Integrationen für semantischen Kernel
Der semantische Kernel bietet eine vielzahl von Integrationen, mit denen Sie leistungsstarke KI-Agents erstellen können. Zu diesen Integrationen gehören KI-Dienste, Speicherconnectors. Darüber hinaus ist der semantische Kernel in andere Microsoft-Dienste integriert, um zusätzliche Funktionen über Plug-Ins bereitzustellen.
Sofort einsatzbereite Integrationen
Mit den verfügbaren KI- und Speicherconnectors können Entwickler auf einfache Weise KI-Agents mit austauschbaren Komponenten erstellen. Auf diese Weise können Sie mit verschiedenen KI-Diensten und Speicherconnectors experimentieren, um die beste Kombination für Ihren Anwendungsfall zu finden.
KI Services
| Dienste | C# | Python | Java | Hinweise |
|---|---|---|---|---|
| Textgenerierung | ✅ | ✅ | ✅ | Beispiel: Text-Davinci-003 |
| Chatvervollständigung | ✅ | ✅ | ✅ | Beispiel: GPT4, Chat-GPT |
| Texteinbettungen (Experimental) | ✅ | ✅ | ✅ | Beispiel: Text-Embeddings-Ada-002 |
| Text in Bild (Experimental) | ✅ | ❌ | ❌ | Beispiel: Dall-E |
| Bild zu Text (Experimental) | ✅ | ❌ | ❌ | Beispiel: Pix2Struct |
| Text in Audio (Experimental) | ✅ | ❌ | ❌ | Beispiel: Text-zu-Sprache |
| Audio zu Text (Experimental) | ✅ | ❌ | ❌ | Beispiel: Flüstern |
Speicherconnectors (Experimental)
Vektordatenbanken haben viele Anwendungsfälle in verschiedenen Domänen und Anwendungen, die die Verarbeitung natürlicher Sprachen (Natural Language Processing, NLP), Computer vision (CV), Empfehlungssysteme (RS) und andere Bereiche umfassen, die semantisches Verständnis und Abgleich von Daten erfordern.
Ein Anwendungsfall zum Speichern von Informationen in einer Vektordatenbank besteht darin, große Sprachmodelle (LLMs) zu ermöglichen, relevanteren und kohärenteren Text basierend auf einem KI-Plug-In zu generieren.
Große Sprachmodelle stellen sich jedoch häufig vor Herausforderungen, z. B. das Generieren ungenauer oder irrelevanter Informationen; fehlende sachliche Konsistenz oder Allgemeinverstand; sich wiederholen oder widersprechen; sie sind voreingenommen oder anstößig. Um diese Herausforderungen zu überwinden, können Sie eine Vektordatenbank verwenden, um Informationen zu verschiedenen Themen, Schlüsselwörtern, Fakten, Meinungen und/oder Quellen im Zusammenhang mit Ihrer gewünschten Domäne oder Ihrem Genre zu speichern. Anschließend können Sie ein großes Sprachmodell verwenden und Informationen aus der Vektordatenbank mit Ihrem KI-Plug-In übergeben, um informativere und ansprechendere Inhalte zu generieren, die Ihrer Absicht und Ihrem Stil entsprechen.
Wenn Sie beispielsweise einen Blogbeitrag zu den neuesten Trends in KI schreiben möchten, können Sie eine Vektordatenbank verwenden, um die neuesten Informationen zu diesem Thema zu speichern und die Informationen zusammen mit der Anforderung an eine LLM zu übergeben, um einen Blogbeitrag zu generieren, der die neuesten Informationen nutzt.
Verfügbare Connectors für Vektordatenbanken
Heute bietet der semantische Kernel mehrere Connectors zu Vektordatenbanken, mit denen Sie Informationen speichern und abrufen können. Dazu gehören:
| Dienst | C# | Python |
|---|---|---|
| Vektordatenbank in Azure Comsmos DB für NoSQL | C# | Python |
| Vector-Datenbank in vCore-basierten Azure Cosmos DB für MongoDB | C# | Python |
| Azure KI Search | C# | Python |
| Azure PostgreSQL Server | C# | |
| Azure SQL-Datenbank | C# | |
| Chroma | 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 |
Vektordatenbanklösungen
- Azure Cosmos DB für die integrierte NoSQL-Vektordatenbank mit DiskANN
- Azure Cosmos DB für die integrierte MongoDB-Vektordatenbank
- Azure SQL-Datenbank
- pgvector-Erweiterung für Azure PostgreSQL-Server
- Azure AI Search
- Open-Source-Vektordatenbanken
Zusätzliche Plug-Ins
Wenn Sie die Funktionalität Ihres KI-Agents erweitern möchten, können Sie Plug-Ins für die Integration in andere Microsoft-Dienste verwenden. Hier sind einige der Plug-Ins, die für semantischen Kernel verfügbar sind:
| Plugin | C# | Python | Java | Beschreibung |
|---|---|---|---|---|
| Logic Apps | ✅ | ✅ | ✅ | Erstellen Sie Workflows in Logic Apps mithilfe der verfügbaren Connectors, und importieren Sie sie als Plug-Ins im semantischen Kernel. Weitere Informationen |
| Dynamische Azure-Container-Apps-Sitzungen | ✅ | ✅ | ❌ | Mit dynamischen Sitzungen können Sie die Code-Interpreter-Erfahrung aus der Assistenten-API neu erstellen, indem Sie Python-Container mühelos drehen, in denen KI-Agents Python-Code ausführen können. Weitere Informationen |