Generatív AI JavaScript-fejlesztőknek

A JavaScript használatával generatív AI-funkciókat hozhat létre webes, mobil- és asztali alkalmazásaiban. Ez az áttekintés az alapfogalmakat, eszközöket és tanulási forrásokat emeli ki az első lépésekhez.

Miért érdemes JavaScriptet használni az AI-hez?

A Python gyakori választás az AI-modellek betanításához, de a legtöbb alkalmazásfejlesztő webes API-kkal használ modelleket. Mivel a JavaScript böngészőkben és kiszolgálókon fut, és jól kezeli a HTTP-hívásokat, praktikus választás az AI-alkalmazások létrehozásához.

A kiegészítő tanfolyam

A kísérőtanfolyam segítségével videókon, kódprojekteken és teljes körű mintamintákon keresztül tanulhat.

Ha tanuló vagy új fejlesztő vagy, ez a kurzus gyakorlati módot kínál a mesterséges intelligencia elsajátítására. Ha már professzionálisan készít alkalmazásokat, az segít az AI-készségek elmélyítésében.

Ebben a kurzusban:

  • Ismerje meg az AI-t, miközben a generatív AI-vel életre keltheti a történelmi adatokat.
  • Az akadálymentesség alkalmazása beépített böngésző API-k használatával.
  • A szöveg- és képlétrehozás használatával integrálhatja az AI-t az alkalmazásélménybe.
  • Megismerheti az AI-alkalmazások architekturális mintáit.

Egy AI által létrehozott kép Leonardo Da Vinciről, a társalkalmazásban a történelmi karakterekhez való beszélgetéshez.

A kísérőalkalmazás használata az előzménykarakterekhez való beszélgetéshez

Tudnivalók az LLM-ekről

A nagyméretű nyelvi modellek (LLM-ek) olyan neurális hálózatok, amelyek nagy adatkészletekre vannak betanítve a szöveg megértésére és létrehozására. A betanítás általában egy széles bázismodellel kezdődik, majd finomhangolást ad az egyes feladatokhoz. Az LLM-ek segíthetnek olyan forgatókönyvekben, mint a kód befejezése és a csevegés, de vannak korlátaik is, beleértve a környezetablakokat és a betanítási adatok esetleges torzításait. Ezért fontos a felelős AI-eljárások, például a méltányosság, a megbízhatóság, az adatvédelem és az elszámoltathatóság.

További információ a tanfolyam LLM-munkamenetében:

Gyors mérnöki technikák használata

A gyors tervezés az a gyakorlat, amikor a modell jobb eredményekhez vezető utasításokat ír. Használjon példa nélküli utasításokat, ha nincs szüksége példákra, vagy kevés példát nyújtó utasításokat, ha a példák segítenek. A világos utasítások, a releváns környezet és az explicit kimeneti formátumok gyakran javítják a válaszokat, és felkészítik a fejlettebb mintákra, például a RAG-ra.

További információ a kurzus gyors mérnöki munkamenetében:

Az AI pontosságának és megbízhatóságának javítása a RAG használatával

A modellválaszok megalapozásához aktuális, megbízható adatokban használja a lekérés-támogatott generáció (RAG) technológiát. A RAG egy olyan lekérőt kombinál, amely releváns tartalmakat talál egy generátorral, amely az adott tartalmat használja a kérdések megválaszolásához. Ez a megközelítés javíthatja a pontosságot, egyszerűbbé teheti a válaszokat, és szabályozhatja a költségeket. Egy ingatlantámogatási alkalmazás például céges dokumentumokkal válaszolhat a részletes ügyfélkérdésekre.

További információ a tanfolyam RAG-munkamenetében:

Gyorsítsa fel az AI-fejlesztést a LangChain.js segítségével

Felgyorsíthatja AI-projektjeit a LangChain.js. Ez a JavaScript-kódtár segít parancssori sablonok létrehozásában, modellek és vektortárolók csatlakoztatásában, valamint összetett munkafolyamatok összeállításában. Jól működik a gyors prototípus-készítéshez, például egy OLYAN API-hoz, amely a YouTube-átiratokból származó kérdésekre ad választ. Amikor készen áll az éles üzemre, az alkalmazás újraírása nélkül felcserélheti a helyi modelleket és vektortárolókat az Azure-szolgáltatásokhoz.

További információ a kurzusLangChain.js szekciójában:

AI-modellek futtatása a helyi gépen az Ollama használatával

Az Ollama használatával helyi AI-modelleket futtathat a gépen, beleértve a Phi-3-at is. A helyi modellek csökkentik a felhőfüggőségeket, támogatják az offline fejlesztést, és lerövidítik a belső ciklust az ötletek tesztelése során. Mivel az Ollama egy OpenAI-kompatibilis API-t tesz elérhetővé, minimális módosításokkal integrálhatja a meglévő JavaScript-munkafolyamatokba.

További információ a kurzus Ollama munkamenetében:

Az AI ingyenes használatának első lépései

Az AI-t ingyenesen futtathatja a Foundry Local használatával, amely lehetővé teszi az AI-modellek letöltését és helyi használatát. A Visual Studio Code-hoz készült AI Toolkit egy olyan bővítmény is, amely támogatja a modell letöltését, finomhangolását és egyebeket. Az Ollama egy másik népszerű választás helyi modellek futtatásához.

A modelleket helyi beállítás nélkül is kipróbálhatja egy GitHub Codespace létrehozásával, valamint egy Jupyter-notebook használatával a gyors tervezés, a kevés lövéses tanulás és a RAG teszteléséhez.

További információ a kurzus Phi-3 szekciójában:

A Microsoft Foundry bemutatása

A Microsoft Foundry használatával elkezdhet generatív AI-alkalmazásokat létrehozni JavaScript használatával. Erőforrások rendszerezése központokkal és projektekkel, modellek tallózása és modell üzembe helyezése egy játszótéren való teszteléshez. Függetlenül attól, hogy felügyelt számítási vagy kiszolgáló nélküli API-kat használ, a munkafolyamat változatlan marad: válasszon ki egy modellt, telepítse és integrálja azt az alkalmazásba.

További információ a kurzus Foundry-szekciójában:

Generatív AI-alkalmazások létrehozása az Azure Cosmos DB-vel

További információ a kurzus Azure Cosmos DB-munkamenetében:

Azure-eszközök és -szolgáltatások AI-alkalmazások üzemeltetéséhez és tárolásához

Megtudhatja, hogy mely Azure-eszközök és szolgáltatások felelnek meg a gyakori AI-alkalmazásarchitektúráknak, beleértve a csevegőalkalmazásokat, a RAG-alkalmazásokat és az autonóm ügynököket. Ez a munkamenet azt is bemutatja, hogyan helyezhet üzembe alkalmazásokat az Azure Developer CLI (AZD) használatával, és hogyan hasonlíthatja össze a kiszolgáló nélküli és a tárolóalapú üzemeltetési lehetőségeket.

További információ a kurzus Azure-eszközök és -szolgáltatások szekciójában:

Generatív AI-kimenet streamelése az AI-csevegési protokollal

Az AI Chat Protocol használatával valós idejű kommunikációt támogathat az AI-szolgáltatás és az ügyfélalkalmazások között. Az architektúrától függően a válaszokat a böngészőből vagy egy AI-következtetési kiszolgálóról is streamelheti. A streamelés megvalósítása során tervezze meg az API-kulcsok védelmét, az adatbiztonságot és a protokollválasztást. A protokoll kliens támogatja az olyan módszereket, mint a getCompletion és a getStreamedCompletion, amint az a kiszolgáló nélküli RAG LangChain.js példában látható.

További információ a tanfolyam streamelési munkamenetében:

  • Last updated on