Aplikasi cerdas dan Tanya Jawab Umum (FAQ) AI

Berlaku untuk: Database SQL SQL Server 2025 (17.x) Azure SQL DatabaseAzure SQL Managed Instancedi Microsoft Fabric

• Azure SQL Database
• Aplikasi cerdas dan AI

Artikel ini berisi tanya jawab umum tentang vektor dan penyematan di SQL Database Engine.

Untuk sampel dan contoh, kunjungi repositori Sampel SQL AI.

Dapatkah saya membuat solusi retrieval-augmented generation (RAG) sepenuhnya di T-SQL?

Ya, Anda dapat membuat solusi Retrieval-Augmented Generation (RAG) menggunakan T-SQL. Jenis solusi ini memanfaatkan kemampuan SQL Database Engine untuk mengelola dan mengkueri data Anda secara efektif. Anda dapat menggunakan T-SQL untuk menerapkan logika pengambilan dan pemrosesan data yang diperlukan, sekaligus mengintegrasikan dengan layanan AI eksternal untuk aspek pembuatan. Vektor dapat disimpan secara asli di mesin SQL dan koneksi ke LLM yang memberikan kemampuan pemahaman bahasa alami dimungkinkan melalui sp_invoke_external_rest_endpoint.

• Menerapkan solusi RAG dan memanggil OpenAI langsung dari Azure SQL DB untuk mengajukan pertanyaan tentang data Anda
• Hasil LLM yang dapat diprediksi dengan Output Terstruktur dan sp_invoke_external_rest_endpoint

Mengapa saya membuat solusi RAG sepenuhnya di T-SQL?

Jika Anda ingin meningkatkan aplikasi yang ada tanpa harus merancangnya kembali untuk mendukung kemampuan AI, gunakan fitur bawaan mesin SQL untuk menerapkan fungsionalitas AI langsung dalam kueri database Anda. Anda hanya perlu memperbarui kode T-SQL Anda untuk menggabungkan fitur AI, daripada membuat perubahan ekstensif pada arsitektur aplikasi Anda.

• Memigrasikan dan memodernisasi beban kerja Windows Server, SQL Server, dan .NET
• Memodernisasi aplikasi dengan penyusun Azure SQL, OpenAI, dan Data API

Apakah ada sampel end-to-end menggunakan Azure SQL atau Fabric SQL untuk RAG?

Tentu, Anda dapat menemukan sampel end-to-end untuk RAG menggunakan Azure SQL dan Fabric SQL di sini:

• Sampel RAG menggunakan Azure SQL
• Sampel RAG menggunakan Fabric SQL

Bisakah saya meminta RAG mengerjakan data terstruktur, seperti kolom dan baris?

Jika Anda perlu bekerja dengan data terstruktur, Anda masih dapat memanfaatkan RAG dengan menggabungkannya dengan teknik lain, seperti menggunakan penyematan untuk mewakili data terstruktur Anda dengan cara yang dapat dipahami oleh model AI. Ini memungkinkan Anda untuk melakukan tugas pengambilan dan pembuatan pada data terstruktur sambil tetap mendapat manfaat dari kemampuan RAG.

• Meningkatkan "R" di RAG dan merangkul Agentic RAG di Azure SQL

Mengapa mengirim skema lengkap dan kompleks ke LLM menyebabkan generasi SQL yang buruk—dan bagaimana cara memperbaikinya?

Jika Anda memiliki skema database yang kompleks dan besar, dengan ratusan tabel dan tampilan, lebih baik menggunakan pendekatan multi-agen untuk membantu mengurangi kebisingan dan memungkinkan model AI untuk fokus pada area tertentu dari skema. Deskripsi lengkap bersama dengan sampel end-to-end yang berfungsi tersedia di sini:

• Kisah agen kolaborasi: mengobrol dengan database Anda dengan cara yang benar

Bisakah saya tersambung ke Azure OpenAI menggunakan Identitas Terkelola?

Ya, Anda dapat menyambungkan ke Azure OpenAI menggunakan Identitas Terkelola. Ini memungkinkan Anda untuk mengautentikasi dan mengakses Layanan Azure OpenAI dengan aman tanpa perlu mengelola kredensial secara langsung. Untuk informasi selengkapnya, lihat:

• Tanpa kata sandi saat memanggil Azure OpenAI dari Azure SQL menggunakan Identitas Terkelola
• Membuat MODEL EKSTERNAL dengan Azure OpenAI menggunakan Identitas Terkelola

Apakah data saya digunakan oleh Microsoft untuk model pelatihan?

Tidak. Data tidak digunakan oleh Microsoft untuk model pelatihan. Lihat dokumentasi AI yang bertanggung jawab untuk informasi selengkapnya.

Data apa yang diproses Azure OpenAI Service?

Lihat dokumen Data, privasi, dan keamanan untuk Azure OpenAI Service untuk informasi selengkapnya.

Bagaimana cara melindungi data saya dari akses Agen AI yang tidak sah?

Azure SQL dan SQL Server memberikan dukungan ekstensif untuk keamanan akses mendetaih:

• Mulai menggunakan izin Mesin Database: Mengontrol akses ke objek database pada tingkat terperinci menggunakan izin.
• Row-Level Security (RLS): Mengontrol akses ke baris dalam tabel berdasarkan karakteristik pengguna yang menjalankan kueri. Anda dapat melihat RLS beraksi dalam video ini.
• Masking data dinamis: Batasi paparan data sensitif dengan menutupinya ke pengguna yang tidak memiliki hak istimewa.
• Always Encrypted: Lindungi data sensitif dengan mengenkripsinya saat tidak aktif dan saat transit, memastikan bahwa hanya pengguna yang berwenang yang dapat mengakses data yang tidak terenkripsi.

Anda juga dapat mengaudit operasi apa pun yang dilakukan pada database menggunakan fitur Audit di Azure SQL dan SQL Server.

Audit SQL Server (Mesin Database)

Konten terkait

• Aplikasi cerdas dan AI
• Vektor dan penyematan: Tanya jawab umum (FAQ)
• Sampel dan Contoh SQL AI