AI: Criar um recurso OpenAI do Azure e implantar um modelo

Para começar a usar o Azure OpenAI em seus aplicativos, você precisa criar um Serviço OpenAI do Azure e implantar um modelo que possa ser usado para executar tarefas como converter linguagem natural em SQL, gerar conteúdo de mensagens de email/SMS e muito mais.

Neste exercício, você irá:

• Crie um recurso do Serviço OpenAI do Azure.
• Implante um modelo.
• Atualize o arquivo .env com valores do seu recurso de serviço OpenAI do Azure.

Criar um recurso de serviço OpenAI do Azure

1. Visite o portal do Azure no seu browser e inicie sessão.

2. Digite openai na barra de pesquisa na parte superior da página do portal e selecione Azure OpenAI nas opções que aparecem.

   

3. Selecione Criar na barra de ferramentas.

   Observação

   Embora este tutorial se concentre no Azure OpenAI, se você tiver uma chave de API OpenAI e quiser usá-la, poderá pular esta seção e ir diretamente para a seção Atualizar o arquivo .env do projeto abaixo. Atribua sua chave de API OpenAI no OPENAI_API_KEY arquivo .env (você pode ignorar quaisquer outras .env instruções relacionadas ao OpenAI).

4. Os modelos do Azure OpenAI estão disponíveis em regiões específicas. Visite o documento de disponibilidade do modelo OpenAI do Azure para saber quais regiões suportam o modelo gpt-4o usado neste tutorial.

5. Execute as seguintes tarefas:

   • Selecione sua assinatura do Azure.
   • Selecione o grupo de recursos a ser usado (crie um novo, se necessário).
   • Selecione uma região onde o modelo gpt-4o é suportado com base no documento que você examinou anteriormente.
   • Insira o nome do recurso. Tem de ser um valor exclusivo.
   • Selecione o nível de preço Standard S0 .

6. Selecione Avançar até chegar à tela Revisão + envio . Selecione Criar.

7. Depois que seu recurso do Azure OpenAI for criado, navegue até ele e selecione Gerenciamento de Recursos -->Chaves e Ponto de Extremidade .

8. Localize os valores KEY 1 e Endpoint . Você usará ambos os valores na próxima seção, portanto, copie-os para um arquivo local.

   

9. Selecione Gerenciamento de recursos -->Implantações de modelo.

10. Selecione o botão Gerenciar implantações para ir para o Azure OpenAI Studio.

11. Selecione Implantar modelo -->Implantar modelo base na barra de ferramentas.

    

12. Selecione gpt-4o na lista de modelos e selecione Confirmar.

    Observação

    O Azure OpenAI suporta vários tipos diferentes de modelos. Cada modelo pode ser usado para lidar com diferentes cenários.

13. A caixa de diálogo a seguir será exibida. Reserve um momento para examinar os valores padrão fornecidos.

    

14. Altere o valor de Limite de Taxa de Tokens por Minuto (milhares) para 100K. Isso permitirá que você faça mais solicitações para o modelo e evite atingir o limite de taxa à medida que executa as etapas a seguir.

15. Selecione Implantar.

16. Depois que o modelo for implantado, selecione Playgrounds -->Chat.

17. A lista suspensa Implantação deve exibir o modelo gpt-4o .

    

18. Reserve um momento para ler o texto da mensagem do sistema que é fornecido. Isso informa ao modelo como agir à medida que o usuário interage com ele.

19. Localize a caixa de texto na área de chat e digite Resumir o que é IA Generativa e como ela pode ser usada. Selecione Enter para enviar a mensagem ao modelo e fazer com que ele gere uma resposta.

20. Experimente outros prompts e respostas. Por exemplo, digite Forneça um breve histórico sobre a capital da França e observe a resposta gerada.

Atualizar o arquivo do .env projeto

1. Volte para Visual Studio Code e abra o .env arquivo na raiz do projeto.

2. Copie o valor KEY 1 do seu recurso OpenAI do Azure e atribua-o no OPENAI_API_KEY arquivo .env localizado na raiz da pasta openai-acs-msgraph :

   OPENAI_API_KEY=<KEY_1_VALUE>
   

3. Copie o valor *Endpoint e atribua-o no OPENAI_ENDPOINT arquivo .env . Remova o / caractere do final do valor se ele estiver presente.

   OPENAI_ENDPOINT=<ENDPOINT_VALUE>
   

   Observação

   Você verá que os valores para OPENAI_MODEL e OPENAI_API_VERSION já estão definidos no arquivo .env . O valor do modelo é definido como gpt-4o , que corresponde ao nome de implantação do modelo criado anteriormente neste exercício. A versão da API é definida como um valor suportado definido na documentação de referência do Azure OpenAI.

4. Salve o arquivo .env .

Iniciar os serviços de aplicativo

É hora de iniciar seus serviços de aplicativo, incluindo o banco de dados, o servidor de API e o servidor Web.

1. Nas etapas a seguir, você criará três janelas de terminal no Visual Studio Code.

   

2. Clique com o botão direito do mouse no arquivo .env na lista de arquivos de código do Visual Studio e selecione Abrir no Terminal integrado. Certifique-se de que seu terminal está na raiz do projeto - openai-acs-msgraph - antes de continuar.

3. Escolha uma das seguintes opções para iniciar o banco de dados PostgreSQL:

   • Se você tiver o Docker Desktop instalado e em execução, execute docker-compose up na janela do terminal e pressione Enter.

   • Se você tiver o Podman com podman-compose instalado e em execução, execute podman-compose up na janela do terminal e pressione Enter.

   • Para executar o contêiner PostgreSQL diretamente usando o Docker Desktop, o Podman, o nerdctl ou outro tempo de execução de contêiner instalado, execute o seguinte comando na janela do terminal:

     • Subsistema Mac, Linux ou Windows para Linux (WSL):

       [docker | podman | nerdctl] run --name postgresDb -e POSTGRES_USER=web -e POSTGRES_PASSWORD=web-password -e POSTGRES_DB=CustomersDB -v $(pwd)/data:/var/lib/postgresql/data -p 5432:5432 postgres
       

     • Windows com PowerShell:

       [docker | podman] run --name postgresDb -e POSTGRES_USER=web -e POSTGRES_PASSWORD=web-password -e POSTGRES_DB=CustomersDB -v ${PWD}/data:/var/lib/postgresql/data -p 5432:5432 postgres
       

4. Quando o contêiner de banco de dados for iniciado, pressione o + ícone na barra de ferramentas Terminal de código do Visual Studio para criar uma segunda janela de terminal.

   

5. cd na pasta server/typescript e execute os seguintes comandos para instalar as dependências e iniciar o servidor API.

   • npm install
   • npm start

6. Pressione o + ícone novamente na barra de ferramentas Terminal de código do Visual Studio para criar uma terceira janela do terminal.

7. cdna pasta cliente e execute os seguintes comandos para instalar as dependências e iniciar o servidor Web.

   • npm install
   • npm start

8. Um navegador será iniciado e você será direcionado para http://localhost:4200.

   

Próximo Passo

AI: Linguagem Natural para SQL