Integraciones para kernel semántico
El kernel semántico proporciona una amplia gama de integraciones que le ayudarán a crear agentes eficaces de inteligencia artificial. Estas integraciones incluyen servicios de INTELIGENCIA ARTIFICIAL, conectores de memoria. Además, el kernel semántico se integra con otros servicios Microsoft para proporcionar funcionalidad adicional a través de complementos.
Integraciones integradas
Con los conectores de inteligencia artificial y memoria disponibles, los desarrolladores pueden crear fácilmente agentes de inteligencia artificial con componentes intercambiables. Esto le permite experimentar con diferentes servicios de inteligencia artificial y conectores de memoria para encontrar la mejor combinación para su caso de uso.
AI Services
| Servicios | C# | Python | Java | Notas |
|---|---|---|---|---|
| Generación de texto | ✅ | ✅ | ✅ | Ejemplo: Text-Davinci-003 |
| Finalización del chat | ✅ | ✅ | ✅ | Ejemplo: GPT4, Chat-GPT |
| Incrustaciones de texto (experimental) | ✅ | ✅ | ✅ | Ejemplo: Inserción de texto-Ada-002 |
| Texto a imagen (experimental) | ✅ | ❌ | ❌ | Ejemplo: Dall-E |
| Imagen a texto (experimental) | ✅ | ❌ | ❌ | Ejemplo: Pix2Struct |
| Texto a audio (experimental) | ✅ | ❌ | ❌ | Ejemplo: Texto a voz |
| Audio a texto (experimental) | ✅ | ❌ | ❌ | Ejemplo: Susurro |
Conectores de memoria (experimental)
Las bases de datos vectoriales tienen muchos casos de uso en distintos dominios y aplicaciones que implican el procesamiento de lenguaje natural (NLP), computer vision (CV), sistemas de recomendación (RS) y otras áreas que requieren comprensión semántica y coincidencia de datos.
Un caso de uso para almacenar información en una base de datos vectorial es permitir que los modelos de lenguaje grandes (LLM) generen texto más relevante y coherente basado en un complemento de IA.
Sin embargo, los modelos de lenguaje de gran tamaño suelen enfrentar desafíos como generar información inexacta o irrelevante; falta de coherencia fáctica o sentido común; repetir o contradecirse; ser sesgado o ofensivo. Para superar estos desafíos, puede usar una base de datos vectorial para almacenar información sobre diferentes temas, palabras clave, hechos, opiniones o orígenes relacionados con su dominio o género deseados. A continuación, puede usar un modelo de lenguaje grande y pasar información de la base de datos vectorial con el complemento de IA para generar contenido más informativo y atractivo que coincida con la intención y el estilo.
Por ejemplo, si desea escribir una entrada de blog sobre las tendencias más recientes en ia, puede usar una base de datos vectorial para almacenar la información más reciente sobre ese tema y pasar la información junto con la solicitud a un LLM para generar una entrada de blog que aproveche la información más reciente.
Conectores disponibles para bases de datos vectoriales
Actualmente, el kernel semántico ofrece varios conectores a bases de datos vectoriales que puede usar para almacenar y recuperar información. Entre ellas se incluyen las siguientes:
| Service | C# | Python |
|---|---|---|
| Base de datos vectorial en Azure Comsmos DB for NoSQL | C# | Python |
| Base de datos vectorial en Azure Cosmos DB basado en núcleo virtual para MongoDB | C# | Python |
| Azure AI Search | C# | Python |
| Servidor de Azure PostgreSQL | C# | |
| Azure SQL Database | C# | |
| Chroma | C# | Python |
| DuckDB | C# | |
| Milvus | C# | Python |
| Búsqueda de vectores de MongoDB Atlas | C# | Python |
| Pinecone | C# | Python |
| Postgres | C# | Python |
| Qdrant | C# | |
| Redis | C# | |
| SQLite | C# | |
| Weaviate | C# | Python |
Soluciones de base de datos vectoriales
- Base de datos vectorial integrada de Azure Cosmos DB para NoSQL con DiskANN
- Base de datos vectorial integrada de Azure Cosmos DB para MongoDB
- Azure SQL Database
- Extensión pgvector del servidor Azure PostgreSQL
- Azure AI Search
- Bases de datos vectoriales de código abierto
Complementos adicionales
Si desea ampliar la funcionalidad del agente de IA, puede usar complementos para integrarse con otros servicios Microsoft. Estos son algunos de los complementos disponibles para kernel semántico:
| Complemento | C# | Python | Java | Descripción |
|---|---|---|---|---|
| Logic Apps | ✅ | ✅ | ✅ | Cree flujos de trabajo en Logic Apps con sus conectores disponibles e impórtelos como complementos en kernel semántico. Más información. |
| Sesiones dinámicas de Azure Container Apps | ✅ | ✅ | ❌ | Con las sesiones dinámicas, puede volver a crear la experiencia del intérprete de código de la API assistants mediante la creación sin esfuerzo de contenedores de Python en los que los agentes de IA pueden ejecutar código de Python. Más información. |