Einleitung
Das Erstellen intelligenter Anwendungen mit Azure SQL-Datenbank umfasst mehr als das Speichern und Abfragen relationaler Daten. Entwickler müssen KI-Modelle integrieren, Einbettungen aus Text generieren und Vektorsuchen durchführen, um Features wie semantische Suche und Generierung von Abruferweiterungen (Retrieval Augmented Generation, RAG) zu ermöglichen. Azure SQL-Datenbank und Fabric SQL-Datenbank unterstützen diese Funktionen über externe Modelle, den Vektordatentyp und integrierte KI-Funktionen.
Gemeinsam ermöglichen externe Modelle und Einbettungsworkflows Entwicklern, KI-Funktionen direkt in der Datenbank hinzuzufügen. Dieser Ansatz hält die KI-Verarbeitung in der Nähe der Daten und reduziert die Notwendigkeit, Informationen zwischen Systemen für Aufgaben wie Ähnlichkeitssuche oder Inhaltsabruf zu verschieben.
Stellen Sie sich ein Einzelhandelsentwicklungsteam vor, das Anwendungen mit Azure SQL-Datenbank erstellt, um Produktkataloge, Kundenrezensionen und Supportdokumentationen zu verwalten. Ihre Arbeit umfasst das Generieren von Einbettungen aus Produktbeschreibungen, das Ermöglichen der semantischen Suche über Supportartikel hinweg und das Aktualisieren von Einbettungen, wenn sich Inhalte ändern. Durch die Verwendung externer Modelle und integrierter KI-Funktionen in der Azure SQL-Datenbank kann das Team Einbettungen entwerfen, generieren und verwalten, während er vollständig in Transact-SQL arbeitet.
Nach Abschluss dieses Moduls werden Sie zu Folgendem in der Lage sein:
- Bewerten Sie KI-Modelle für SQL-Datenbankworkloads basierend auf Funktionen und Leistungsanforderungen.
- Erstellen und Verwalten externer Modelle zum Verweisen auf KI-Endpunkte aus Transact-SQL.
- Entwerfen Sie Einbettungen mit geeigneten Chunkingstrategien.
- Generieren und Speichern von Einbettungen mithilfe integrierter SQL AI-Funktionen.
- Wählen Sie Wartungsansätze aus, um Einbettungen an Quelldaten auszurichten.