AI-app-sjablonen
In deze sectie van de documentatie maakt u kennis met de ai-app-sjablonen en gerelateerde artikelen die deze sjablonen gebruiken om te laten zien hoe u belangrijke ontwikkelaarstaken uitvoert. AI-app-sjablonen bieden u een goed onderhouden, eenvoudig te implementeren referentie-implementaties die u helpen een startpunt van hoge kwaliteit voor uw AI-apps te garanderen.
Er zijn twee categorieën AI-app-sjablonen, bouwstenen en end-to-end-oplossingen. In de volgende secties worden enkele van de belangrijkste sjablonen in elke categorie geïntroduceerd voor de programmeertaal die u bovenaan dit artikel hebt geselecteerd. Als u door een uitgebreidere lijst met deze en andere sjablonen wilt bladeren, raadpleegt u de AI-app-sjablonen in de Azure Developer CLI-galerie.
Bouwstenen
Bouwstenen zijn kleinere voorbeelden die zich richten op specifieke scenario's en taken. De meeste bouwstenen demonstreren functionaliteit die gebruikmaakt van de end-to-end-oplossing voor een chat-app die gebruikmaakt van uw eigen gegevens.
Bouwsteen | Beschrijving |
---|---|
Taakverdeling met Azure Container Apps | Meer informatie over het toevoegen van taakverdeling aan uw toepassing om de chat-app uit te breiden buiten het Azure OpenAI-token en de quotumlimieten voor modellen. Deze benadering maakt gebruik van Azure Container Apps om drie Azure OpenAI-eindpunten te maken, evenals een primaire container om binnenkomend verkeer naar een van de drie eindpunten te leiden. |
Bouwsteen | Beschrijving |
---|---|
Documentbeveiliging configureren voor de chat-app | Wanneer u een chattoepassing bouwt met behulp van het RAG-patroon met uw eigen gegevens, moet u ervoor zorgen dat elke gebruiker een antwoord ontvangt op basis van hun machtigingen. Een geautoriseerde gebruiker moet toegang hebben tot antwoorden in de documenten van de chat-app. Een niet-geautoriseerde gebruiker mag geen toegang hebben tot antwoorden van beveiligde documenten die ze niet mogen zien. |
Antwoorden op chat-apps evalueren | Meer informatie over het evalueren van de antwoorden van een chat-app op basis van een set juiste of ideale antwoorden (ook wel grondwaar genoemd). Wanneer u uw chattoepassing wijzigt op een manier die van invloed is op de antwoorden, voert u een evaluatie uit om de wijzigingen te vergelijken. Deze demotoepassing biedt hulpprogramma's die u vandaag kunt gebruiken om het eenvoudiger te maken om evaluaties uit te voeren. |
Taakverdeling met Azure Container Apps | Meer informatie over het toevoegen van taakverdeling aan uw toepassing om de chat-app uit te breiden buiten het Azure OpenAI-token en de quotumlimieten voor modellen. Deze benadering maakt gebruik van Azure Container Apps om drie Azure OpenAI-eindpunten te maken, evenals een primaire container om binnenkomend verkeer naar een van de drie eindpunten te leiden. |
Taakverdeling met API Management | Meer informatie over het toevoegen van taakverdeling aan uw toepassing om de chat-app uit te breiden buiten het Azure OpenAI-token en de quotumlimieten voor modellen. Deze benadering maakt gebruik van Azure API Management om drie Azure OpenAI-eindpunten te maken, evenals een primaire container om binnenkomend verkeer naar een van de drie eindpunten te leiden. |
Belastingtest voor de Python-chat-app met Locust | Meer informatie over het proces voor het uitvoeren van belastingstests in een Python-chattoepassing met behulp van het RAG-patroon met Locust, een populair opensource-hulpprogramma voor belastingstests. Het primaire doel van belastingstests is ervoor te zorgen dat de verwachte belasting van uw chattoepassing niet hoger is dan het huidige TPM-quotum (Azure OpenAI Transactions Per Minute). Door gebruikersgedrag onder zware belasting te simuleren, kunt u potentiële knelpunten en schaalbaarheidsproblemen in uw toepassing identificeren. |
Bouwsteen | Beschrijving |
---|---|
Taakverdeling met Azure Container Apps | Meer informatie over het toevoegen van taakverdeling aan uw toepassing om de chat-app uit te breiden buiten het Azure OpenAI-token en de quotumlimieten voor modellen. Deze benadering maakt gebruik van Azure Container Apps om drie Azure OpenAI-eindpunten te maken, evenals een primaire container om binnenkomend verkeer naar een van de drie eindpunten te leiden. |
Bouwsteen | Beschrijving |
---|---|
Antwoorden op chat-apps evalueren | Meer informatie over het evalueren van de antwoorden van een chat-app op basis van een set juiste of ideale antwoorden (ook wel grondwaar genoemd). Wanneer u uw chattoepassing wijzigt op een manier die van invloed is op de antwoorden, voert u een evaluatie uit om de wijzigingen te vergelijken. Deze demotoepassing biedt hulpprogramma's die u vandaag kunt gebruiken om het eenvoudiger te maken om evaluaties uit te voeren. |
Taakverdeling met Azure Container Apps | Meer informatie over het toevoegen van taakverdeling aan uw toepassing om de chat-app uit te breiden buiten het Azure OpenAI-token en de quotumlimieten voor modellen. Deze benadering maakt gebruik van Azure Container Apps om drie Azure OpenAI-eindpunten te maken, evenals een primaire container om binnenkomend verkeer naar een van de drie eindpunten te leiden. |
Taakverdeling met API Management | Meer informatie over het toevoegen van taakverdeling aan uw toepassing om de chat-app uit te breiden buiten het Azure OpenAI-token en de quotumlimieten voor modellen. Deze benadering maakt gebruik van Azure API Management om drie Azure OpenAI-eindpunten te maken, evenals een primaire container om binnenkomend verkeer naar een van de drie eindpunten te leiden. |
End-to-end-oplossingen
End-to-end-oplossingen zijn uitgebreide referentievoorbeelden, waaronder documentie, broncode en implementatie, zodat u uw eigen doeleinden kunt gebruiken en uitbreiden.
Chatten met uw gegevens met behulp van Azure OpenAI en Azure AI Search met .NET
Deze sjabloon is een volledige end-to-end-oplossing die het RAG-patroon (Retrieval-Augmented Generation) laat zien dat wordt uitgevoerd in Azure. Het maakt gebruik van Azure AI Search voor het ophalen en grote taalmodellen van Azure OpenAI om ChatGPT-stijl en Q&A-ervaringen te kunnen gebruiken.
Zie Aan de slag met de chat met uw eigen gegevensvoorbeeld voor .NET om aan de slag te gaan met deze sjabloon. Zie de GitHub-opslagplaats azure-search-openai-demo-csharp voor toegang tot de broncode en gedetailleerde informatie over de sjabloon.
Deze sjabloon demonstreert het gebruik van deze functies.
Azure-hostingoplossing | Technologieën | AI-modellen |
---|---|---|
Azure Container Apps Azure Functions |
Azure OpenAI Azure Computer Vision Azure Form Recognizer Azure AI Search Azure Storage |
GPT 3.5 Turbo GPT 4.0 |
Contoso chat retail Copilot met .NET en Semantic Kernel
Met deze sjabloon wordt Contoso Outdoors geïmplementeerd, een conceptueel archief dat zich specialiseert in buitenuitrusting voor wandel- en campingliefhebbers. Deze virtuele winkel verbetert klantbetrokkenheid en verkoopondersteuning via een intelligente chatagent. Deze agent wordt mogelijk gemaakt door het RAG-patroon (Retrieval Augmented Generation) in de Microsoft Azure AI Stack, verrijkt met Semantische kernel- en Prompty-ondersteuning.
Zie de GitHub-opslagplaats contoso-chat-csharp-prompty voor toegang tot de broncode en gedetailleerde informatie over de sjabloon.
Deze sjabloon demonstreert het gebruik van deze functies.
Azure-hostingoplossing | Technologieën | AI-modellen |
---|---|---|
Azure Container Apps |
Azure OpenAI Microsoft Entra ID Beheerde Azure-identiteit Azure Monitor Azure AI Search Azure AI Studio Azure SQL Azure Storage |
GPT 3.5 Turbo GPT 4.0 |
Procesautomatisering met spraak-naar-tekst en samenvatting met .NET en GPT 3.5 Turbo
Deze sjabloon is een procesautomatiseringsoplossing die problemen ontvangt die door veld- en winkelmedewerkers zijn gemeld bij een bedrijf met de naam Contoso Manufacturing, een productiebedrijf dat autoaccu's maakt. De problemen worden gedeeld door de werknemers live via microfooninvoer of vooraf opgenomen als audiobestanden. De oplossing vertaalt audio-invoer van spraak naar tekst en gebruikt vervolgens een LLM en Prompty of Promptflow om het probleem samen te vatten en de resultaten te retourneren in een indeling die is opgegeven door de oplossing.
Zie de GitHub-opslagplaats samenvattings-openai-csharp-prompty GitHub om toegang te krijgen tot de broncode en gedetailleerde informatie over de sjabloon te lezen.
Deze sjabloon demonstreert het gebruik van deze functies.
Azure-hostingoplossing | Technologieën | AI-modellen |
---|---|---|
Azure Container Apps | Spraak naar tekst Samenvatting Azure OpenAI |
GPT 3.5 Turbo |
Chatten met uw gegevens met behulp van Azure OpenAI en Azure AI Search met Python
Deze sjabloon is een volledige end-to-end-oplossing die het RAG-patroon (Retrieval-Augmented Generation) laat zien dat wordt uitgevoerd in Azure. Het maakt gebruik van Azure AI Search voor het ophalen en grote taalmodellen van Azure OpenAI om ChatGPT-stijl en Q&A-ervaringen te kunnen gebruiken.
Zie Aan de slag met de chat met uw eigen gegevensvoorbeeld voor Python om aan de slag te gaan met deze sjabloon. Zie de GitHub-opslagplaats azure-search-openai-demo voor toegang tot de broncode en gedetailleerde informatie over de sjabloon.
Deze sjabloon demonstreert het gebruik van deze functies.
Azure-hostingoplossing | Technologieën | AI-modellen |
---|---|---|
Azure App Service | Azure OpenAI MS Bing Search Beheerde Azure-identiteit Azure Monitor Azure AI Search Azure AI Studio |
GPT 3.5 Turbo GPT 4.0 DALL-E |
Multi-Modal Creative Writing Copilot met DALL-E
Deze sjabloon is een creatieve oplossing voor het schrijven van meerdere agents om gebruikers te helpen artikelen te schrijven. Het laat zien hoe u AI-agents maakt en gebruikt die worden aangestuurd door Azure OpenAI. Het bevat een Flask-app die een onderwerp en instructie van een gebruiker gebruikt en vervolgens een onderzoeksagent aanroept die de Bing Search-API gebruikt om het onderwerp te onderzoeken, een productagent die Gebruikmaakt van Azure AI Search om een semantische overeenkomst te zoeken naar gerelateerde producten uit een vectorarchief, een schrijveragent om het onderzoek en de productinformatie te combineren in een nuttig artikel, en een editoragent om het artikel te verfijnen dat uiteindelijk aan de gebruiker wordt gepresenteerd.
Zie de GitHub-opslagplaats agent-openai-python-prompty voor toegang tot de broncode en gedetailleerde informatie over de sjabloon.
Deze sjabloon demonstreert het gebruik van deze functies.
Azure-hostingoplossing | Technologieën | AI-modellen |
---|---|---|
Azure Container-registratie Azure Kubernetes |
Azure OpenAI MS Bing Search Beheerde Azure-identiteit Azure Monitor Azure AI Search Azure AI Studio |
GPT 3.5 Turbo GPT 4.0 DALL-E |
Contoso Chat Retail Copilot met AI Studio
Deze sjabloon is een verkoop- en ondersteuningschatoplossing voor klanten. Het laat zien hoe u een LLM-toepassing (Large Language Model) bouwt met een RAG-architectuur (Augmented Generation ophalen) met behulp van Azure AI Studio en Prompt Flow.
Zie de GitHub-opslagplaats contoso-chat voor toegang tot de broncode en gedetailleerde informatie over de sjabloon.
Deze sjabloon demonstreert het gebruik van deze functies.
Azure-hostingoplossing | Technologieën | AI-modellen |
---|---|---|
Azure Container Apps |
Azure OpenAI Azure AI Search Azure AI Studio Azure Cosmos DB |
GPT 3.5 Turbo GPT 4.0 Managed Integration Runtime (MIR) |
Procesautomatisering met spraak-naar-tekst en samenvatting met AI Studio
Deze sjabloon is een procesautomatiseringsoplossing die problemen ontvangt die door veld- en winkelmedewerkers zijn gemeld bij een bedrijf met de naam Contoso Manufacturing, een productiebedrijf dat autoaccu's maakt. De problemen worden gedeeld door de werknemers live via microfooninvoer, vooraf opgenomen als audiobestanden of als tekstinvoer. De oplossing vertaalt audio-invoer van spraak naar tekst en gebruikt vervolgens de tekstrapporten als invoer voor een LLM en Prompty/Promptflow om het probleem samen te vatten en de resultaten te retourneren in een indeling die is opgegeven door de oplossing.
Als u toegang wilt krijgen tot de broncode en gedetailleerde informatie over de sjabloon wilt lezen, raadpleegt u de GitHub-opslagplaats samenvatting-openai-python-prompflow .
Deze sjabloon demonstreert het gebruik van deze functies.
Azure-hostingoplossing | Technologieën | AI-modellen |
---|---|---|
Azure Container Apps | Azure AI Studio Spraak-naar-tekstservice Promptstroom Managed Integration Runtime (MIR) |
GPT 3.5 Turbo |
Functie aanroepen met Prompty, LangChain en Elastic Search
Deze sjabloon is een toepassing die gebruikmaakt van Prompty, Langchain en Elasticsearch om een LLM-zoekagent (Large Language Model) te bouwen. Deze agent met RAG-technologie (Retrieval Augmented Generation) kan gebruikersvragen beantwoorden op basis van de verstrekte gegevens door realtime informatie te integreren met generatieve reacties.
Zie de GitHub-opslagplaats agent-python-openai-prompty-langchain voor toegang tot de broncode en gedetailleerde informatie over de sjabloon.
Deze sjabloon demonstreert het gebruik van deze functies.
Azure-hostingoplossing | Technologieën | AI-modellen |
---|---|---|
Machine Learning-service | Azure AI Studio Elastisch zoeken Microsoft Entra ID Beheerde Azure-identiteit Azure Monitor Azure Storage Azure AI Studio Managed Integration Runtime (MIR) |
GPT 3.5 Turbo |
Functieaanroepen met Prompty, LangChain en Pinecone
Deze sjabloon maakt gebruik van het nieuwe Prompty-hulpprogramma, Langchain en Pinecone om een llm-zoekagent (Large Language Model) te bouwen. Deze agent met RAG-technologie (Retrieval Augmented Generation) kan gebruikersvragen beantwoorden op basis van de verstrekte gegevens door realtime informatie te integreren met generatieve reacties.
Zie de GitHub-opslagplaats agent-openai-python-prompty-langchain-pinecone voor toegang tot de broncode en gedetailleerde informatie over de sjabloon.
Deze sjabloon demonstreert het gebruik van deze functies.
Azure-hostingoplossing | Technologieën | AI-modellen |
---|---|---|
Azure Container Apps | Pinecone Microsoft Entra ID Microsoft Managed Identity Azure Monitor Azure Storage |
GPT 3.5 Turbo |
Assistent API Analytics Copilot met Python en Azure AI Studio
Deze sjabloon is een Assistent-API voor het chatten met tabelgegevens en het uitvoeren van analyses in natuurlijke taal. Zie de GitHub-opslagplaats assistant-data-openai-python-promptflow voor toegang tot de broncode en gedetailleerde informatie over de sjabloon.
Deze sjabloon demonstreert het gebruik van deze functies.
Azure-hostingoplossing | Technologieën | AI-modellen |
---|---|---|
Machine Learning-service | Azure AI Search Azure AI Studio Managed Integration Runtime (MIR) Azure OpenAI |
GPT 3.5 Turbo GPT 4 |
Chatten met uw gegevens met behulp van Azure OpenAI en Azure AI Search met Java
Deze sjabloon is een volledige end-to-end-oplossing die het RAG-patroon (Retrieval-Augmented Generation) laat zien dat wordt uitgevoerd in Azure. Het maakt gebruik van Azure AI Search voor het ophalen en grote taalmodellen van Azure OpenAI om ChatGPT-stijl en Q&A-ervaringen te kunnen gebruiken.
Zie Aan de slag met de chat met uw eigen gegevensvoorbeeld voor Java om aan de slag te gaan met deze sjabloon. Zie de GitHub-opslagplaats azure-search-openai-demo-java voor toegang tot de broncode en gedetailleerde informatie over de sjabloon.
Deze sjabloon demonstreert het gebruik van deze functies.
Azure-hostingoplossing | Technologieën | AI-modellen |
---|---|---|
Azure App Service Azure Container Apps Azure Kubernetes Service |
Azure OpenAI Azure AI Search Azure Storage Azure Monitor |
Chatten met uw gegevens met behulp van Azure OpenAI en Azure AI Search met JavaScript
Deze sjabloon is een volledige end-to-end-oplossing die het RAG-patroon (Retrieval-Augmented Generation) laat zien dat wordt uitgevoerd in Azure. Het maakt gebruik van Azure AI Search voor het ophalen en grote taalmodellen van Azure OpenAI om ChatGPT-stijl en Q&A-ervaringen te kunnen gebruiken.
Zie Aan de slag met de chat met behulp van uw eigen gegevensvoorbeeld voor JavaScript om aan de slag te gaan met deze sjabloon. Zie de GitHub-opslagplaats azure-search-openai-javascript voor toegang tot de broncode en gedetailleerde informatie over de sjabloon.
Deze sjabloon demonstreert het gebruik van deze functies.
Azure-hostingoplossing | Technologieën | AI-modellen |
---|---|---|
Azure Container Apps Azure Static Web Apps |
Azure OpenAI Azure AI Search Azure Storage Azure Monitor |
tekst-insluiten-ada-002 |
Front-end voor Azure OpenAI-chat
Deze sjabloon is een minimaal OpenAI-chatwebonderdeel dat kan worden gekoppeld aan elke back-endimplementatie als client.
Zie de GitHub-opslagplaats azure-openai-chat-front-end voor toegang tot de broncode en gedetailleerde informatie over de sjabloon.
Deze sjabloon demonstreert het gebruik van deze functies.
Azure-hostingoplossing | Technologieën | AI-modellen |
---|---|---|
Azure Static Web Apps | Azure AI Search Azure OpenAI |
GPT 3.5 Turbo GPT4 |
Serverloze AI-chat met RAG met behulp van LangChain.js
De sjabloon is een serverloze AI-chatbot met Het ophalen van Augmented Generation met behulp van LangChain.js en Azure die gebruikmaakt van een set ondernemingsdocumenten voor het genereren van antwoorden op gebruikersquery's. Het maakt gebruik van een fictief bedrijf met de naam Contoso Real Estate en de ervaring stelt haar klanten in staat om ondersteuningsvragen te stellen over het gebruik van haar producten. De voorbeeldgegevens bevatten een set documenten waarin de servicevoorwaarden, het privacybeleid en een ondersteuningshandleiding worden beschreven.
Zie Aan de slag met Serverless AI Chat met RAG met behulp van LangChain.js voor meer informatie over het implementeren en uitvoeren van deze sjabloon. Zie de GitHub-opslagplaats serverloze chat-langchainjs voor toegang tot de broncode en gedetailleerde informatie over de sjabloon.
Meer informatie over het implementeren en uitvoeren van deze JavaScript-referentiesjabloon.
Deze sjabloon demonstreert het gebruik van deze functies.
Azure-hostingoplossing | Technologieën | AI-modellen |
---|---|---|
Azure Static Web Apps Azure Functions |
Azure AI Search Azure OpenAI Azure Cosmos DB Azure Storage Beheerde Azure-identiteit |
GPT4 Mistral Ollama |
Feedback
https://aka.ms/ContentUserFeedback.
Binnenkort beschikbaar: In de loop van 2024 zullen we GitHub-problemen geleidelijk uitfaseren als het feedbackmechanisme voor inhoud en deze vervangen door een nieuw feedbacksysteem. Zie voor meer informatie:Feedback verzenden en weergeven voor