Comece a usar o chat com sua própria amostra de dados para Python

Este artigo mostra como implantar e executar o Chat com seus próprios exemplos de dados para Python. Este exemplo implementa um aplicativo de chat usando-se o Python, o Serviço OpenAI do Azure e a RAG (Geração Aumentada de Recuperação) na Pesquisa de IA do Azure para obter respostas sobre os benefícios para os funcionários em uma empresa fictícia. O aplicativo é semeado com arquivos PDF, incluindo o manual do funcionário, um documento sobre os benefícios e uma lista de funções e expectativas da empresa.

• Vídeo de demonstração

Seguindo as instruções neste artigo, você vai:

• Implantar um aplicativo de chat no Azure.
• Obtenha respostas sobre os benefícios dos funcionários.
• Altere as configurações para alterar o comportamento das respostas.

Depois de concluir o procedimento, você poderá começar a modificar o novo projeto com seu código personalizado.

Este artigo faz parte de uma coleção de artigos que mostram como criar um aplicativo de chat usando-se o Serviço OpenAI do Azure e a Pesquisa de IA do Azure.

Outros artigos na coleção incluem:

• .NET
• Java
• JavaScript
• Front-end JavaScript + back-end Python

Observação

Este artigo usa um ou mais modelos de aplicativo de IA como base para os exemplos e as diretrizes no artigo. Os modelos de aplicativo de IA fornecem implementações de referência regulares e fáceis de implantar que ajudam a garantir um ponto de partida de alta qualidade para os aplicativos de IA.

Visão geral da arquitetura

Uma arquitetura simples do aplicativo de chat é mostrada no diagrama a seguir:

Os principais componentes da arquitetura incluem:

• Um aplicativo Web para hospedar a experiência de chat interativa.
• Um recurso da Pesquisa de IA do Azure para obter respostas de seus próprios dados.
• Um Serviço OpenAI do Azure a ser fornecido:
  • Palavras-chave para aprimorar a pesquisa sobre seus próprios dados.
  • Respostas do modelo OpenAI.
  • Inserções do modelo ada

Cost

A maioria dos recursos nessa arquitetura usa um tipo de preço básico ou de consumo. O preço de consumo é baseado no uso, o que significa que você paga apenas pelo que usa. Para concluir este artigo, haverá uma cobrança, mas será mínima. Quando terminar o artigo, você poderá excluir os recursos para parar de ser cobrado.

Saiba mais sobre o custo no repositório de exemplo.

Pré-requisitos

Um ambiente de contêiner de desenvolvimento está disponível com todas as dependências necessárias para concluir este artigo. Você pode executar o contêiner de desenvolvimento em Codespaces do GitHub (em um navegador) ou localmente usando o Visual Studio Code.

Para usar este artigo, você precisa dos seguintes pré-requisitos:

Codespaces (recomendado)

• Uma assinatura do Azure – crie uma gratuitamente
• Permissões de conta do Azure – sua conta do Azure deve ter permissões Microsoft.Authorization/roleAssignments/write, como Administrador de Acesso do Usuário ou Proprietário.
• Acesso permitido ao OpenAI do Azure na assinatura do Azure desejada. No momento, o acesso a esse serviço é permitido somente por aplicativo. Você pode solicitar acesso ao Serviço OpenAI do Azure preenchendo o formulário em https://aka.ms/oai/access. Abra um problema neste repositório para entrar em contato conosco se você tiver algum problema.
• GitHub

Visual Studio Code

• Uma assinatura do Azure – crie uma gratuitamente
• Permissões de conta do Azure – sua conta do Azure deve ter permissões Microsoft.Authorization/roleAssignments/write, como Administrador de Acesso do Usuário ou Proprietário.
• Acesso permitido ao OpenAI do Azure na assinatura do Azure desejada. No momento, o acesso a esse serviço é permitido somente por aplicativo. Você pode solicitar acesso ao Serviço OpenAI do Azure preenchendo o formulário em https://aka.ms/oai/access. Abra um problema neste repositório para entrar em contato conosco se você tiver algum problema.
• Azure Developer CLI
• Área de Trabalho do Docker – iniciar o Docker Desktop se ele ainda não estiver em execução
• Visual Studio Code
• Extensão de contêiner de desenvolvimento

Abrir o ambiente de desenvolvimento

Comece agora com um ambiente de desenvolvimento que tenha todas as dependências instaladas para concluir este artigo.

Codespaces do GitHub (recomendado)

O GitHub Codespaces executa um contêiner de desenvolvimento gerenciado pelo GitHub com o Visual Studio Code para Web como interface do usuário. Para o ambiente de desenvolvimento mais simples, use os Codespaces do GitHub para que você tenha as ferramentas e dependências de desenvolvedor corretas pré-instaladas para concluir este artigo.

Importante

Todas as contas do GitHub podem usar Codespaces por até 60 horas gratuitas por mês com 2 instâncias principais. Para saber mais, confira Armazenamento e horas por núcleo incluídos mensalmente no GitHub Codespaces.

1. Inicie o processo para criar um GitHub Codespace no branch main do repositório GitHub Azure-Samples/azure-search-openai-demo.

2. Clique com o botão direito do mouse no botão a seguir e selecione Abrir link em novas janelas para ter o ambiente de desenvolvimento e a documentação disponíveis ao mesmo tempo.

   

3. Na página Criar codespace, analise as definições de configuração do codespace e selecione Criar codespace

   

4. Aguarde até que o codespace seja iniciado. Esse processo de inicialização pode levar alguns minutos.

5. No terminal na parte inferior da tela, entre no Azure com o Azure Developer CLI.

   azd auth login
   

6. Copie o código do terminal e cole-o em um navegador. Siga as instruções para autenticar com sua conta do Azure.

7. As tarefas restantes neste artigo ocorrem no contexto desse contêiner de desenvolvimento.

Visual Studio Code

A extensão Dev Containers para Visual Studio Code requer que o Docker seja instalado no computador local. A extensão hospeda o contêiner de desenvolvimento localmente usando o host do Docker com as ferramentas e dependências de desenvolvedor corretas pré-instaladas para concluir este artigo.

1. Crie um novo diretório local no seu computador para o projeto.

   mkdir my-intelligent-app && cd my-intelligent-app
   

2. Abra o Visual Studio Code nesse diretório:

   code .
   

3. Abra um novo terminal no Visual Studio Code.

4. Execute o comando AZD para levar o repositório do GitHub para seu computador local.

   azd init -t azure-search-openai-demo
   

5. Abra a Paleta de Comandos, procure e selecione Contêineres de Desenvolvimento: Abrir Pasta em Container para abrir o projeto em um contêiner de desenvolvimento. Aguarde até que o contêiner de desenvolvimento seja aberto, antes de continuar.

6. Entre no Azure com o Azure Developer CLI.

   azd auth login
   

   Copie o código do terminal e cole-o em um navegador. Siga as instruções para autenticar com sua conta do Azure.

7. Os exercícios restantes neste projeto ocorrem no contexto desse contêiner de desenvolvimento.

Implantar e executar

O repositório de exemplo contém todos os arquivos de código e configuração necessários para implantar um aplicativo de chat no Azure. As etapas a seguir explicam o processo de implantação do exemplo no Azure.

Implantar aplicativo de chat no Azure

Importante

Os recursos do Azure criados nesta seção geram custos imediatos, principalmente do recurso de Pesquisa de IA do Azure. Esses recursos podem acumular custos mesmo se você interromper o comando antes que ele seja totalmente executado.

1. Execute o seguinte comando do Azure Developer CLI para provisionar os recursos do Azure e implantar o código-fonte:

   azd up
   

2. Se você receber uma solicitação para inserir um nome de ambiente, mantenha-o curto e em minúsculas. Por exemplo, myenv. Ele é usado como parte do nome do grupo de recursos.

3. Quando solicitado, selecione uma assinatura para criar os recursos.

4. Quando for solicitado que você selecione um local na primeira vez, selecione um local próximo a você. Esse local é usado para a maioria dos recursos, incluindo hospedagem.

5. Se você receber uma solicitação para fornecer um local para o modelo do OpenAI ou para o recurso Informação de documentos, selecione o local mais próximo de você. Se o mesmo local estiver disponível como seu primeiro local, selecione-o.

6. Aguarde 5 ou 10 minutos após a implantação do aplicativo antes de continuar.

7. Depois que o aplicativo tiver sido implantado com êxito, você verá uma URL exibida no terminal.

   

8. Selecione essa URL rotulada (✓) Done: Deploying service webapp para abrir o aplicativo de chat em um navegador.

   

Usar o aplicativo de chat para obter respostas de arquivos PDF

O aplicativo de chat é pré-carregado com informações de benefícios dos funcionários de arquivos PDF. Você pode usar o aplicativo de chat para fazer perguntas sobre os benefícios. As etapas a seguir explicam o processo de uso do aplicativo de chat. Suas respostas podem variar à medida que os modelos subjacentes forem atualizados.

1. No navegador, selecione ou insira O que acontece em uma avaliação de desempenho? na caixa de texto do chat.

   

2. Na resposta, selecione uma citação.

   

3. No painel direito, use as guias para entender como a resposta foi gerada.

   Tabulação	Descrição
   Processo de pensamento	Esse é um script das interações no chat. Você pode exibir o prompt do sistema (content) e a pergunta do usuário (content).
   Conteúdo de suporte	Isso inclui as informações para responder à sua pergunta e ao material de origem. O número de citações de material de origem é observado nas Configurações do Desenvolvedor. O valor padrão é 3.
   Citação	Isso exibe a página original que contém a citação.

4. Quando terminar, selecione a guia escolhida novamente para fechar o painel.

Usar as configurações do aplicativo de chat para alterar o comportamento das respostas

A inteligência do chat é determinada pelo modelo OpenAI e pelas configurações usadas para interagir com o modelo.

Configuração	Descrição
Substituir modelo de prompt	Substitui o prompt usado para gerar a resposta com base na pergunta e nos resultados da pesquisa.
Temperatura	Define a temperatura da solicitação para o LLM que gera a resposta. Temperaturas mais altas resultam em respostas mais criativas, mas podem ser menos fundamentadas.
Seed	Define uma semente para aprimorar a reprodutibilidade das respostas do modelo. A semente pode ser qualquer número inteiro.
Pontuação mínima da pesquisa	Define uma pontuação mínima para os resultados da pesquisa que retornam da Pesquisa da IA do Azure. O intervalo de pontuação dependerá se você estiver usando híbrido (padrão), somente vetores ou somente texto.
Pontuação mínima do reclassificador	Define uma pontuação mínima para os resultados da pesquisa que retornam do reclassificador semântico. A pontuação sempre varia entre 0 a 4. Quanto maior a pontuação, mais semanticamente relevante é o resultado da pergunta.
Recuperar muitos resultados da pesquisa	Define o número de resultados da pesquisa a serem recuperados da Pesquisa de IA do Azure. Mais resultados podem aumentar a probabilidade de encontrar a resposta correta, mas podem fazer com que o modelo se "perca no meio". Você pode ver essas fontes retornadas nas guias Processo de pensamento e Conteúdo de suporte da citação.
Excluir categoria	Especifica uma categoria a ser excluída dos resultados da pesquisa. Não há categorias usadas no conjunto de dados padrão.
Usar o classificador semântico para recuperação	Habilita o classificador semântico da Pesquisa de IA do Azure, um modelo que reclassifica os resultados da pesquisa com base na semelhança semântica com a consulta do usuário.
Usar legendas semânticas	Envia legendas semânticas para o LLM em vez do resultado completo da pesquisa. Uma legenda semântica é extraída de um resultado de pesquisa durante o processo de classificação semântica.
Sugerir perguntas de acompanhamento	Pede ao LLM que sugira perguntas de acompanhamento com base na consulta do usuário.
Modo de recuperação	Define o modo de recuperação para a consulta da Pesquisa de IA do Azure. Vetores + Texto (Híbrido) usa uma combinação da busca em vetores e da pesquisa de texto completo; Vetores usa apenas a busca em vetores e Texto usa apenas a pesquisa de texto completo. O híbrido geralmente é ideal.
Transmitir respostas de conclusão do chat	Transmite continuamente a resposta para a interface do usuário do chat à medida que ela é gerada.

As etapas a seguir explicam o processo de alteração das configurações.

1. No navegador, selecione a guia Configurações do desenvolvedor.

2. Marque a caixa de seleção Sugerir perguntas de acompanhamento e faça a mesma pergunta novamente.

   What happens in a performance review?
   

   O chat retornou perguntas de acompanhamento sugeridas, como as seguintes:

   1. What is the frequency of performance reviews?
   2. How can employees prepare for a performance review?
   3. Can employees dispute the feedback received during the performance review?
   

3. Na guia Configurações, desmarque Usar classificador semântico para recuperação.

4. Fazer a mesma pergunta novamente?

   What happens in a performance review?
   

5. Qual é a diferença nas respostas?

   Com o Classificador semântico: durante uma avaliação de desempenho na Contoso Electronics, os funcionários terão a oportunidade de conversar sobre seus sucessos e desafios no local de trabalho (1). A revisão fornecerá comentários positivos e construtivos para ajudar os funcionários a se desenvolverem e crescerem em suas funções (1). O funcionário receberá um resumo por escrito da avaliação de desempenho, que incluirá uma classificação de seu desempenho, comentários, metas e objetivos para o próximo ano (1). A avaliação de desempenho é um diálogo bidirecional entre gerentes e funcionários (1).

   Sem o Classificador semântico: durante uma avaliação de desempenho na Contoso Electronics, os funcionários têm a oportunidade de conversar sobre seus sucessos e desafios no local de trabalho (1). Os comentários positivos e construtivos são fornecidos para ajudar os funcionários a se desenvolverem e crescerem em suas funções. É fornecido um resumo escrito da avaliação de desempenho, incluindo uma classificação de desempenho, comentários e metas para o ano seguinte. A avaliação é um diálogo bidirecional entre gerentes e funcionários (1).

Limpar os recursos

Limpar recursos do Azure

Os recursos do Azure criados neste artigo são cobrados para sua assinatura do Azure. Se você não espera precisar desses recursos no futuro, exclua-os para evitar incorrer em mais encargos.

Execute o seguinte comando do Azure Developer CLI para excluir os recursos do Azure e remover o código-fonte:

azd down --purge --force

As opções fornecem:

• purge: os recursos excluídos são limpos imediatamente. Isso permite reutilizar o TPM do OpenAI do Azure.
• force: a exclusão ocorre silenciosamente, sem exigir o consentimento do usuário.

Limpar GitHub Codespaces

Codespaces do GitHub

A exclusão do ambiente GitHub Codespaces garante que você possa maximizar a quantidade de horas gratuitas por núcleo que você tem direito na sua conta.

Importante

Para saber mais sobre os direitos da sua conta do GitHub, confira O GitHub Codespaces inclui mensalmente armazenamento e horas de núcleo.

1. Entre no painel do GitHub Codespaces (https://github.com/codespaces).

2. Localize seus Codespaces atualmente em execução, originados do repositório Azure-Samples/azure-search-openai-demo do GitHub.

   

3. Abra o menu de contexto do codespace e selecione Excluir.

   

Visual Studio Code

Você não precisa necessariamente limpar seu ambiente local, mas pode interromper o contêiner de desenvolvimento em execução e retornar à execução do Visual Studio Code no contexto de um espaço de trabalho local.

1. Abra a Paleta de Comandos, procure os comandos Contêineres de Desenvolvimento e selecione Contêineres de Desenvolvimento: Reabrir Pasta Localmente.

   

Dica

O Visual Studio Code interromperá o contêiner de desenvolvimento em execução, mas o contêiner ainda existirá no Docker em um estado interrompido. Você sempre tem a opção de excluir a instância de contêiner, a imagem de contêiner e os volumes do Docker para liberar mais espaço no computador local.

Obter ajuda

Este repositório de exemplo oferece informações de solução de problemas.

Se o problema não for resolvido, registre seu problema nos problemas do repositório.

Próximas etapas

• Obter o código-fonte da amostra usada neste artigo
• Criar um aplicativo de chat com a arquitetura de solução de práticas recomendadas do Azure OpenAI
• Controle de acesso em aplicativos da IA Generativa com a Pesquisa de IA do Azure
• Criar uma solução OpenAI pronta para empresas com o Gerenciamento de API do Azure
• Superando a busca em vetores com recursos de recuperação e classificação híbridas