Prise en main de l’exemple de conversation d’entreprise Python à l’aide de RAG

Cet article explique comment déployer et exécuter l’exemple d’application de conversation Entreprise pour Python. Cet exemple implémente une application de conversation à l’aide de Python, d’Azure OpenAI Service et de récupération d’une génération augmentée (RAG) dans Azure AI Search pour obtenir des réponses sur les avantages des employés dans une entreprise fictive. L’application est amorçage avec des fichiers PDF, notamment le manuel des employés, un document sur les avantages et une liste des rôles et attentes de l’entreprise.

• Vidéo de démonstration

Commencer maintenant

En suivant les instructions de cet article, vous allez :

• Déployer une application de conversation sur Azure.
• Obtenir des réponses sur les avantages sociaux des employés.
• Modifier les paramètres pour modifier le comportement des réponses.

Une fois cette procédure terminée, vous pouvez commencer à modifier le nouveau projet avec votre code personnalisé.

Cet article fait partie d’une collection d’articles qui vous montrent comment créer une application de conversation à l’aide d’Azure OpenAI Service et d’Azure AI Search.

Vous trouvez ci-dessous d’autres articles de cette collection :

• .NET
• Java
• JavaScript
• Serveur frontal JavaScript + back-end Python

Vue d’ensemble de l’architecture

Une architecture simple de l’application de conversation est illustrée dans le diagramme suivant :

Les principaux composants de l’architecture sont les suivants :

• Une application web pour héberger l’expérience de conversation interactive.
• Ressource Recherche d’IA Azure pour obtenir des réponses à partir de vos propres données.
• Un Azure OpenAI Service pour fournir :
  • Des mots clés pour améliorer la recherche sur vos propres données.
  • Des réponses du modèle OpenAI.
  • Incorporations à partir du modèle ada

Coût

La plupart des ressources de cette architecture utilisent un niveau tarifaire de base ou de consommation. Le niveau tarifaire Consommation est basée sur l’utilisation, ce qui signifie que vous payez uniquement ce que vous utilisez. Il y aura un coût pour terminer cet article, mais il sera minimal. Lorsque vous avez terminé avec l’article, vous pouvez supprimer les ressources pour arrêter les frais.

En savoir plus sur le coût dans l’exemple de dépôt.

Prérequis

Un environnement de conteneur de développement est disponible avec toutes les dépendances requises pour terminer cet article. Vous pouvez exécuter le conteneur de développement dans GitHub Codespaces (dans un navigateur) ou localement à l’aide de Visual Studio Code.

Pour utiliser cet article, vous avez besoin des prérequis suivants :

Codespaces (recommandé)

1. Un abonnement Azure - En créer un gratuitement
2. Autorisations de compte Azure : votre compte Azure doit disposer d’autorisations Microsoft.Authorization/roleAssignments/write, telles que Administrateur de l’accès utilisateur ou Propriétaire.
3. Accès accordé à Azure OpenAI dans l’abonnement Azure souhaité. L’accès à ce service n’est accordé qu’à l’application. Vous pouvez demander l’accès à Azure OpenAI en complétant le formulaire à l’adresse https://aka.ms/oai/access. Ouvrez un problème sur ce dépôt pour nous contacter si vous rencontrez un problème.
4. GitHub

Visual Studio Code

1. Un abonnement Azure - En créer un gratuitement
2. Autorisations de compte Azure : votre compte Azure doit disposer d’autorisations Microsoft.Authorization/roleAssignments/write, telles que Administrateur de l’accès utilisateur ou Propriétaire.
3. Accès accordé à Azure OpenAI dans l’abonnement Azure souhaité. L’accès à ce service n’est accordé qu’à l’application. Vous pouvez demander l’accès à Azure OpenAI en complétant le formulaire à l’adresse https://aka.ms/oai/access. Ouvrez un problème sur ce dépôt pour nous contacter si vous rencontrez un problème.
4. Azure Developer CLI
5. Docker Desktop : démarrez Docker Desktop s’il n’est pas déjà en cours d’exécution
6. Visual Studio Code
7. Extension Dev Container

Environnement de développement ouvert

Commencez maintenant par un environnement de développement sur lequel toutes les dépendances sont installées pour terminer cet article.

GitHub Codespaces (recommandé)

GitHub Codespaces exécute un conteneur de développement géré par GitHub avec Visual Studio Code pour le web comme interface utilisateur. Pour un environnement de développement le plus simple, utilisez GitHub Codespaces pour disposer des outils de développement et des dépendances appropriés préinstallés pour terminer cet article.

Important

Tous les comptes GitHub peuvent utiliser codespaces pendant jusqu’à 60 heures gratuites chaque mois avec 2 instances principales. Pour plus d’informations, consultez Le stockage mensuel inclus et les heures de cœur GitHub Codespaces.

1. Démarrez le processus pour créez un environnement GitHub Codespace sur la branche main du référentiel GitHub Azure-Samples/azure-search-openai-demo.

2. Cliquez avec le bouton droit sur le bouton suivant, puis sélectionnez Ouvrir le lien dans les nouvelles fenêtres pour que l’environnement de développement et la documentation soient disponibles en même temps.

   Ouvrir ce projet dans GitHub Codespaces

3. Dans la page Créer un codespace , passez en revue les paramètres de configuration du codespace, puis sélectionnez Créer un codespace

   

4. Attendez que le codespace démarre. Ce processus de démarrage peut prendre quelques minutes.

5. Dans le terminal en bas de l’écran, connectez-vous à Azure avec Azure Developer CLI.

   azd auth login
   

6. Copiez le code à partir du terminal, puis collez-le dans un navigateur. Suivez les instructions pour vous authentifier avec votre compte Azure.

7. Les tâches restantes de cet article s’effectuent dans ce conteneur de développement.

Visual Studio Code

L’extension Dev Containers pour Visual Studio Code nécessite l’installation de Docker sur votre ordinateur local. L’extension héberge le conteneur de développement localement à l’aide de l’hôte Docker avec les outils de développement et les dépendances appropriés préinstallés pour terminer cet article.

1. Ouvrez Visual Studio Code dans le contexte d’un répertoire vide.

2. Vérifiez que l’extension Dev Containers est installée dans Visual Studio Code.

3. Ouvrez un nouveau terminal dans l’éditeur.

   Conseil

   Vous pouvez utiliser le menu principal pour accéder à l’option de menu Terminal, puis sélectionner l’option Nouveau terminal.

   

4. Connectez-vous à Azure avec Azure Developer CLI.

   azd auth login
   

   Lorsque vous y êtes invité, copiez le code à partir du terminal, puis collez-le dans un navigateur. Suivez les instructions pour vous authentifier avec votre compte Azure.

5. Créez un dossier et initialisez-le pour utiliser l’exemple de projet avec Azure Developer CLI :

   azd init -t azure-search-openai-demo
   

   Vous n’avez pas besoin de cloner ce référentiel.

6. Ouvrez la palette de commandes, recherchez les commandes Conteneurs de développement, puis sélectionnez Conteneurs de développement : rouvrir dans conteneur.

   Conseil

   Visual Studio Code peut vous inviter automatiquement à rouvrir le dossier existant dans un conteneur de développement. D’un point de vue fonctionnel, cela revient à utiliser la palette de commandes pour rouvrir l’espace de travail actuel dans un conteneur.

7. Rouvrez à nouveau la fenêtre terminale (Ctrl + `) et laissez-la ouverte.

8. Les exercices restants de ce projet ont lieu dans le contexte de ce conteneur de développement.

Déployer et exécuter

L’exemple de référentiel contient tous les fichiers de code et de configuration dont vous avez besoin pour déployer une application de conversation sur Azure. Les étapes suivantes vous guident tout au long du processus de déploiement de l’exemple sur Azure.

Déployer une application de conversation sur Azure

Important

Les ressources Azure créées dans cette section entraînent des coûts immédiats, principalement de la ressource Recherche Azure AI. Ces ressources peuvent entraîner des coûts même si vous interrompez la commande avant la fin de exécution.

1. Exécutez la commande Azure Developer CLI suivante pour provisionner les ressources Azure et déployer le code source :

   azd up
   

2. Lorsque vous y êtes invité, entrer un nom d’environnement court et en minuscules. Par exemple : myenv. Il est utilisé dans le cadre du nom du groupe de ressources.

3. Lorsque vous y êtes invité, sélectionnez un abonnement dans lequel créer les ressources.

4. Lorsque vous êtes invité à sélectionner un emplacement pour la première fois, sélectionnez un emplacement près de vous. Cet emplacement est utilisé pour la plupart des ressources, y compris l’hébergement.

5. Si vous êtes invité à entrer un emplacement pour le modèle OpenAI ou pour la ressource Document Intelligence, sélectionnez l’emplacement le plus proche de vous. Si le premier emplacement choisi est également disponible, sélectionnez-le.

6. Attendez que l’application soit déployée. La fin du déploiement peut prendre 5 à 10 minutes.

7. Une fois l’application déployée avec succès, une URL s’affiche dans le terminal.

8. Sélectionnez cette URL étiquetée (✓) Done: Deploying service webapp pour ouvrir l’application de conversation dans un navigateur.

   

Utiliser l’application de conversation pour obtenir des réponses à partir de fichiers PDF

L’application de conversation est préchargée avec les informations sur les avantages sociaux des employés à partir de fichiers PDF. Vous pouvez utiliser l’application de conversation pour poser des questions sur les avantages sociaux. Les étapes suivantes vous guident tout au long du processus d’utilisation de l’application de conversation.

1. Dans le navigateur, sélectionnez ou entrez Que se passe-t-il dans une révision des performances ? dans la zone de texte de conversation.

   

2. Dans la réponse, sélectionnez une citation.

   

3. Dans le volet droit, utilisez les onglets pour comprendre comment la réponse a été générée.

   Onglet	Description
   Processus de réflexion	Il s’agit d’un script des interactions dans la conversation instantanée. Vous pouvez afficher l’invite système (content) et votre question utilisateur (content).
   Contenu de support	Cela inclut les informations permettant de répondre à votre question et le document source. Le nombre de citations du document source est noté dans les paramètres du développeur. La valeur par défaut est 3.
   Citation	Cette opération affiche la page d’origine qui contient la citation.

4. Lorsque vous avez terminé, sélectionnez à nouveau l’onglet sélectionné pour fermer le volet.

Utiliser les paramètres de l’application de conversation pour modifier le comportement des réponses

L’intelligence de la conversation est déterminée par le modèle OpenAI et les paramètres utilisés pour interagir avec le modèle.

Setting	Description
Remplacer le modèle d’invite	Il s’agit de l’invite utilisée pour générer la réponse.
Température	Température utilisée pour l’appel final de l’API d’achèvement de conversation, un nombre compris entre 0 et 1 qui contrôle la « créativité » du modèle.
Score de recherche minimal	Score minimal des résultats de recherche utilisés pour générer la réponse. La plage dépend du mode de recherche utilisé.
Score minimal de reclassement	Score minimal du ranker sémantique des résultats de recherche utilisés pour générer la réponse. Est comprise entre 0 et 4.
Récupérer ces nombreux résultats de recherche	Il s’agit du nombre de résultats de recherche utilisés pour générer la réponse. Vous pouvez voir ces sources retournées dans les onglets Processus de réflexion et Contenu pris en charge de la citation.
Catégorie exclue	Il s’agit de la catégorie de documents exclus des résultats de la recherche.
Utiliser le ranker sémantique pour la récupération	Il s’agit d’une fonctionnalité du service Recherche Azure AI, qui utilise le machine learning pour améliorer la pertinence des résultats de la recherche.
Utiliser des résumés contextuels de requête au lieu de documents entiers	Lorsque Use semantic ranker et Use query-contextual summaries sont vérifiés, le LLM utilise des légendes extraites de passages clés, au lieu de tous les passages, dans les documents les mieux classés.
Suggérer des questions de suivi	L’application de conversation propose des questions de suivi en fonction de la réponse.
Mode de récupération	Vecteurs + texte signifie que les résultats de recherche sont basés sur le texte et les incorporations des documents. Vecteurs signifie que les résultats de recherche sont basés sur les incorporations des documents. Texte signifie que les résultats de recherche sont basés sur le texte des documents.
Diffuser en continu les réponses de saisie semi-automatique de conversation	Diffusez la réponse au lieu d’attendre que la réponse complète soit disponible pour une réponse.

Les étapes suivantes vous guident tout au long du processus de modification des paramètres.

1. Dans le navigateur, sélectionnez l’onglet Développeur Paramètres.

2. Cochez la case Questions de suivi suggérées et posez la même question.

   What happens in a performance review?
   

   La conversation a retourné des questions de suivi suggérées telles que les suivantes :

   1. What is the frequency of performance reviews?
   2. How can employees prepare for a performance review?
   3. Can employees dispute the feedback received during the performance review?
   

3. Sous l’onglet Paramètres, désélectionnez Utiliser le ranker sémantique pour la récupération.

4. Posez la même question ?

   What happens in a performance review?
   

5. Quelle est la différence dans les réponses ?

   Avec le classement sémantique : Lors d’une révision des performances chez Contoso Electronics, les employés auront la possibilité de discuter de leurs succès et défis dans le milieu de travail (1). L’examen fournira des commentaires positifs et constructifs pour aider les employés à développer et à développer leurs rôles (1). L’employé recevra un résumé écrit de l’examen des performances, qui comprendra une évaluation de son rendement, de ses commentaires et de ses objectifs pour l’année à venir (1). L’examen des performances est un dialogue bidirectionnel entre les gestionnaires et les employés (1).

   Sans le classement sémantique : lors d’une révision des performances chez Contoso Electronics, les employés ont la possibilité de discuter de leurs réussites et défis dans le milieu de travail. Des commentaires positifs et constructifs sont fournis pour aider les employés à développer et à grandir dans leurs rôles. Un résumé écrit de l’examen des performances est donné, y compris une évaluation des performances, des commentaires et des objectifs pour l’année à venir. L’examen est un dialogue bidirectionnel entre les gestionnaires et les employés (1).

Nettoyer les ressources

Nettoyage des ressources Azure

Les ressources Azure créées dans cet article sont facturées dans votre abonnement Azure. Si vous pensez ne plus avoir besoin de ces ressources, supprimez-les pour éviter des frais supplémentaires.

Exécutez la commande Azure Developer CLI suivante pour supprimer les ressources Azure et le code source :

azd down --purge --force

Les commutateurs fournissent :

• purge : vide immédiatement les ressources supprimées. Cela vous permet de réutiliser le TPM Azure OpenAI.
• force: la suppression se produit siliently, sans exiger le consentement de l’utilisateur.

Nettoyer GitHub Codespaces

GitHub Codespaces

La suppression de l’environnement GitHub Codespaces vous permet d’optimiser le nombre d’heures gratuites par cœur que vous obtenez pour votre compte.

Important

Pour plus d’informations sur les droits de votre compte GitHub, consultez GitHub Codespaces mensuel inclus stockage et heures principales.

1. Connectez-vous au tableau de bord GitHub Codespaces (https://github.com/codespaces).

2. Localisez vos codespaces en cours d’exécution provenant du référentiel GitHub Azure-Samples/azure-search-openai-demo.

   

3. Ouvrez le menu contextuel du codespace, puis sélectionnez Supprimer.

   

Visual Studio Code

Vous n’êtes pas nécessairement obligé de propre votre environnement local, mais vous pouvez arrêter le conteneur de développement en cours d’exécution et revenir à l’exécution de Visual Studio Code dans le contexte d’un espace de travail local.

1. Ouvrez la palette de commandes, recherchez les commandes Conteneurs de développement, puis sélectionnez Conteneurs de développement : rouvrir le dossier localement.

   

Conseil

Visual Studio Code arrête le conteneur de développement en cours d’exécution, mais le conteneur existe toujours dans Docker dans un état arrêté. Vous avez toujours la possibilité de supprimer le instance de conteneur, l’image conteneur et les volumes de Docker pour libérer plus d’espace sur votre ordinateur local.

Obtenir de l’aide

Cet exemple de référentiel propose des informations de résolution des problèmes.

Si votre problème n’est pas résolu, consignez votre problème dans les Problèmes du référentiel.

Étapes suivantes

• Référentiel GitHub de l’application de conversation d’entreprise
• Créer une application de chat avec Azure OpenAI Architecture de solution recommandée
• Contrôle d’accès dans les applications d’IA générative avec Recherche Azure AI
• Créer une solution OpenAI prête pour l’entreprise avec Gestion des API Azure
• Recherche vectorielle plus performante avec des fonctionnalités de récupération et de classement hybrides