परिचय
Azure SQL डेटाबेस के साथ बुद्धिमान एप्लिकेशन बनाने में रिलेशनल डेटा को संग्रहीत करने और क्वेरी करने से कहीं अधिक शामिल है। डेवलपर्स को एआई मॉडल को एकीकृत करने, टेक्स्ट से एम्बेडिंग उत्पन्न करने और सिमेंटिक सर्च और रिट्रीवल ऑगमेंटेड जेनरेशन (आरएजी) जैसी सुविधाओं को सक्षम करने के लिए वेक्टर खोज करने की आवश्यकता है। Azure SQL डेटाबेस और फैब्रिक SQL डेटाबेस बाहरी मॉडल, वेक्टर डेटा प्रकार और अंतर्निहित AI फ़ंक्शन के माध्यम से इन क्षमताओं का समर्थन करते हैं।
साथ में, बाहरी मॉडल और एम्बेडिंग वर्कफ़्लो डेवलपर्स को सीधे डेटाबेस के अंदर AI क्षमताओं को जोड़ने की अनुमति देते हैं। यह दृष्टिकोण एआई प्रसंस्करण को डेटा के करीब रखता है और समानता, खोज या सामग्री पुनर्प्राप्ति जैसे कार्यों के लिए सिस्टम के बीच जानकारी स्थानांतरित करने की आवश्यकता को कम करता है।
एक खुदरा विकास टीम की कल्पना करें जो उत्पाद कैटलॉग, ग्राहक समीक्षाओं और समर्थन दस्तावेज़ों को प्रबंधित करने के लिए Azure SQL डेटाबेस का उपयोग करके एप्लिकेशन बनाती है। उनके काम में उत्पाद विवरण से एम्बेडिंग उत्पन्न करना, समर्थन लेखों में सिमेंटिक खोज को सक्षम करना और सामग्री परिवर्तनों के रूप में एम्बेडिंग को वर्तमान रखना शामिल है। Azure SQL डेटाबेस में बाहरी मॉडल और अंतर्निहित AI फ़ंक्शन का उपयोग करके, टीम पूरी तरह से Transact-SQL के भीतर काम करते हुए एम्बेडिंग को डिजाइन, उत्पन्न और बनाए रख सकती है।
इस मॉड्यूल को पूरा करने के बाद, आप निम्न में सक्षम होंगे:
- क्षमताओं और प्रदर्शन आवश्यकताओं के आधार पर SQL डेटाबेस वर्कलोड के लिए AI मॉडल का मूल्यांकन करें।
- Transact-SQL से AI एंडपॉइंट को संदर्भित करने के लिए बाहरी मॉडल बनाएं और प्रबंधित करें।
- उपयुक्त चंकिंग रणनीतियों के साथ एम्बेडिंग डिज़ाइन करें।
- अंतर्निहित SQL AI फ़ंक्शन का उपयोग करके एम्बेडिंग उत्पन्न और संग्रहीत करें।
- एम्बेडिंग को स्रोत डेटा के साथ संरेखित रखने के लिए रखरखाव दृष्टिकोण चुनें।