Integrações para Kernel Semântico

Artigo
07/02/2024

O Semantic Kernel fornece uma ampla gama de integrações para ajudá-lo a construir poderosos agentes de IA. Essas integrações incluem serviços de IA, conectores de memória. Além disso, o Semantic Kernel integra-se com outros serviços da Microsoft para fornecer funcionalidades adicionais através de plugins.

Integrações prontas para uso

Com os conectores de IA e memória disponíveis, os desenvolvedores podem facilmente criar agentes de IA com componentes permutáveis. Isso permite que você experimente diferentes serviços de IA e conectores de memória para encontrar a melhor combinação para seu caso de uso.

Serviços de IA

Serviços	C#	Python	Java	Notas
Geração de texto	✅	✅	✅	Exemplo: Text-Davinci-003
Conclusão do bate-papo	✅	✅	✅	Exemplo: GPT4, Chat-GPT
Incorporações de texto (experimental)	✅	✅	✅	Exemplo: text-embeddings-ada-002
Texto para Imagem (Experimental)	✅	❌	❌	Exemplo: Dall-E
Imagem para Texto (Experimental)	✅	❌	❌	Exemplo: Pix2Struct
Texto para áudio (Experimental)	✅	❌	❌	Exemplo: conversão de texto em fala
Áudio para Texto (Experimental)	✅	❌	❌	Exemplo: Whisper

Conectores de memória (experimental)

Os bancos de dados vetoriais têm muitos casos de uso em diferentes domínios e aplicativos que envolvem processamento de linguagem natural (NLP), visão computacional (CV), sistemas de recomendação (RS) e outras áreas que exigem compreensão semântica e correspondência de dados.

Um caso de uso para armazenar informações em um banco de dados vetorial é permitir que grandes modelos de linguagem (LLMs) gerem texto mais relevante e coerente com base em um plug-in de IA.

No entanto, os grandes modelos linguísticos enfrentam frequentemente desafios como a geração de informações imprecisas ou irrelevantes; falta de coerência factual ou de bom senso; repetir-se ou contradizer-se; ser tendencioso ou ofensivo. Para superar esses desafios, você pode usar um banco de dados vetorial para armazenar informações sobre diferentes tópicos, palavras-chave, fatos, opiniões e/ou fontes relacionadas ao domínio ou gênero desejado. Em seguida, você pode usar um modelo de linguagem grande e passar informações do banco de dados vetorial com seu plugin de IA para gerar conteúdo mais informativo e envolvente que corresponda à sua intenção e estilo.

Por exemplo, se você quiser escrever uma postagem de blog sobre as últimas tendências em IA, você pode usar um banco de dados vetorial para armazenar as informações mais recentes sobre esse tópico e passar as informações junto com a solicitação para um LLM, a fim de gerar uma postagem de blog que aproveite as informações mais recentes.

Conectores disponíveis para bancos de dados vetoriais

Hoje, o Semantic Kernel oferece vários conectores para bancos de dados vetoriais que você pode usar para armazenar e recuperar informações. Estes são, entre outros:

Serviço	C#	Python
Banco de dados vetorial no Azure Comsmos DB para NoSQL	C#	Python
Banco de dados vetorial no Azure Cosmos DB baseado em vCore para MongoDB	C#	Python
Pesquisa de IA do Azure	C#	Python
Azure PostgreSQL Server	C#
Base de Dados SQL do Azure	C#
Cromo	C#	Python
DuckDB	C#
Milvus	C#	Python
Pesquisa vetorial do Atlas MongoDB	C#	Python
Pinecone	C#	Python
Postgres	C#	Python
Qdrant	C#
Redis	C#
Sqlite	C#
Tecelagem	C#	Python

Soluções de banco de dados vetorial

Plugins adicionais

Se você quiser estender a funcionalidade do seu agente de IA, você pode usar plug-ins para integrar com outros serviços da Microsoft. Aqui estão alguns dos plugins que estão disponíveis para o Kernel Semântico:

Plug-in	C#	Python	Java	Description
Logic Apps	✅	✅	✅	Crie fluxos de trabalho dentro de Aplicativos Lógicos usando seus conectores disponíveis e importe-os como plug-ins no Kernel Semântico. Mais informações.
Sessões dinâmicas de aplicativos de contêiner do Azure	✅	✅	❌	Com sessões dinâmicas, você pode recriar a experiência do Interpretador de Código a partir da API Assistants girando sem esforço contêineres Python onde os agentes de IA podem executar código Python. Mais informações.

Partilhar via