPT-Plug-Ins mit GitHub Codespaces, VS Code und Azure. Das Beispiel enthält Vorlagen zum Bereitstellen des Plug-Ins für Azure Container Apps mithilfe der Azure Developer CLI.
Ein Artikel, der erläutert, wie Azure Database für PostgreSQL Flexible Server und Azure Cosmos DB für PostgreSQL die pgvector-Erweiterung sowie eine Übersicht, Szenarien usw. unterstützt.
Die GitHub-Quellcodeversion der OpenAI Python-Bibliothek bietet bequemen Zugriff auf die OpenAI-API von Anwendungen, die in der Python-Sprache geschrieben wurden.
Ein Notizbuch mit Beispiel für das Abrufen von Chatabschlussen für die Arbeit mit den Azure-Endpunkten. Dieses Beispiel konzentriert sich auf Chatabschlusse, berührt aber auch einige andere Vorgänge, die auch mit der API verfügbar sind.
Ein Notizbuch, in dem Vorgänge zum Verwenden von Einbettungen veranschaulicht werden, die mithilfe der Azure-Endpunkte durchgeführt werden können. Dieses Beispiel konzentriert sich auf Einbettungen, berührt aber auch einige andere Vorgänge, die auch mit der API verfügbar sind.
Ein Artikel mit komplexeren Sicherheitsszenarien erfordert die rollenbasierte Zugriffssteuerung (Azure RBAC). In diesem Dokument wird erläutert, wie Sie sich mit Microsoft Entra ID bei Ihrer OpenAI-Ressource authentifizieren.
Eine Zusammenstellung nützlicher Azure OpenAI Service-Ressourcen und Codebeispiele, die Ihnen bei den ersten Schritten helfen und Ihre Technologieakzeptanz beschleunigen können.
Eine Präsentation im Workshopstil, die Sie durch die Verwendung von Document Intelligence zum Konvertieren und Automatisieren eines papierbasierten Prozesses führt.
Verwenden Sie Azure AI Speech, um mit Azure OpenAI Service zu sprechen. Der vom Speech-Dienst erkannte Text wird an Azure OpenAI gesendet. Der Sprachdienst synthetisiert die Textantwort von Azure OpenAI.
Ein Repository, das sowohl ein Befehlszeilentool als auch eine Windows-Anwendung enthält, die als lokale Schnittstelle zum Azure-Dokumentübersetzungsdienst für Windows, macOS und Linux dient.
Azure KI Dokument Intelligenz (früher Azure-Formularerkennung) ist ein Clouddienst, der maschinelles Lernen verwendet, um Text und strukturierte Daten aus Dokumenten zu analysieren. Das Dokument Intelligenz SDK (Software Development Kit) besteht aus einer Reihe von Bibliotheken und Tools, mit denen Sie die Modelle und Funktionen von Dokument Intelligenz einfach in Ihre Anwendungen integrieren können.
Die Clientbibliothek für die Textanalyse. Sie ist Teil des Azure KI Language-Diensts, der NLP-Funktionen (Natural Language Processing) zum Verstehen und Analysieren von Text bereitstellt.
Ein Schnellstartartikel, der die Dokumentübersetzung verwendet, um ein Quelldokument in eine Zielsprache zu übersetzen und dabei Struktur und Textformatierung beizubehalten.
Ein Schnellstartartikel mit Schritten, um eine Antwort (und Konfidenzbewertung) aus einem Textkörper zu erhalten, den Sie zusammen mit Ihrer Frage senden.
Die Clientbibliothek für Conversational Language Understanding (CLU), einen cloudbasierten KI-Dienst für Unterhaltungen, der Absichten und Entitäten aus Unterhaltungen extrahieren kann und wie ein Orchestrator fungiert, um den besten Kandidaten zum Analysieren von Unterhaltungen auszuwählen, um optimale Antworten von Apps wie Qna, Luis und Conversation App zu erhalten.
Erkennt schädliche vom Benutzer generierte und KI-generierte Inhalte in Anwendungen und Diensten. Content Safety enthält Text- und Bild-APIs für die Erkennung von schädlichem Material.
Azure KI-Referenzvorlagen
Azure KI-Referenzvorlagen bieten Ihnen gut gepflegte und einfach bereitzustellende Referenzimplementierungen. Durch sie verfügen Sie über einen qualitativ hochwertigen Ausgangspunkt für Ihre intelligenten Anwendungen. Diese End-to-End-Lösungen bieten beliebte und umfassende Referenzanwendungen. Die Bausteine sind kleinere Beispiele, die sich jeweils auf bestimmte Szenarien und Aufgaben konzentrieren.
Ein Artikel, der Sie durch die Bereitstellung und Verwendung des Enterprise-Chat-App-Beispiels für JavaScript führt. Dieses Beispiel ist eine vollständige End-to-End-Lösung, die das in Azure ausgeführte Retrieval-Augmented Generation (RAG)-Muster veranschaulicht. Dabei werden Azure KI-Suche zum Abrufen sowie große Azure OpenAI-Sprachmodelle verwendet, um Q&A-Erfahrungen im Stil von ChatGPT zu realisieren.
Eine einfache Python Quart-App, die Antworten von ChatGPT mithilfe von JSON-Zeilen über einen ReadableStream zu einem HTML/JS-Front-End streamt. (Der Python-Code wird als Referenz bereitgestellt und kann an JavaScript angepasst werden.)
Anhand eines Beispiel wird gezeigt, wie Sie den Prompt eines Nutzers als HTTP Get- oder -Post-Eingabe verwenden. Die Abschlüsse werden dabei mithilfe von Ketten menschlicher Eingaben und von Vorlagen berechnet. Dies ist ein Ausgangspunkt, der für anspruchsvollere Ketten verwendet werden kann. (Der Python-Code wird als Referenz bereitgestellt und kann an JavaScript angepasst werden.)
Ein Beispiel für das Erstellen eines ChatGPT-Plug-Ins mit GitHub Codespaces, VS Code und Azure. Das Beispiel enthält Vorlagen zum Bereitstellen des Plug-Ins für Azure Container Apps mithilfe der Azure Developer CLI. (Der Python-Code wird als Referenz bereitgestellt und kann an JavaScript angepasst werden.)
Die vollständige Liste der Azure KI-Vorlagen finden Sie in unserem Katalog. Alle App-Vorlagen in unserem Katalog können mithilfe eines einzigen Befehls bereitgestellt und bereitgestellt werden: azd up.
Die Unternehmenslösung zeigt, wie Sie eine Azure API-Verwaltungsrichtlinie erstellen, um einen einzelnen Endpunkt nahtlos für Ihre Anwendungen verfügbar zu machen und gleichzeitig eine effiziente Logik für die Nutzung von zwei oder mehr OpenAI- oder API-Back-Ends basierend auf Verfügbarkeit und Priorität zu erhalten.
Bewerten Sie die Antworten einer Chat-App anhand einer Reihe von korrekten oder idealen Antworten (die als Grundwahrheit bezeichnet werden). Die Evaulationstools können mit jeder Chat-API verwendet werden, die dem Chatprotokoll entspricht.
Ein Artikel, der Sie durch die Bereitstellung und Verwendung des Enterprise-Chat-App-Beispiels für JavaScript führt. Dieses Beispiel ist eine vollständige End-to-End-Lösung, die das in Azure ausgeführte Retrieval-Augmented Generation (RAG)-Muster veranschaulicht. Dabei werden Azure KI-Suche zum Abrufen sowie große Azure OpenAI-Sprachmodelle verwendet, um Q&A-Erfahrungen im Stil von ChatGPT zu realisieren.
Eine exemplarische Vorgehensweise zur Verwendung von Azure Cache für Redis als Back-End-Vektorspeicher für RAG-Szenarien. (Der Python-Code wird als Referenz bereitgestellt und kann an JavaScript angepasst werden.)
Ein Artikel, der erläutert, wie Azure Database für PostgreSQL Flexible Server und Azure Cosmos DB für PostgreSQL die pgvector-Erweiterung unterstützt, zusammen mit einer Übersicht, Szenarien usw. (Der Python-Code wird als Referenz bereitgestellt und kann an JavaScript angepasst werden.)
Artikel mit Anleitungen zu den kleinen Änderungen, die Sie an Ihrem Code vornehmen müssen, um zwischen OpenAI und dem Azure OpenAI-Dienst hin und her zu wechseln.
Ein Artikel mit komplexeren Sicherheitsszenarien erfordert die rollenbasierte Zugriffssteuerung (Azure RBAC). In diesem Dokument wird erläutert, wie Sie sich mit Microsoft Entra ID bei Ihrer OpenAI-Ressource authentifizieren.
Ein Artikel, der Azure AI Speech verwendet, um mit Azure OpenAI Service zu sprechen. Der vom Speech-Dienst erkannte Text wird an Azure OpenAI gesendet. Der Sprachdienst synthetisiert die Textantwort von Azure OpenAI. (Der C#- und Python-Code wird als Referenz bereitgestellt und kann an JavaScript angepasst werden.)
Azure KI Dokument Intelligenz (früher Azure-Formularerkennung) ist ein Clouddienst, der maschinelles Lernen verwendet, um Text und strukturierte Daten aus Dokumenten zu analysieren. Das Dokument Intelligenz SDK (Software Development Kit) besteht aus einer Reihe von Bibliotheken und Tools, mit denen Sie die Modelle und Funktionen von Dokument Intelligenz einfach in Ihre Anwendungen integrieren können.
Eine Sammlung von Beispielen für das Azure Cognitive Services Speech SDK. Links zu Beispielen für Spracherkennung, Übersetzung, Sprachsynthese und vielem mehr.
Die Clientbibliothek für die Textanalyse. Sie ist Teil des Azure KI Language-Diensts, der NLP-Funktionen (Natural Language Processing) zum Verstehen und Analysieren von Text bereitstellt.
Ein Schnellstartartikel, der die Dokumentübersetzung verwendet, um ein Quelldokument in eine Zielsprache zu übersetzen und dabei Struktur und Textformatierung beizubehalten.
Beispielcode und Setupdokumente für das Microsoft Azure AI Image Analysis SDK.
Azure KI-Referenzvorlagen
Azure KI-Referenzvorlagen bieten Ihnen gut gepflegte und einfach bereitzustellende Referenzimplementierungen. Durch sie verfügen Sie über einen qualitativ hochwertigen Ausgangspunkt für Ihre intelligenten Anwendungen. Diese End-to-End-Lösungen bieten beliebte und umfassende Referenzanwendungen. Die Bausteine sind kleinere Beispiele, die sich jeweils auf bestimmte Szenarien und Aufgaben konzentrieren.
Ein Artikel, der Sie durch die Bereitstellung und Verwendung des Enterprise-Chat-App-Beispiels für Java führt. Dieses Beispiel ist eine vollständige End-to-End-Lösung, die das in Azure ausgeführte Retrieval-Augmented Generation (RAG)-Muster veranschaulicht. Dabei werden Azure KI-Suche zum Abrufen sowie große Azure OpenAI-Sprachmodelle verwendet, um Q&A-Erfahrungen im Stil von ChatGPT zu realisieren.
Eine einfache Python Quart-App, die Antworten von ChatGPT mithilfe von JSON-Zeilen über einen ReadableStream zu einem HTML/JS-Front-End streamt. (Der Python-Code wird als Referenz bereitgestellt und kann an Java angepasst werden.)
Anhand eines Beispiel wird gezeigt, wie Sie den Prompt eines Nutzers als HTTP Get- oder -Post-Eingabe verwenden. Die Abschlüsse werden dabei mithilfe von Ketten menschlicher Eingaben und von Vorlagen berechnet. Dies ist ein Ausgangspunkt, der für anspruchsvollere Ketten verwendet werden kann. (Der Python-Code wird als Referenz bereitgestellt und kann an Java angepasst werden.)
Ein Beispiel für das Erstellen eines ChatGPT-Plug-Ins mit GitHub Codespaces, VS Code und Azure. Das Beispiel enthält Vorlagen zum Bereitstellen des Plug-Ins für Azure Container Apps mithilfe der Azure Developer CLI. (Der Python-Code wird als Referenz bereitgestellt und kann an Java angepasst werden.)
Die vollständige Liste der Azure KI-Vorlagen finden Sie in unserem Katalog. Alle App-Vorlagen in unserem Katalog können mithilfe eines einzigen Befehls bereitgestellt und bereitgestellt werden: azd up.
Die Unternehmenslösung zeigt, wie Sie eine Azure API-Verwaltungsrichtlinie erstellen, um einen einzelnen Endpunkt nahtlos für Ihre Anwendungen verfügbar zu machen und gleichzeitig eine effiziente Logik für die Nutzung von zwei oder mehr OpenAI- oder API-Back-Ends basierend auf Verfügbarkeit und Priorität zu erhalten.
Ein Artikel, der Sie durch die Bereitstellung und Verwendung des Enterprise-Chat-App-Beispiels für Java führt. Dieses Beispiel ist eine vollständige End-to-End-Lösung, die das in Azure ausgeführte Retrieval-Augmented Generation (RAG)-Muster veranschaulicht. Dabei werden Azure KI-Suche zum Abrufen sowie große Azure OpenAI-Sprachmodelle verwendet, um Q&A-Erfahrungen im Stil von ChatGPT zu realisieren.
Ein Artikel, der Sie durch die Verwendung von Azure Cache for Redis als Back-End-Vektorspeicher für RAG-Szenarien führt. (Der Python-Code wird als Referenz bereitgestellt und kann an Java angepasst werden.)
Ein Artikel, der erläutert, wie Azure-Datenbank für PostgreSQL Flexible Server und Azure Cosmos DB für PostgreSQL die pgvector-Erweiterung unterstützt, zusammen mit einer Übersicht, Szenarien usw. (Der Python-Code wird als Referenz bereitgestellt und kann an Java angepasst werden.)
Ein Artikel mit Anleitungen zu den kleinen Änderungen, die Sie an Ihrem Code vornehmen müssen, um zwischen OpenAI und dem Azure OpenAI-Dienst zu wechseln.
Ein Artikel mit komplexeren Sicherheitsszenarien, die eine rollenbasierte Azure-Zugriffssteuerung (Azure RBAC) erfordern. In diesem Dokument wird erläutert, wie Sie sich mit Microsoft Entra ID bei Ihrer OpenAI-Ressource authentifizieren.
Die Azure OpenAI-Dienstbeispiele sind eine Reihe eigenständiger Java-Programme, die die Interaktion mit dem Azure OpenAI-Dienst mithilfe der Clientbibliothek veranschaulichen. Jedes Beispiel konzentriert sich auf ein bestimmtes Szenario und kann unabhängig ausgeführt werden.
Azure KI Dokument Intelligenz (früher Azure-Formularerkennung) ist ein Clouddienst, der maschinelles Lernen verwendet, um Text und strukturierte Daten aus Dokumenten zu analysieren. Das Dokument Intelligenz SDK (Software Development Kit) besteht aus einer Reihe von Bibliotheken und Tools, mit denen Sie die Modelle und Funktionen von Dokument Intelligenz einfach in Ihre Anwendungen integrieren können.
Eine Sammlung von Beispielen für das Azure Cognitive Services Speech SDK. Links zu Beispielen für Spracherkennung, Übersetzung, Sprachsynthese und vielem mehr.
Die Clientbibliothek für die Textanalyse. Sie ist Teil des Azure KI Language-Diensts, der NLP-Funktionen (Natural Language Processing) zum Verstehen und Analysieren von Text bereitstellt.
In einem Schnellstartartikel wird erläutert, wie Sie mithilfe der Dokumentübersetzung ein Quelldokument in eine Zielsprache übersetzen und dabei Struktur und Textformatierung beibehalten.
Ein Artikel mit komplexeren Sicherheitsszenarien, die eine rollenbasierte Azure-Zugriffssteuerung (Azure RBAC) erfordern. In diesem Dokument wird erläutert, wie Sie sich mit Microsoft Entra ID bei Ihrer OpenAI-Ressource authentifizieren.
Die Clientbibliothek für Textanalyse, die Teil des Azure Cognitive Service for Language ist, ein cloudbasierter Dienst, der NLP-Features (Natural Language Processing) zum Verständnis und Analysieren von Text bereitstellt.
In einem Schnellstartartikel wird gezeigt, wie Sie mithilfe der Dokumentübersetzung ein Quelldokument in eine Zielsprache übersetzen und dabei Struktur und Textformatierung beibehalten.
Bald verfügbar: Im Laufe des Jahres 2024 werden wir GitHub-Issues stufenweise als Feedbackmechanismus für Inhalte abbauen und durch ein neues Feedbacksystem ersetzen. Weitere Informationen finden Sie unter https://aka.ms/ContentUserFeedback.