Utiliser des pipelines Azure Machine Learning sans code pour construire des pipelines RAG (préversion)

Ce tutoriel vous guide tout au long de la création d’un pipeline RAG. Pour des scénarios avancés, vous pouvez créer vos propres pipelines Azure Machine Learning personnalisés à partir de code (généralement des notebooks) qui vous permettent un contrôle granulaire du flux de travail RAG. Azure Machine Learning fournit plusieurs composants de pipeline intégrés pour la segmentation des données, la génération d’incorporations, la création de données de test, la génération d’invites automatiques et l’évaluation d’invites. Ces composants peuvent être utilisés selon vos besoins en tirant parti de notebooks. Vous pouvez même utiliser l’index vectoriel créé dans Azure Machine Learning dans LangChain.

Important

Cette fonctionnalité est actuellement disponible en préversion publique. Cette préversion est fournie sans contrat de niveau de service et n’est pas recommandée pour les charges de travail de production. Certaines fonctionnalités peuvent être limitées ou non prises en charge.

Pour plus d’informations, consultez Conditions d’Utilisation Supplémentaires relatives aux Évaluations Microsoft Azure.

Prérequis

• Un abonnement Azure. Si vous n’avez pas d’abonnement Azure, créez un compte gratuit.

• Accédez à Azure OpenAI.

• Activer le flux d’invite dans votre espace de travail Azure Machine Learning

Dans votre espace de travail Azure Machine Learning, vous pouvez activer le flux d’invite en activant Créer des solutions IA avec un flux d’invite dans le panneau Gérer les fonctionnalités en préversion.

Exemple de référentiel d’un notebook de pipeline d’invite de flux

Azure Machine Learning propose des tutoriels de notebook pour différents cas d’usage avec des pipelines de flux d’invite.

Génération de données AQ

Génération de données AQ peut être utilisée pour obtenir la meilleure invite pour RAG et pour évaluer des métriques pour RAG. Ce notebook vous montre comment créer un jeu de données AQ à partir de vos données (référentiel Git).

Génération de données de test et invite automatique

Utilisez des index vectoriels pour créer un modèle de génération augmentée de récupération et évaluer un flux d’invite sur un jeu de données de test.

Créer un index vectoriel basé sur FAISS

Configurez un pipeline Azure Machine Learning pour extraire un référentiel Git, traiter les données en segments, incorporer les segments et créer un index vectoriel FAISS compatible avec LangChain.

Étapes suivantes

Comment créer un index vectoriel dans le flux d’invite Azure Machine Learning (préversion)

Utiliser des magasins vectoriels avec Azure Machine Learning (préversion)