Бөлісу құралы:

Вопросы и ответы об интеллектуальном приложении и ИИ (часто задаваемые вопросы)

Применимо к: Sql Server 2025 (17.x) База данныхSQL Azure Управляемого экземпляраSQL Azure в Microsoft Fabric

В этой статье содержатся часто задаваемые вопросы о векторах и внедрениях в ядро СУБД SQL.

Примеры и примеры см. в репозитории примеров ИИ SQL.

Можно ли полностью создать решение для получения дополненного поколения (RAG) в T-SQL?

Да, можно создать решение Retrieval-Augmented поколения (RAG) с помощью T-SQL. Этот тип решения использует возможности ядра СУБД SQL для эффективного управления данными и запроса данных. Вы можете использовать T-SQL для реализации необходимой логики извлечения и обработки данных, а также интеграции с внешними службами ИИ для аспекта создания. Векторы могут храниться в машинном коде SQL и подключениях к LLM, которые обеспечивают возможности распознавания естественного языка, можно использовать.sp_invoke_external_rest_endpoint

Почему я создаю решение RAG полностью в T-SQL?

Если вы хотите улучшить существующее приложение без необходимости перепроектировать его для поддержки возможностей искусственного интеллекта, используйте встроенные функции ядра SQL для реализации функций ИИ непосредственно в запросах базы данных. Вам нужно только обновить код T-SQL, чтобы включить функции ИИ, а не вносить значительные изменения в архитектуру приложения.

Существуют ли комплексные примеры с помощью SQL Azure или Fabric SQL для RAG?

Конечно, вы можете найти комплексные примеры для RAG с помощью SQL Azure и Fabric SQL здесь:

Можно ли использовать RAG для структурированных данных, таких как столбцы и строки?

Если вам нужно работать с структурированными данными, вы по-прежнему можете использовать RAG, объединяя его с другими методами, например с помощью внедрения для представления структурированных данных таким образом, чтобы их можно было понять моделью ИИ. Это позволяет выполнять задачи извлечения и создания структурированных данных при использовании возможностей RAG.

Почему отправка полной сложной схемы в LLM приводит к плохому поколению SQL и как исправить его?

Если у вас есть сложная и крупная схема базы данных с сотнями таблиц и представлений, лучше использовать многоагентный подход, чтобы помочь уменьшить шум и позволить моделям ИИ сосредоточиться на конкретных областях схемы. Полное описание, а также полный пример, доступный здесь:

Можно ли подключиться к Azure OpenAI с помощью управляемого удостоверения?

Да, вы можете подключиться к Azure OpenAI с помощью управляемого удостоверения. Это позволяет безопасно проходить проверку подлинности и получать доступ к службе Azure OpenAI без необходимости управлять учетными данными напрямую. Дополнительные сведения можно найти здесь

Используются ли мои данные корпорацией Майкрософт для обучения моделей?

Нет. Данные не используются корпорацией Майкрософт для обучения моделей. Дополнительные сведения см. в документации по ответственному ИИ .

Какие данные обрабатывает служба Azure OpenAI?

Дополнительные сведения см. в документе "Данные, конфиденциальность и безопасность" для Службы OpenAI Azure .

Как защитить данные от несанкционированного доступа агента ИИ?

Azure SQL и SQL Server обеспечивают расширенную поддержку тонкой настройки безопасности доступа.

  • Приступая к работе с разрешениями ядра СУБД: управление доступом к объектам базы данных на детальном уровне с помощью разрешений.
  • Безопасность на уровне строк (RLS): управление доступом к строкам таблицы в зависимости от характеристик пользователя, выполняющего запрос. В этом видео вы можете увидеть RLS в действии.
  • Динамическое маскирование данных: ограничение доступа к конфиденциальным данным путем их маскирования для непривилегированных пользователей.
  • Always Encrypted: защита конфиденциальных данных путем шифрования неактивных и передаваемых данных, обеспечивая доступ только авторизованных пользователей к незашифрованным данным.

Кроме того, можно выполнить аудит любой операции в базе данных с помощью функции аудита в SQL Azure и SQL Server.

Аудит SQL Server (система управления базами данных)

Связанный контент

  • Last updated on