Esittely
Tässä ohjatussa projektissa rakennat tekoälyreservilotin Contoso Bike Shopille Azure OpenAI:n ja Azure Cosmos DB:n avulla MongoDB:lle tietojen tarkennetun tutkimisen parantamiseksi. Kuvittele, että kehität tekoäly-copilotia Contoso Bike Shopille, virtuaaliavustaja-chatbotille, jonka avulla käyttäjät voivat esittää kysymyksiä pyörävarastosta. Tämän tekoäly-copilotin avulla asiakkaat löytävät haluamansa pyörät.
Tässä moduulissa käydään läpi Contoso Bike Shopin virtuaaliavustajan luonnin edellyttämät vaiheet. Tuotetiedot ladataan Cosmos DB -tietokantaan, kun luodaan upotuksia hakutarkkuuden täydentämiseksi. Voit myös määrittää vektoriindeksin älykkäiden hakujen helpottamiseksi. Voit integroida GPT-3.5:n hakutulosten tarkentamiseksi ja sallia chatbotin tuottaa käyttäjäystävällisiä tuloksia. Lopuksi määrität REST-päätepisteet, testaat sovelluksen paikallisesti ja otat sen käyttöön Azuren Kubernetes-palvelussa (AKS) ja valmistelet virtuaaliavustajasi käyttövalmiiksi. Kutsut funktioita, jotka kutsuvat ulkoisia ohjelmointirajapintoja, käsittelevät tietoja pilvipalvelussa ja käsittelevät käyttäjäpyyntöjä. Siten luot vuorovaikutteisen, tekoälypohjaisen ratkaisun, joka herättää Contoso Bike Shopin varaston eloon.
Oppimistavoitteet
- Lataa tiedot Azure Blob -säilöstä paikalliseen hakemistoon ja tuo ne vCore-pohjaiseen Azure Cosmos DB for MongoDB:hen. Tämä luo tuotekenttien upotuksia
- Luo vektoriindeksi luoduille upotustoiminnoille ja suorita vektorihakuja
- Paranna hakutuloksia KÄYTTÄMÄLLÄ GPT-3.5:tä
- Sovelluksen käyttöönotto Azuren Kubernetes-palvelussa
Edellytykset
- Azure OpenAI Studion käyttö
- Azuren ja Azure-portaalin tunteminen
- Kokemusohjelmointi Node.js avulla