Nota
L'accesso a questa pagina richiede l'autorizzazione. È possibile provare ad accedere o modificare le directory.
L'accesso a questa pagina richiede l'autorizzazione. È possibile provare a modificare le directory.
Si applica a:
Sql Server 2025 (17.x) DatabaseSQL di Azure Istanza gestita di SQL di Azurein Microsoft Fabric
Questo articolo contiene domande frequenti sui vettori e sugli incorporamenti nel motore di database SQL.
Per esempi ed esempi, visitare il repository di esempi di intelligenza artificiale SQL.
È possibile creare una soluzione di generazione aumentata completamente in T-SQL?
Sì, è possibile creare una soluzione Retrieval-Augmented Generation (RAG) usando T-SQL. Questo tipo di soluzione sfrutta le funzionalità del motore di database SQL per gestire ed eseguire query sui dati in modo efficace. È possibile usare T-SQL per implementare la logica necessaria per il recupero e l'elaborazione dei dati, integrando al tempo stesso con i servizi di intelligenza artificiale esterni per l'aspetto della generazione. I vettori possono essere archiviati in modo nativo nel motore SQL e le connessioni alle macchine virtuali che forniscono funzionalità di comprensione del linguaggio naturale sono possibili tramite sp_invoke_external_rest_endpoint.
- Implementare una soluzione RAG e chiamare OpenAI direttamente dal database SQL di Azure per porre domande sui dati
- Risultati LLM prevedibili con output strutturato e sp_invoke_external_rest_endpoint
Perché creare una soluzione RAG completamente in T-SQL?
Se si vuole migliorare un'applicazione esistente senza dover riprogettarla per supportare le funzionalità di intelligenza artificiale, usare le funzionalità predefinite del motore SQL per implementare le funzionalità di intelligenza artificiale direttamente all'interno delle query di database. È sufficiente aggiornare il codice T-SQL per incorporare le funzionalità di intelligenza artificiale, anziché apportare modifiche estese all'architettura dell'applicazione.
- Eseguire la migrazione e la modernizzazione dei carichi di lavoro di Windows Server, SQL Server e .NET
- Modernizzare le applicazioni con Azure SQL, OpenAI e Data API Builder
Sono disponibili esempi end-to-end che usano SQL di Azure o SQL fabric per RAG?
È possibile trovare esempi end-to-end per rag usando AZURE SQL e Fabric SQL qui:
È possibile usare RAG per dati strutturati, ad esempio colonne e righe?
Se è necessario lavorare con dati strutturati, è comunque possibile sfruttare rag combinandolo con altre tecniche, ad esempio usando incorporamenti per rappresentare i dati strutturati in modo che possa essere compreso dal modello di intelligenza artificiale. In questo modo è possibile eseguire attività di recupero e generazione su dati strutturati, sfruttando al tempo stesso le funzionalità di RAG.
Perché l'invio di uno schema completo e complesso a un LLM comporta una generazione SQL scarsa e come è possibile risolverlo?
Se si dispone di uno schema di database complesso e di grandi dimensioni, con centinaia di tabelle e viste, è preferibile usare un approccio multi-agente per ridurre il rumore e consentire ai modelli di intelligenza artificiale di concentrarsi su aree specifiche dello schema. Una descrizione completa insieme a un esempio end-to-end funzionante è disponibile qui:
È possibile connettersi ad Azure OpenAI usando l'identità gestita?
Sì, è possibile connettersi ad Azure OpenAI usando l'identità gestita. In questo modo è possibile autenticare e accedere in modo sicuro al servizio Azure OpenAI senza dover gestire direttamente le credenziali. Per altre informazioni, vedere:
- Adottare l'accesso senza password quando si accede a Azure OpenAI da Azure SQL utilizzando identità gestite
- Creare un MODELLO ESTERNO con Azure OpenAI usando l'identità gestita
I dati vengono usati da Microsoft per i modelli di training?
No I dati non vengono usati da Microsoft per i modelli di training. Per altre informazioni, vedere la documentazione sull'intelligenza artificiale responsabile .
Quali dati vengono elaborati dal servizio Azure OpenAI?
Per altre informazioni, vedere il documento Dati, privacy e sicurezza per il servizio OpenAI di Azure .
Come è possibile proteggere i dati dall'accesso non autorizzato dell'agente di intelligenza artificiale?
Azure SQL e SQL Server offrono un supporto completo per la sicurezza degli accessi con granularità fine:
- Introduzione alle autorizzazioni del motore di database: controllare l'accesso agli oggetti di database a un livello granulare usando le autorizzazioni.
- Row-Level Security (RLS): controllare l'accesso alle righe di una tabella in base alle caratteristiche dell'utente che esegue una query. Puoi vedere RLS in azione in questo video.
- Maschera dati dinamica: limitare l'esposizione dei dati sensibili mascherandoli agli utenti senza privilegi.
- Always Encrypted: proteggere i dati sensibili crittografandoli inattivi e in transito, assicurandosi che solo gli utenti autorizzati possano accedere ai dati non crittografati.
È anche possibile controllare qualsiasi operazione eseguita nel database usando la funzionalità Audit in Azure SQL e SQL Server.
SQL Server Audit (motore di database)