Udostępnij przez

Wybieranie najlepszego wzorca pro-code w celu utworzenia rozwiązania do generowania sztucznej inteligencji

Wybór wzorca w pro-code ISV Journey

Aby pomóc niezależnym dostawcom oprogramowania (ISV) w tworzeniu generowanych rozwiązań sztucznej inteligencji, firma Microsoft opracowała wskazówki ułatwiające znalezienie realnego przypadku użycia i rozpoczęcie jego tworzenia. Ta strona koncentruje się na wzorcach pro-code, które deweloperzy mogą wybrać, przechodząc przez proces tworzenia rozwiązania. Jeśli nie masz pewności, czy wybrać wzorzec pro-code, czy niski kod, odwiedź stronę możliwości aprowizacji, aby znaleźć najlepsze podejście do przypadku użycia.

Zagadnienia dotyczące podróży pro-code

Wybranie podejścia pro-code umożliwia dostawcom oprogramowania, takie jak korzystanie z opcji wysoce dostosowywalnych podczas projektowania aplikacji sztucznej inteligencji. W ramach podejścia pro-code istnieje wiele wzorców obejmujących kilka platform w celu zaspokojenia różnych potrzeb i preferencji. Wzorzec pro-code jest dobrym rozwiązaniem, jeśli:

  • Tworzenie wysoce dostosowanej aplikacji i potrzeba większej liczby składników w ramach kontrolki.
  • Integrowanie możliwości sztucznej inteligencji z własną aplikacją lub tworzenie jednej od podstaw.
  • Przestrzeganie unikatowych danych lub kwestii związanych z bezpieczeństwem.

Jeśli potrzebujesz szybkiego rozwiązania i możesz użyć narzędzi, takich jak łączniki platformy Power Platform, rozważ zbadanie wzorców z małą ilością kodu.

Istnieją dwa podejścia wysokiego poziomu w ramach kodu pro-code:

  • Tworzenie niestandardowego copilot. Takie podejście obejmuje wzorce, które ułatwiają tworzenie rozwiązania z funkcjami języka naturalnego. Tworzenie za pomocą niestandardowego copilot umożliwia sztucznej inteligencji naturalnie rozmawiać z użytkownikami w wielu sytuacjach.
  • Tworzenie aplikacji w sieci szkieletowej. Takie podejście obejmuje wzorce korzystające z sieci szkieletowej do przetwarzania lub przechowywania danych, które można zintegrować z utworzoną aplikacją sztucznej inteligencji. Te wzorce zapewniają silną podstawę danych i możliwość dostosowania.

Oba podejścia oferują wiele korzyści i umożliwiają tworzenie dostosowywanej aplikacji sztucznej inteligencji. W zależności od wybranego wzorca możesz utworzyć zupełnie nową aplikację lub nowe możliwości wprowadzone w istniejącej aplikacji.

Wybieranie wzorca

Wybranie wzorca jest ostatnim krokiem, który trwa przed rozpoczęciem tworzenia rozwiązania przez niezależnego dostawcę oprogramowania. Wybrany wzorzec:

  • Wpływa na możliwości rozwiązania. Wybranie prawidłowego wzorca dla sytuacji umożliwia dostosowanie rozwiązania do potrzeb klientów. Wybranie wzorca z zbyt niewielką liczbą możliwości może ograniczyć możliwości, które można utworzyć.
  • Wpływa na koszt programowania projektu. Niektóre wzorce wymagają cięższego podnoszenia podczas opracowywania, kosztując czas i pieniądze niezależnych dostawców oprogramowania. Inwestycja wymagana dla wybranego wzorca nie powinna przewyższać potencjalnej wartości przypadku użycia.
  • Umożliwia pracę w różnych interfejsach. Niektóre wzorce są przeznaczone do tworzenia aplikacji od podstaw, podczas gdy inne są przeznaczone do pracy w istniejących aplikacjach lub platformach firmy Microsoft.
  • Zmienia dane, infrastrukturę i inne zagadnienia dotyczące zaplecza. Wzorce pro-code są uniwersalne, ale mogą mieć limity lub wymagać modyfikacji. Zazwyczaj opcje danych i infrastruktury stają się bardziej konfigurowalne podczas wybierania bardziej złożonych opcji wzorców.

Ze względu na wszystkie te czynniki należy dokładnie ocenić sytuację, potrzeby klientów i możliwości techniczne przed wybraniem wzorca. Wybrana platforma i strategia będą mieć wpływ na to, co można utworzyć.

Wiele opcji wzorca

Zamiast wybierać tylko jeden wzorzec, niezależnych dostawców oprogramowania może wybrać integrację możliwości z wielu wzorców. Istnieje nawet możliwość łączenia opcji z małą ilością kodu i kodu prokodowego.

Niezależnie od tego, czy wybierasz jeden wzorzec, czy łączysz wiele, ważne jest, aby wziąć pod uwagę sytuację, w której się znajdujesz, i wybrać platformę, która działa najlepiej dla Ciebie. Ta strona koncentruje się specjalnie na wzorcach pro-code. Aby zapoznać się z większą liczbie opcji w kodzie pro-i low-code, możesz odwiedzić stronę kompleksowych wzorców.

Jądro semantyczne

Niezależnych dostawców oprogramowania, którzy chcą tworzyć zaawansowane aplikacje sztucznej inteligencji, mogą używać jądra semantycznego w wielu różnych opcjach wzorca. Semantyczne jądro to zestaw SDK typu open source, który ułatwia łączenie istniejącego kodu C#, Python i Java z modelami z platformy OpenAI, Azure OpenAI, Hugging Face i nie tylko.

Ponieważ jądro semantyczne współdziała bezpośrednio z kodem, można użyć go wielu różnych wzorców. Niezależnie od wybranego wzorca semantyczne jądro może obsługiwać proces programowania i umożliwiać rozwiązanie dzięki nowym możliwościom generowania sztucznej inteligencji.

Tworzenie niestandardowego copilot

Tworzenie niestandardowego copilot umożliwia tworzenie aplikacji z umiarkowanym wzrostem kodowania i większą możliwością dostosowywania niż wdrażanie lub rozszerzanie pierwszej firmy, Microsoft Copilot. Chociaż musisz samodzielnie utworzyć wiele składników, firma Microsoft zapewnia godną uwagi pomoc techniczną za pośrednictwem zestawów SDK, szablonów i nie tylko, w zależności od wybranego wzorca.

Drzewo decyzyjne dla podejścia "Tworzenie niestandardowego copilotu". Jedna strzałka prowadzi do pola "Ulepsza istniejące aplikacje za pomocą sztucznej inteligencji korzystającej z danych niezależnego dostawcy oprogramowania", który łączy się ze wzorcem D: interfejsy API programu Microsoft Graph. Inna strzałka prowadzi do pola "Tworzy czatboty, które mogą odpowiadać na pytania użytkowników i odciążać proste zadania", co prowadzi do wzorca E: Asystentów Usługi Azure OpenAI. Trzecia strzałka prowadzi do pola z napisem "Dodaje możliwości języka naturalnego do czatbotów isV Teams za pomocą wstępnie utworzonych szablonów", co prowadzi do wzorca F: biblioteka sztucznej inteligencji usługi Teams. Ostatnia strzałka prowadzi do przeczytania pola "Oferuje wysoką możliwość dostosowywania przy użyciu wstępnie wytrenowanych modeli, zestawu AZURE AI SDK i przepływu monitów", co prowadzi do Wzorzec G: Azure AI Studio.

Interfejsy API programu Microsoft Graph

Interfejs API programu Microsoft Graph uzyskuje dostęp do danych użytkowników z aplikacji platformy Microsoft 365, takich jak informacje w programach Outlook, Teams, OneDrive i SharePoint. Dzięki włączeniu istniejących aplikacji do wywoływania tego interfejsu API możesz ulepszyć środowisko użytkownika przy użyciu spersonalizowanych danych z platformy Microsoft 365.

Te interfejsy API można zintegrować w interfejsie użytkownika własnego rozwiązania. Zebrane dane dzierżawy można wyświetlić z Poziomu Eksploratora programu Graph, która jest platformą typu open source zaprojektowaną w celu ułatwienia poznania interfejsów API programu Microsoft Graph.

Ten wzorzec może cię zainteresować, jeśli:

  • Masz istniejącą aplikację, którą chcesz ulepszyć za pomocą spersonalizowanych danych.
  • Chcesz udostępnić spersonalizowane odpowiedzi użytkownikowi końcowemu na podstawie działań platformy Microsoft 365.
  • Wymagaj danych specjalnie z platformy Microsoft 365.

Najważniejsze korzyści wynikające z tego podejścia obejmują:

  • Uzyskiwanie dostępu do danych platformy Microsoft 365 użytkownika końcowego w celu spersonalizowania ich środowiska.
  • Szybkie i łatwe łączenie się z danymi, co pozwala skupić się na innych aspektach aplikacji.

Sprawdźmy, jak fikcyjny isV był w stanie użyć tego wzorca w swojej aplikacji.

Scenariusz interfejsów API programu Microsoft Graph

Firma Contoso utworzyła aplikację, która umożliwia swoim klientom zarządzanie operacjami wewnętrznymi, ale stara się ją ulepszyć. Ich klienci zgłaszają problemy dotyczące podstawowych zadań administracyjnych, takich jak planowanie spotkań, wyłączanie rejestrowania i wysyłanie wiadomości e-mail z zbyt dużą ilością czasu.

Aby rozwiązać ten problem, firma Contoso decyduje się rozszerzyć swoją generacyjną aplikację sztucznej inteligencji przy użyciu interfejsów API programu Microsoft Graph, które mogą łączyć się z danymi klientów na platformie Microsoft 365. Firma Contoso może zwiększyć możliwości asystenta sztucznej inteligencji z dostępem do bardziej odpowiednich danych osobowych pobranych z interfejsu API. Interfejsy API programu Microsoft Graph umożliwiają rozwiązanie firmy Contoso:

  • Generuj wpisy kalendarza i wiadomości e-mail z dala od czasu na podstawie kontekstu od użytkownika i ich żądań dotyczących czasu wolnego.
  • Skorzystaj z informacji z kalendarzy programu Outlook klientów końcowych, aby zasugerować potencjalne czasy spotkań i zaproszenia.
  • Zasugeruj zmiany tonu, wiersze tematów i dokumenty, aby dołączyć do wiadomości e-mail na podstawie historii między adresatem a nadawcą.

Te zmiany i inne umożliwiają generowanie aplikacji sztucznej inteligencji firmy Contoso w celu znacznego usprawnienia zadań administracyjnych klientów. Korzystając z interfejsów API programu Microsoft Graph w swojej aplikacji, mogą one zapewnić przydatne i spersonalizowane porady dla pracowników.

Asystenci usługi Azure OpenAI

Korzystając z możliwości asystentów Azure OpenAI, niezależnych dostawców oprogramowania może szybko tworzyć asystentów sztucznej inteligencji i integrować je z istniejącymi aplikacjami. Asystenci usługi Azure OpenAI mogą odpowiadać na pytania, monitować o proste zadania, a nawet dostosowywać się do pisania i wykonywania kodu na podstawie danych wejściowych użytkownika.

Tworzenie asystenta usługi Azure OpenAI jest tak proste, jak pisanie pliku JSON opisującego funkcję, którą chcesz wykonać, i dając mu środowisko w trybie piaskownicy języka Python, w którym ma zostać uruchomione. Dzięki temu asystent może wywołać istniejące interfejsy API i rozpocząć odpowiadanie na monity.

Ten wzorzec może cię zainteresować, jeśli:

  • Masz istniejącą aplikację, która skorzystałaby z dostosowanego asystenta.
  • Chcesz szybko opracować aplikację podobną do copilot z mniejszym wzrostem technicznym.
  • Należy zintegrować z dodatkowymi narzędziami, które umożliwiają aplikacji wykonywanie zadań bez języka, takich jak matematyka.

Najważniejsze korzyści wynikające z tego podejścia obejmują:

  • Szybkie i wydajne tworzenie asystenta sztucznej inteligencji.
  • Zapewnianie klientom asystenta sztucznej inteligencji umożliwiającego odpowiadanie na bardziej szczegółowe pytania i żądania.
  • Włączenie rozwiązania za pomocą funkcji sztucznej inteligencji, które mogą monitować o proste akcje w celu usprawnienia zadań.

Scenariusz asystenta usługi Azure OpenAI

Firma Contoso ma istniejącą aplikację dla klientów detalicznych, która udostępnia portal pracowników do dołączania, zarządzania zapasami, przetwarzania płatności i nie tylko. Firma Contoso będzie używać Asystenta Azure OpenAI do tworzenia asystenta sklepu, zapewniając klientom wskazówki dostosowane do ich konkretnej sytuacji.

Tworząc asystenta sztucznej inteligencji, firma Contoso może zintegrować dane firm z aplikacją, co pozwala na odpowiadanie na pytania przy użyciu danych firmy. Dzięki tym funkcjom można wykonać następujące czynności:

  • Poprowadzi nowych pracowników za pomocą typowych procesów sklepu.
  • Przewidywanie potrzeb i wymagań dotyczących spisu na podstawie wcześniejszych trendów.
  • Wskazówki referencyjne zawarte w przekazanych dokumentach dotyczących zatrudnienia, takich jak zasady urlopu.

Dzięki włączeniu asystenta sztucznej inteligencji w swojej aplikacji rozwiązanie firmy Contoso staje się źródłem wskazówek i sugestii dla pracowników, a nie tylko narzędziem do zarządzania. Ich klienci mogą używać go do odpowiadania na pytania i identyfikowania ścieżki do przodu w codziennych zadaniach.

Biblioteka sztucznej inteligencji usługi Teams

Jeśli masz już czatbota usługi Teams lub chcesz go utworzyć, czatbot może zostać rozszerzony o możliwości generowania sztucznej inteligencji. Tworzenie szkieletów w bibliotece sztucznej inteligencji usługi Teams jest w stanie obsługiwać język konwersacji dla czatbota, do którego mogą uzyskiwać dostęp bezpośrednio użytkownicy w usłudze Teams.

Ta aplikacja wymaga wprowadzenia logiki biznesowej, której aplikacja ma używać, a duże modele językowe (LLM), które firma Microsoft zapewnia do obsługi aspektów zaplecza czatbota. Możesz nawet zmodyfikować czatbota, aby używał różnych funkcji LLM, wtyczek i innych.

Ten wzorzec może cię zainteresować, jeśli:

  • Masz istniejącego czatbota usługi Teams, który chcesz rozszerzyć o możliwości języka naturalnego.
  • Chcesz korzystać ze wstępnie utworzonych szablonów, zintegrowanych opcji danych i wbudowanych funkcji bezpieczeństwa.

Najważniejsze korzyści wynikające z tego podejścia obejmują:

  • Ulepszanie czatbota usługi Teams za pomocą funkcji języka naturalnego.
  • Tworzenie generującego rozwiązania sztucznej inteligencji z dużą działem pomocy technicznej.
  • Dostosowywanie czatbota w celu zastosowania do potrzeb sytuacyjnych lub przemysłowych.

Scenariusz biblioteki sztucznej inteligencji usługi Teams

Firma Contoso udostępniła teraz swoim klientom czatboty usługi Teams, ale w miarę rozwoju możliwości sztucznej inteligencji chcą zmodernizować swoją aplikację, umożliwiając jej udzielenie odpowiedzi na bardziej szczegółowe pytania i udostępnienie spersonalizowanych porad pracownikom.

Korzystając z biblioteki sztucznej inteligencji usługi Microsoft Teams, firma Contoso może łatwo dodać funkcje języka naturalnego do czatbota. Te nowe możliwości generowania sztucznej inteligencji umożliwiają czatbotowi lepsze wsparcie dla klientów przez:

  • Sugerowanie taktycznych następnych kroków dla bieżących projektów i wskazówek, aby przygotować się do nadchodzących wydarzeń firmowych.
  • Tworzenie planów spotkań, wersji roboczych wiadomości e-mail i nie tylko w oparciu o krótką interakcję między użytkownikiem a czatbotem.
  • Odpowiadanie na pytania przy użyciu dostosowanych odpowiedzi na podstawie kontekstu konwersacji.

Te funkcje pomagają usprawnić środowisko pracy klientów firmy Contoso i umożliwia im szybsze uzyskiwanie bardziej inteligentnych odpowiedzi. Włączenie generowania sztucznej inteligencji do czatbota usługi Teams sprawia, że użytkownicy będą wydajniej w pracy, ponieważ mogą naturalnie rozmawiać z czatbotem w celu uzyskania pomocy technicznej w pracy.

Azure AI Studio

Jeśli chcesz utworzyć całkowicie dostosowaną aplikację do generowania sztucznej inteligencji, która jest wysoce elastyczna pod względem możliwości, możesz użyć jednej z wielu nowoczesnych opcji z usługi Azure AI Studio. Tworzenie generacyjnych rozwiązań sztucznej inteligencji za pomocą usługi Azure AI Studio umożliwia dostosowanie rozwiązania do konkretnych potrzeb, w tym spełnienie wymagań wysoce technicznych lub niszowych.

Usługa Azure AI Studio oferuje wiele opcji tworzenia aplikacji sztucznej inteligencji, takich jak przepływ monitów i zestaw AZURE AI SDK, z których oba mają wstępnie wytrenowane modele, z których można utworzyć. Usługa jest zintegrowana z innymi usługami platformy Azure i zapewnia zasoby na potrzeby ciągłego tworzenia aplikacji, takich jak łańcuch narzędzi LLMOps.

Ten wzorzec może cię zainteresować, jeśli:

  • Chcesz utworzyć aplikację od podstaw lub zmodyfikować istniejącą.
  • Wymagaj asystenta sztucznej inteligencji, aby ukończyć złożone procesy, takie jak odczytywanie i przeglądanie dokumentów technicznych lub analizowanie złożonych trendów danych.
  • Chcesz mieć pełną kontrolę nad tworzeniem aplikacji, aby dostosować tożsamość głosu, osobowości i marki do konkretnych potrzeb.

Najważniejsze korzyści wynikające z tego podejścia obejmują:

  • Tworzenie na zamówienie copilot, który może odpowiedzieć na więcej niszowych pytań i żądań.
  • Dostosowywanie rozwiązania w celu przestrzegania unikatowych wymagań dotyczących zabezpieczeń lub danych.

Scenariusz usługi Azure AI Studio

Firma Contoso chce utworzyć w pełni dostosowaną aplikację do generowania sztucznej inteligencji, aby obsługiwać swoich klientów opieki zdrowotnej podczas tworzenia i przetwarzania oświadczeń. Aby komercjalizować aplikację, musieli oni mieć możliwość dokładnego przetwarzania informacji o klientach, spełniania wyspecjalizowanych zagadnień dotyczących zabezpieczeń i generowania dokładnej zawartości.

Za pomocą programu Azure AI Studio do tworzenia własnej aplikacji generującej sztuczną inteligencję od podstaw udało im się utworzyć w pełni dostosowaną, wysoce bezpieczną aplikację dostosowaną do potrzeb klientów opieki zdrowotnej. Nowa aplikacja firmy Contoso umożliwia lekarzom pracującym dla ubezpieczycieli łatwe wypełnianie formularzy. Narzędzie copilot utworzone za pośrednictwem usługi Azure AI Studio może wykonywać następujące czynności:

  • Obsługa tworzenia formularzy autoryzacji warunkowej za pomocą monitowania konwersacyjnego na podstawie różnych pytań specyficznych dla organizacji.
  • Wykonywanie zapytań dotyczących wielu rekordów pacjentów i przeglądanie informacji w aplikacji firmy Contoso.
  • Poznaj zagadnienia dotyczące zabezpieczeń specyficzne dla organizacji, aby zminimalizować ryzyko i obawy dotyczące prywatności.

Dzięki dokładnemu pobieraniu informacji o pacjentach i używaniu możliwości języka naturalnego w celu ułatwienia generowania formularzy firma Contoso może przyspieszyć proces tworzenia oświadczeń. Ich rozwiązanie pozwala zaoszczędzić użytkownikom cenny czas, szybko i dokładnie wykonując te wyspecjalizowane zadania.

Tworzenie aplikacji w sieci szkieletowej

Chociaż wiele niezależnych dostawców oprogramowania jest zaznajomionych z usługą Fabric jako rozwiązaniem do analizy danych lub danych, może również służyć jako kompleksowa, zintegrowana podstawa danych do generowania aplikacji sztucznej inteligencji. Niezależnie od tego, czy chcesz utworzyć aplikację bezpośrednio w usłudze Fabric, czy zintegrować z usługą OneLake, tworzenie aplikacji w usłudze Fabric zapewnia niezrównane dostosowywanie i kontrolę nad rozwiązaniem.

Drzewo linków dla podejścia "tworzenie aplikacji w sieci szkieletowej". Jedna strzałka prowadzi do odczytu pola "Umożliwia isV odczytywanie, zapisywanie i zarządzanie danymi w usłudze Fabric OneLake przy użyciu istniejących interfejsów API, skrótów i nie tylko", co prowadzi do wzorca H: Interop z siecią szkieletową. Druga strzałka prowadzi do pola "Umożliwia isv tworzenie produktów na platformie Fabric lub łączenie sieci szkieletowej z istniejącymi aplikacjami", co prowadzi do wzorca I: kompilacja w sieci szkieletowej. Końcowa strzałka prowadzi do przeczytania pola "dostarcza niezależnych dostawców oprogramowania z narzędziami do tworzenia wysoce dostosowywalnych obciążeń w ekosystemie sieci szkieletowej", co prowadzi do powstania obciążenia Wzorzec J: Tworzenie obciążenia sieci szkieletowej.

Drzewo linków dla podejścia do tworzenia aplikacji w sieci szkieletowej

Współdziałanie z siecią szkieletową

Zintegrowanie istniejącej aplikacji z usługą Fabric zapewnia nieograniczone opcje usprawniania zaplecza danych rozwiązania. Dzięki współpracy z usługą Fabric można zjednoczyć wiele różnych źródeł danych na jednej platformie przy użyciu różnych narzędzi i interfejsów API.

Sieć szkieletowa oferuje interfejsy API usługi OneLake i interfejsy API analizy w czasie rzeczywistym, które są przeznaczone do szybkiego uzyskiwania dostępu do danych i ich przetwarzania. Za pomocą usługi Data Factory można również ujednolicić dane w środowiskach za pomocą skrótów i zarządzać złożonymi zadaniami przetwarzania danych z maksymalnie 200 źródeł zewnętrznych. Nawet jeśli dane nie są na platformie Azure, możesz tworzyć skróty, aby przenieść dane do usługi OneLake.

Ten wzorzec może cię zainteresować, jeśli:

  • Masz istniejącą aplikację, która wymaga rozszerzonego przetwarzania danych.
  • Rysują dane z różnych źródeł i środowisk.
  • Chcesz odczytywać dane aplikacji i zarządzać nimi w usłudze OneLake lub Data Factory.

Najważniejsze korzyści wynikające z tego podejścia obejmują:

  • Zwiększanie możliwości danych dla istniejących aplikacji dzięki zwiększonym możliwościom przetwarzania, magazynowania i analizy.
  • Integrowanie danych z wielu dzierżaw i środowisk w jednej platformie.

Współdziałanie ze scenariuszem sieci szkieletowej

Aplikacja SaaS opracowana przez firmę Contoso dla swoich klientów detalicznych wymaga większej możliwości zarządzania danymi z wielu dzierżaw. Klienci końcowi firmy Contoso wymagają większego wglądu w swoje dane i żądają dodatkowych informacji na temat trendów i wzorców w swoich danych. Jednak ich klienci używają różnych platform do zarządzania zapasami, kadry, zarządzania internetem i nie tylko, aby firma Contoso musi uzyskać dostęp do pełnego widoku danych.

Aby rozwiązać te problemy, firma Contoso połączyła istniejącą aplikację z usługą Fabric. Dzięki temu mają lepsze zarządzanie danymi na poziomie administracyjnym, a także lepsze szczegółowe informacje o danych i widoczność dzierżawców. Aplikacja jest w stanie:

  • Użyj funkcji udostępniania danych i skrótów wielochmurowych, aby zebrać informacje z różnych dzierżaw w usłudze OneLake.
  • Uzyskiwanie dostępu do danych organizacji natychmiast za pośrednictwem interfejsów API analizy w czasie rzeczywistym.
  • Obsługa ilości danych skojarzonych z rozwiązaniem na dużą skalę.
  • Przedstawianie informacji o danych klienta do nich za pośrednictwem interaktywnych pulpitów nawigacyjnych utworzonych przez firmę Contoso w swojej aplikacji.

Teraz, gdy firma Contoso może łatwiej uzyskiwać dostęp do danych od swoich klientów, może zmodyfikować swoje rozwiązanie w celu udostępnienia tych informacji klientom końcowym. Ich klienci końcowi mogą łatwo i dokładnie interpretować swoje dane i używać ich do dokonywania wyborów dla swojej firmy.

Kompilowanie w sieci szkieletowej

Poza nawiązaniem połączenia z usługą Fabric jako platformą danych dla aplikacji możesz również budować na platformie szkieletowej, aby osadzić funkcje sieci szkieletowej bezpośrednio w aplikacji. Deweloperzy mogą używać różnych interfejsów API REST do tworzenia funkcji sieci szkieletowej w swoich aplikacjach w celu obsługi bardziej technicznych przepływów pracy z funkcjami generowania sztucznej inteligencji.

Różne interfejsy API można zintegrować w aplikacji, aby umożliwić jej korzystanie z różnych funkcji. Na przykład osadzanie interfejsu API magazynu w aplikacji zapewnia jej opcje magazynu dostępne w ramach sieci szkieletowej. Tworzenie aplikacji bezpośrednio na platformie Fabric umożliwia bezproblemowe korzystanie z tych funkcji sieci szkieletowej i manipulowanie nimi w interfejsie własnej aplikacji.

Ten wzorzec może cię zainteresować, jeśli:

  • Tworzy aplikację, która będzie używana przez analityków danych lub innych użytkowników z bardziej kompleksowymi potrzebami w zakresie zarządzania danymi.
  • Chcesz uwzględnić kompleksowe opcje przechowywania i przetwarzania danych w aplikacji.
  • Chcesz utworzyć aplikację od podstaw lub zmodyfikować istniejącą.

Najważniejsze korzyści wynikające z tego podejścia obejmują:

  • Integrowanie możliwości danych sieci szkieletowej bezpośrednio z rozwiązaniem.
  • Zarządzanie danymi i manipulowanie nimi we własnej aplikacji.
  • Tworzenie aplikacji z pełną możliwością dostosowywania i kontrolą.

Scenariusz kompilacji w sieci szkieletowej

Klienci firmy Contoso wyrazili potrzebę bardziej złożonych możliwości danych. Między śledzeniem trendów sprzedaży, harmonogramów pracowników, spisu sklepów cyfrowych i magazynów osobiście oraz wielu dzierżawców wymaga znacznie większej obsługi przetwarzania danych w nowej aplikacji.

Aby efektywniej zarządzać danymi klientów, firma Contoso opracowała nową aplikację utworzoną na bazie sieci szkieletowej. Ta aplikacja umożliwia użytkownikom bezpośredni interfejs z danymi i interakcję z nimi w aplikacji firmy Contoso. Dzięki wykorzystaniu możliwości przetwarzania danych w usłudze Fabric ich aplikacja może:

  • Nawiąż połączenie z usługą OneLake, usługą Power BI i nie tylko bezpośrednio w aplikacji, które można wyświetlić za pośrednictwem dostosowanych pulpitów nawigacyjnych utworzonych przez firmę Contoso.
  • Podaj szczegółowe informacje o zyskach z kategorii, takich jak sklepy online lub osobiście, różne lokalizacje sklepów oraz według marki i kategorii produktów.
  • Użyj sztucznej inteligencji, aby analizować te dane i udostępniać klientom szczegółowe informacje i sugestie, takie jak sugerowanie zmiany cen produktu, przewidywanie potencjalnych zakłóceń i identyfikowanie wartości odstających w strumieniach przychodów.
  • Zapewnij klientom firmy Contoso bezpośredni dostęp do danych sieci Szkieletowej na platformie Firmy Contoso.

Osadzając możliwości sieci Szkieletowej w swojej aplikacji, mogą zarządzać danymi i nimi manipulować bezpośrednio w ramach rozwiązania. Sztuczna inteligencja oparta na swoim rozwiązaniu jest w stanie uzyskać dostęp do tych danych i zapewnić spersonalizowane szczegółowe informacje biznesowe dla klientów firmy Contoso.

Tworzenie obciążenia sieci szkieletowej

Oprócz tworzenia z siedmioma natywnymi obciążeniami usługi Fabric niezależni dostawcy oprogramowania mogą rozszerzać możliwości sieci szkieletowej, tworząc własne dostosowane obciążenia i oferując je jako oddzielne rozwiązanie. Te obciążenia można tworzyć od podstaw, aby dostarczać mnóstwo możliwości zarządzania danymi, niezależnie od tego, czy to tworzy bardziej całościowy widok danych klientów, czy podejmuje działania na podstawie trendów danych i przewidywań.

Dostawcy oprogramowania mogą używać zestawu Microsoft Fabric Workload Development Kit do tworzenia własnego obciążenia i publikowania go jako oferty SaaS dla innych użytkowników sieci Szkieletowej w witrynie Azure Marketplace. Ten wzorzec jest łatwo zarabialny w witrynie Azure Marketplace i korzysta z środowiska użytkownika sieci szkieletowej podczas łączenia się z klientami, co pozwala skoncentrować się na tworzeniu obciążenia.

Ten wzorzec może cię zainteresować, jeśli:

  • Chcesz utworzyć narzędzie dostępne dla użytkowników końcowych w sieci szkieletowej, takie jak inni deweloperzy lub analitycy danych.
  • Zobacz potrzebę lub wymaganie dotyczące danych, które chcesz spełnić w usłudze Fabric.
  • Chcesz skorzystać z pomocy technicznej firmy Microsoft, takiej jak istniejący środowisko użytkownika i prosta publikacja w witrynie Azure Marketplace.

Najważniejsze korzyści wynikające z tego podejścia obejmują:

  • Publikowanie aplikacji w witrynie Azure Marketplace, gdzie można ją łatwo uzyskać i zakupić przez użytkowników końcowych technicznych w sieci szkieletowej.
  • Tworzenie wysoce dostosowywalnych rozwiązań dostosowanych bezpośrednio do wymagań dotyczących danych klientów.

Tworzenie scenariusza obciążenia sieci szkieletowej

Firma Contoso chce tworzyć rozwiązania, które mogą być używane przez swoich klientów detalicznych do śledzenia łańcuchów dostaw i zarządzania zapasami zarówno w sklepach cyfrowych, jak i indywidualnych dla kilku dzierżaw. Chcą, aby aplikacja była łatwo dostępna dla użytkowników końcowych technicznych, aby mogła realizować większe wykorzystanie aplikacji opartej na danych.

Korzystając z zestawu Microsoft Fabric Workload Development Kit, firma Contoso mogła opracować obciążenie, do którego klienci mogą uzyskiwać dostęp bezpośrednio z poziomu sieci Szkieletowej w środowisku użytkownika, z którego znają się. Udało im się zarobić jako aplikację SaaS w witrynie Azure Marketplace, gdzie jest ona łatwo dostępna dla użytkowników końcowych firmy Contoso na platformie Fabric. Obciążenie sieci szkieletowej jest w stanie:

  • Zoptymalizuj spis, udostępniając szczegółowe informacje na temat obszarów wymagających dodatkowego zapotrzebowania i korzystania z funkcji sztucznej inteligencji w celu sugerowania ścieżki do przodu.
  • Prognozowanie przyszłego zapotrzebowania za pomocą funkcji uczenia maszynowego, które analizują wcześniejsze trendy.
  • Symulowanie możliwych scenariuszy, które mogą mieć wpływ na łańcuch dostaw, na przykład zmianę dostawców.

Oferując swoje rozwiązanie jako obciążenie sieci szkieletowej, firma Contoso może pomóc analitykom danych i innym specjalistom technicznym zoptymalizować łańcuchy dostaw. Klienci firmy Contoso uzyskują lepszy wgląd w swoją działalność dzięki starannej analizie przeszłych danych i przewidywań przyszłych trendów przez sztuczną inteligencję.

Podsumowanie

Poznając każdy wzorzec i ich możliwości, należy teraz zdecydować, jak utworzyć generowanie rozwiązania sztucznej inteligencji. Po zbadaniu wybranego podejścia i potwierdzeniu, że znajduje się ona w ramach Twoich możliwości, możesz rozpocząć tworzenie aplikacji.

Zapoznaj się z poniższymi zasobami, aby dowiedzieć się więcej na temat wybranego wzorca, a także innych następnych kroków tworzenia środowiska generowania sztucznej inteligencji.

Tworzenie własnego copilot

Linki do dodatkowych informacji dotyczących poszczególnych kompilacji własnego wzorca copilot:

Więcej informacji o tworzeniu aplikacji w usłudze Fabric

Linki do dodatkowych informacji na temat tworzenia aplikacji w usłudze Fabric:

Więcej informacji na temat generowania wzorców sztucznej inteligencji i ich korzyści: Tworzenie generacyjnych środowisk sztucznej inteligencji w chmurze firmy Microsoft — przewodnik dla niezależnych dostawców oprogramowania | Microsoft Learn

Wskazówki dotyczące środowiska użytkownika niezależnych dostawców oprogramowania projektującego generowanie środowisk sztucznej inteligencji: następne kroki projektowania środowiska użytkownika generującego sztucznej inteligencji.

  • Last updated on