Créer un copilote personnalisé pour discuter avec vos données à l’aide de la bibliothèque IA Teams et du Kit de ressources Teams
Ce tutoriel montre comment créer un copilote personnalisé avec la bibliothèque d’IA Teams à l’aide de Teams Toolkit pour discuter avec vos données sur Azure OpenAI. La bibliothèque d’IA Teams simplifie le processus de création d’applications Teams intelligentes à l’aide des composants IA et des modèles de langage volumineux (LLM) de votre choix.
Dans ce tutoriel, vous allez apprendre à :
- Comment configurer vos données sur Azure OpenAI.
- Comment créer un copilote personnalisé avec teams Toolkit.
- Comment interagir avec vos llms et vos données.
- Structure de répertoire de votre copilote personnalisé.
Configuration requise
Veillez à installer les outils suivants pour générer et déployer vos applications :
Installer | Pour l’utilisation... | |
---|---|---|
Toolkit Teams | Extension Microsoft Visual Studio Code qui crée une structure de projet pour votre application. Utilisez la dernière version. | |
Node.js et NPM | Environnement runtime JavaScript principal. Pour plus d’informations, consultez Node.js table de compatibilité des versions pour le type de projet. | |
Microsoft Edge (recommandé) ou Google Chrome | Un navigateur avec des outils de développement. | |
Visual Studio Code | Environnements de build JavaScript, TypeScript ou SharePoint Framework (SPFx). Utilisez la dernière version. | |
Azure OpenAI | Commencez par créer votre clé API OpenAI pour utiliser le GPT d’OpenAI. Si vous souhaitez héberger votre application ou accéder à des ressources dans Azure, vous devez créer un service Azure OpenAI. |
Configurer vos données sur Azure OpenAI
Accédez au portail Azure.
Sélectionnez le service Azure OpenAI que vous avez créé dans la configuration requise.
Sélectionnez Accéder à Azure OpenAI Studio.
Sélectionnez Conversation>Créer un déploiement.
Mettez à jour les valeurs des champs suivants :
- Sélectionner un modèle : gpt-35-turbo
- Version du modèle : mise à jour automatique par défaut
- Type de déploiement : Standard
- Nom du déploiement : gpt-35-turbo
- Filtre de contenu : par défaut
Sélectionnez Créer.
Sélectionnez Conversation>Ajouter une source de données.
Dans la liste déroulante, sélectionnez Charger des fichiers (préversion) .
Sélectionnez Créer une ressource de stockage Blob Azure et suivez les instructions à l’écran.
Sélectionnez Créer une ressource Recherche Azure AI et suivez les instructions à l’écran.
Sélectionnez le stockage Blob Azure et la recherche Azure AI nouvellement créés dans la liste déroulante.
Remarque
Enregistrez le point de terminaison azure AI Search et les détails de la clé , car ils sont nécessaires pour les étapes suivantes.
Entrez un nom d’index unique, puis sélectionnez Suivant.
Sélectionnez Rechercher un fichier et charger les fichiers que vous préférez utiliser comme données, puis sélectionnez Charger des fichiers.
Remarque
Les fichiers doivent être au
.txt
format ,.md
.html
,.pdf
,.docx
, ou.pptx
avec une taille limite de 16 Mo.Sélectionnez les paramètres de gestion des données par défaut, puis sélectionnez Suivant.
Sélectionnez Enregistrer et fermer.
Une fois le processus d’ingestion des données terminé, vous pouvez commencer à créer votre copilote personnalisé à l’aide de la bibliothèque IA Teams et du Kit de ressources Teams.
Créer votre copilote personnalisé
Accédez à Visual Studio Code.
Sélectionnez l’icône Teams Toolkit dans la barre d’activité de Visual Studio Code.
Sélectionnez Créer une application.
Sélectionnez Custom Copilot.
Sélectionnez Chatbot IA de base.
Sélectionnez JavaScript comme langage de programmation.
Sélectionnez Azure OpenAI.
Entrez les valeurs à partir du portail Azure :
Clé Azure OpenAI
Point de terminaison Azure OpenAI
Nom du déploiement
Vous pouvez également renseigner ces détails ultérieurement dans le fichier une fois votre
env/.env.testtool.user
copilote personnalisé créé.Sélectionnez un dossier qui contient le dossier racine de votre projet et entrez un nom approprié pour votre copilote personnalisé.
Ensuite, sélectionnez Entrée. Le copilote personnalisé est créé en quelques secondes.
Suivre une visite guidée du code source
Jetez un coup d’œil à ce modèle de chatbot d’IA de base copilote > personnalisé.
Nom du dossier | Sommaire |
---|---|
.vscode |
Fichiers VS Code pour le débogage. |
appPackage |
Modèles pour le manifeste de l’application Teams. |
env |
Les paires nom/valeur sont stockées dans des fichiers d’environnement et utilisées par teamsapp.yml pour personnaliser les règles d’approvisionnement et de déploiement. |
infra |
Modèles de provisionnement de ressources Azure. |
src/ |
Code source de l’application Teams de notification. |
src/index.js |
Configure le serveur d’applications bot. |
src/adapter.js |
Configure l’adaptateur de bot. |
src/config.js |
Définit les variables d’environnement. |
src/prompts/chat/skprompt.txt |
Définit l’invite. |
src/prompts/chat/config.json |
Configure l’invite. |
src/app/app.js |
Gère les logiques métier pour le chatbot IA de base. |
teamsapp.yml |
Le fichier projet principal décrit la configuration de votre application et définit l’ensemble des actions à exécuter à chaque étape du cycle de vie. |
teamsapp.local.yml |
Ce remplacement teamsapp.yml par des actions qui activent l’exécution et le débogage locaux. |
teamsapp.testtool.yml |
Ce remplacement teamsapp.yml par des actions qui activent l’exécution locale et le débogage dans l’outil de test d’application Teams. |
Configurer votre copilote personnalisé
Personnalisons l’invite pour votre copilote personnalisé.
Accédez à
src/prompts/chat/skprompt.txt
et mettez à jour le code suivant dans leskprompt.txt
fichier :The following is a conversation with an AI assistant, who is an expert on answering questions over the given context. Responses should be in a short journalistic style with no more than 80 words.
Accédez au
config.json
fichier sousprompts/chat
. Ajoutez le code suivant entrecompletion
crochets et remplacez lesendpoint
valeurs ,index_name
etkey
par les détails de votre ressource Recherche Azure AI :"data_sources": [ { "type": "azure_search", "parameters": { "endpoint": "AZURE-AI-SEARCH-ENDPOINT", "index_name": "YOUR-INDEX_NAME", "authentication": { "type": "api_key", "key": "AZURE-AI-SEARCH-KEY" } } } ]
Accédez au
src/app/app.js
fichier et ajoutez la variable suivante dansOpenAIModel
:azureApiVersion: '2024-02-15-preview'
Dans le volet gauche, sélectionnez Exécuter et déboguer (Ctrl+Maj+D).
Sélectionnez Déboguer dans l’outil de test (préversion) .
Sélectionnez la touche F5 .
Le copilote personnalisé s’exécute dans l’outil de test d’application Teams, qui s’ouvre dans votre navigateur.
Relever le défi
Dans l’outil de test d’application Teams, posez des questions relatives à votre document et discutez avec votre copilote personnalisé pour en savoir plus sur vos données.
Félicitations !
Félicitations, vous avez terminé ce tutoriel ! Si vous souhaitez en savoir plus sur le code source, consultez l’exemple Azure OpenAI sur le référentiel GitHub de la bibliothèque IA Teams.
Vous avez un défi avec cette section ? Si c'est le cas, faites-nous part de vos commentaires pour que nous puissions l'améliorer.