Agente |
Un agente es una inteligencia artificial que puede responder a preguntas y automatizar procesos para los usuarios. Hay una amplia gama de agentes que se pueden crear, desde bots de chat simples hasta asistentes de IA totalmente automatizados. Con el kernel semántico, le proporcionamos las herramientas para crear agentes cada vez más sofisticados que no requieren que sea un experto en inteligencia artificial. |
API |
Interfaz de programación de aplicaciones Conjunto de reglas y especificaciones que permiten a los componentes de software comunicar e intercambiar datos. |
Autónomo |
Agentes que pueden responder a estímulos con una intervención humana mínima. |
Bot de chat |
Un simple chat de ida y vuelta con un usuario y un agente de IA. |
Conectores |
Los conectores permiten integrar las API existentes (interfaz de programación de aplicaciones) con VM (modelos de lenguaje grande). Por ejemplo, un conector de Microsoft Graph se puede usar para enviar automáticamente la salida de una solicitud en un correo electrónico o para crear una descripción de las relaciones en un organigrama. |
Copilot |
Agentes que trabajan en paralelo con un usuario para completar una tarea. |
Kernel |
De forma similar al sistema operativo, el kernel es responsable de administrar los recursos necesarios para ejecutar "código" en una aplicación de IA. Esto incluye la administración de los modelos, servicios y complementos de inteligencia artificial necesarios para que tanto el código nativo como los servicios de IA se ejecuten juntos. Dado que el kernel tiene todos los servicios y complementos necesarios para ejecutar código nativo y servicios de IA, casi todos los componentes del SDK de kernel semántico lo usan. Esto significa que si ejecuta algún mensaje o código en kernel semántico, siempre pasará por un kernel. |
LLM |
Los modelos de lenguaje grandes son herramientas de inteligencia artificial que pueden resumir, leer o generar texto en forma de oraciones similares a cómo hablan y escriben los seres humanos. Los LLM se pueden incorporar en varios productos de Microsoft para obtener un valor de usuario más completo. |
Memoria |
Los recuerdos son una manera eficaz de proporcionar un contexto más amplio para su pregunta. Históricamente, siempre hemos llamado a la memoria como componente principal para cómo funcionan los equipos: piensen la RAM en su portátil. Para con solo una CPU que puede procesar números, el equipo no es tan útil a menos que sepa qué números le importan. Los recuerdos son lo que hacen que el cálculo sea relevante para la tarea a mano. |
Complementos |
Para generar este plan, el copilot necesitará primero las funcionalidades necesarias para realizar estos pasos. Aquí es donde entran complementos. Los complementos le permiten proporcionar las aptitudes del agente a través del código. Por ejemplo, podría crear un complemento que envíe correos electrónicos, recupere información de una base de datos, solicite ayuda o incluso guarde y recupere recuerdos de conversaciones anteriores. |
Planificadores |
Para usar un complemento (y para conectarlos con otros pasos), el copilot tendría que generar primero un plan. Aquí es donde entran los planificadores. Los planificadores son avisos especiales que permiten a un agente generar un plan para completar una tarea. Los planificadores más sencillos son solo una solicitud que ayuda al agente a usar la llamada de función para completar una tarea. |
Mensajes |
Los avisos desempeñan un papel fundamental en la comunicación y dirigir el comportamiento de la inteligencia artificial de modelos de lenguaje grande (LLM). Sirven como entradas o consultas que los usuarios pueden proporcionar para obtener respuestas específicas de un modelo. |
Ingeniería de las solicitudes |
Debido a la cantidad de control que existe, la ingeniería rápida es una aptitud crítica para cualquier persona que trabaje con modelos de INTELIGENCIA ARTIFICIAL LLM. También es una aptitud que está en alta demanda a medida que más organizaciones adoptan modelos de INTELIGENCIA artificial llm para automatizar tareas y mejorar la productividad. Un buen ingeniero de mensajes puede ayudar a las organizaciones a sacar el máximo partido de sus modelos de INTELIGENCIA artificial llm mediante el diseño de avisos que producen las salidas deseadas. |
RAG |
Generación aumentada de recuperación: un término que hace referencia al proceso de recuperación de datos adicionales para proporcionar como contexto a un LLM que se usará al generar una respuesta (finalización) a la pregunta (aviso) de un usuario. |