Share via

Intelligente toepassingen en veelgestelde vragen over AI (FAQ)

Van toepassing op: SQL Server 2025 (17.x) AzureSQL Database Azure SQL Managed InstanceSQL-databasein Microsoft Fabric

Dit artikel bevat veelgestelde vragen over vectoren en insluitingen in de SQL Database Engine.

Ga naar de opslagplaats SQL AI-voorbeelden voor voorbeelden en voorbeelden.

Kan ik een rag-oplossing (retrieval-augmented generation) volledig maken in T-SQL?

Ja, u kunt een rag-oplossing (Retrieval-Augmented Generation) maken met behulp van T-SQL. Dit type oplossing maakt gebruik van de mogelijkheden van de SQL Database Engine om uw gegevens effectief te beheren en er query's op uit te voeren. U kunt T-SQL gebruiken om de benodigde logica voor het ophalen en verwerken van gegevens te implementeren, terwijl u ook integreert met externe AI-services voor het generatie-aspect. Vectoren kunnen systeemeigen worden opgeslagen in sql-engine en verbindingen met LLM's die mogelijkheden voor natuurlijke taalkennis bieden, zijn mogelijk via sp_invoke_external_rest_endpoint.

Waarom zou ik een RAG-oplossing volledig maken in T-SQL?

Als u een bestaande toepassing wilt verbeteren zonder deze opnieuw te ontwerpen om AI-mogelijkheden te ondersteunen, gebruikt u de ingebouwde FUNCTIES van de SQL Engine om AI-functies rechtstreeks in uw databasequery's te implementeren. U hoeft uw T-SQL-code alleen bij te werken om AI-functies op te nemen in plaats van uitgebreide wijzigingen aan te brengen in uw toepassingsarchitectuur.

Zijn er end-to-end-voorbeelden met behulp van Azure SQL of Fabric SQL voor RAG?

Natuurlijk vindt u hier end-to-end voorbeelden voor RAG met behulp van Azure SQL en Fabric SQL:

Kan ik RAG laten werken aan gestructureerde gegevens, zoals kolommen en rijen?

Als u met gestructureerde gegevens wilt werken, kunt u RAG nog steeds gebruiken door deze te combineren met andere technieken, zoals het gebruik van insluitingen om uw gestructureerde gegevens weer te geven op een manier die kan worden begrepen door het AI-model. Hiermee kunt u ophaal- en generatietaken uitvoeren op gestructureerde gegevens terwijl u nog steeds profiteert van de mogelijkheden van RAG.

Waarom leidt het verzenden van een volledig, complex schema naar een LLM tot slechte SQL-generatie en hoe kan ik dit oplossen?

Als u een complex en groot databaseschema hebt, met honderden tabellen en weergaven, is het beter om een benadering met meerdere agents te gebruiken om de ruis te verminderen en AI-modellen in staat te stellen zich te richten op specifieke gebieden van het schema. Hier vindt u een volledige beschrijving met een werkend end-to-end-voorbeeld:

Kan ik verbinding maken met Azure OpenAI met behulp van beheerde identiteit?

Ja, u kunt verbinding maken met Azure OpenAI met behulp van beheerde identiteit. Hiermee kunt u veilig verifiëren en toegang krijgen tot de Azure OpenAI-service zonder dat u referenties rechtstreeks hoeft te beheren. Voor meer informatie, zie:

Worden mijn gegevens gebruikt door Microsoft voor trainingsmodellen?

Nee. Gegevens worden niet door Microsoft gebruikt voor trainingsmodellen. Zie de documentatie voor verantwoorde AI voor meer informatie.

Welke gegevens verwerkt de Azure OpenAI-service?

Raadpleeg het document Gegevens, privacy en beveiliging voor Azure OpenAI Service voor meer informatie.

Hoe kan ik mijn gegevens beschermen tegen onbevoegde toegang tot AI-agent?

Azure SQL en SQL Server bieden uitgebreide ondersteuning voor verfijnde toegangsbeveiliging:

  • Aan de slag met database-enginemachtigingen: beheer de toegang tot databaseobjecten op een gedetailleerd niveau met behulp van machtigingen.
  • Row-Level Beveiliging (RLS):beheer de toegang tot rijen in een tabel op basis van de kenmerken van de gebruiker die een query uitvoert. U kunt RLS in actie zien in deze video.
  • Dynamische gegevensmaskering: beperk de blootstelling van gevoelige gegevens door deze te maskeren voor niet-bevoegde gebruikers.
  • Always Encrypted: Beveilig gevoelige gegevens door deze in rust en tijdens verzending te versleutelen, zodat alleen geautoriseerde gebruikers toegang hebben tot de niet-versleutelde gegevens.

Het is ook mogelijk om elke bewerking in de database te controleren met behulp van de functie Controle in Azure SQL en SQL Server.

SQL Server-audit (database engine)

Verwante inhoud

  • Last updated on