Начало работы с чатом с помощью собственного примера данных для .NET

В этой статье показано, как развернуть и запустить чат с собственным примером данных для .NET. В этом примере реализовано приложение чата с помощью C#, Службы Azure OpenAI и получения дополненного поколения (RAG) в службе "Поиск ИИ Azure" , чтобы получить ответы о преимуществах сотрудников в вымышленной компании. Приложение чата для сотрудников заполняется PDF-файлами, включая руководство сотрудника, документ о преимуществах и список ролей и ожиданий компании.

• Демонстрационное видео

Следуя инструкциям в этой статье, вы получите следующее:

• Разверните приложение чата в Azure.
• Получите ответы о преимуществах сотрудников.
• Измените параметры, чтобы изменить поведение ответов.

После выполнения этой процедуры можно начать изменение нового проекта с помощью пользовательского кода.

Эта статья является частью коллекции статей, показывающих, как создать приложение чата с помощью Azure Open AI Service и поиска ИИ Azure.

Другие статьи в коллекции включают:

• Python
• JavaScript
• Java

Обзор архитектуры

В этом примере приложения вымышленная компания contoso Electronics предоставляет сотрудникам чата возможность задавать вопросы о преимуществах, внутренних политиках, а также описаниях заданий и ролях.

Архитектура приложения чата показана на следующей схеме:

• Пользовательский интерфейс — интерфейс чата приложения — это приложение Blazor WebAssembly . Этот интерфейс принимает пользовательские запросы, маршрутизирует запросы к серверной части приложения и отображает созданные ответы.
• Серверная часть — серверная часть приложения — это ASP.NET базовый минимальный API. Серверная часть размещает статическое веб-приложение Blazor и управляет взаимодействием между различными службами. Службы, используемые в этом приложении, включают:
  • Когнитивный поиск Azure — индексирует документы из данных, хранящихся в учетной записи служба хранилища Azure. Это делает документы доступными для поиска с помощью возможностей векторного поиска .
  • Служба Azure OpenAI — предоставляет большие языковые модели (LLM) для создания ответов. Семантический ядро используется вместе со службой Azure OpenAI для оркестрации более сложных рабочих процессов ИИ.

Себестоимость

Большинство ресурсов в этой архитектуре используют базовую или ценовую категорию потребления. Цены на потребление основаны на использовании, что означает, что вы оплачиваете только то, что вы используете. Чтобы завершить эту статью, будет взиматься плата, но она будет минимальной. Когда вы закончите работу со статьей, вы можете удалить ресурсы для остановки расходов.

Дополнительные сведения см. в примерах Azure Samples: Cost in the sample repo.

Необходимые компоненты

Среда контейнера разработки доступна со всеми зависимостями, необходимыми для выполнения этой статьи. Контейнер разработки можно запустить в GitHub Codespaces (в браузере) или локально с помощью Visual Studio Code.

Чтобы следовать этой статье, вам потребуются следующие предварительные требования:

Пространства кода (рекомендуется)

• подписка Azure — создайте бесплатную учетную запись.
• Разрешения учетной записи Azure. Учетная запись Azure должна иметь разрешения Microsoft.Authorization/roleAssignments/write, такие как администратор доступа пользователей или владелец.
• Службе Azure OpenAI предоставлен доступ в требуемой подписке Azure В настоящее время доступ к этой службе предоставляется только приложением. Вы можете подать заявку на доступ к Azure OpenAI, выполнив форму по адресу https://aka.ms/oai/access. Если у вас возникли проблемы, создайте соответствующий запрос в этом репозитории, чтобы связаться с нами.
• учетная запись GitHub;

Visual Studio Code

• подписка Azure — создайте бесплатную учетную запись.
• Разрешения учетной записи Azure. Учетная запись Azure должна иметь разрешения Microsoft.Authorization/roleAssignments/write, такие как администратор доступа пользователей или владелец.
• Службе Azure OpenAI предоставлен доступ в требуемой подписке Azure В настоящее время доступ к этой службе предоставляется только приложением. Вы можете подать заявку на доступ к Azure OpenAI, выполнив форму по адресу https://aka.ms/oai/access. Если у вас возникли проблемы, создайте соответствующий запрос в этом репозитории, чтобы связаться с нами.
• Интерфейс командной строки разработчика Azure
• Docker Desktop — запустите Docker Desktop , если он еще не запущен
• Visual Studio Code
• Расширение контейнера разработки

Открытие среды разработки

Начните с среды разработки, которая содержит все зависимости, установленные для выполнения этой статьи.

Пространства кода GitHub (рекомендуется)

GitHub Codespaces запускает контейнер разработки, управляемый GitHub, с Помощью Visual Studio Code для Интернета в качестве пользовательского интерфейса. Для наиболее простой среды разработки используйте GitHub Codespaces, чтобы у вас были правильные средства разработчика и зависимости, предварительно установленные для выполнения этой статьи.

Внимание

Все учетные записи GitHub могут использовать пространства Кода до 60 часов бесплатно каждый месяц с 2 основными экземплярами. Дополнительные сведения см. в GitHub Codespaces ежемесячно включаемых в хранилище и основные часы.

1. Запустите процесс создания нового пространства кода GitHub в main ветви Azure-Samples/azure-search-openai-demo-csharp репозитория GitHub.

2. Щелкните правой кнопкой мыши следующую кнопку и выберите "Открыть ссылку" в новых окнах , чтобы одновременно иметь среду разработки и документацию.

   

3. На странице "Создание пространства кода" просмотрите параметры конфигурации пространства кода и выберите "Создать новое пространство кода".

   

4. Дождитесь запуска пространства кода. Этот процесс запуска может занять несколько минут.

5. В терминале в нижней части экрана войдите в Azure с помощью Интерфейса командной строки разработчика Azure.

   azd auth login
   

6. Скопируйте код из терминала и вставьте его в браузер. Следуйте инструкциям по проверке подлинности с помощью учетной записи Azure.

7. Остальные задачи в этой статье выполняются в контексте этого контейнера разработки.

Visual Studio Code

Расширение "Контейнеры разработки" для Visual Studio Code требует установки Docker на локальном компьютере. Расширение размещает контейнер разработки локально с помощью узла Docker с правильными средствами разработчика и предустановленными зависимостями для выполнения этой статьи.

1. Создайте локальный каталог на компьютере для проекта.

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

2. Откройте Visual Studio Code в этом каталоге:

   code .
   

3. Откройте новый терминал в Visual Studio Code.

4. Выполните следующую azd команду, чтобы клонировать репозиторий GitHub на локальный компьютер.

   azd init -t azure-search-openai-demo-csharp
   

5. Откройте палитру команд, а затем найдите и выберите "Контейнеры разработки: открыть папку в контейнере", чтобы открыть проект в контейнере разработки. Дождитесь, пока контейнер разработки не откроется, прежде чем продолжить.

6. Войдите в Azure с помощью Интерфейса командной строки разработчика Azure.

   azd auth login
   

   Скопируйте код из терминала и вставьте его в браузер. Следуйте инструкциям по проверке подлинности с помощью учетной записи Azure.

7. Остальные упражнения в этом проекте происходят в контексте этого контейнера разработки.

Развертывание и запуск

Пример репозитория содержит все файлы кода и конфигурации, необходимые для развертывания приложения чата в Azure. Ниже приведены инструкции по развертыванию примера в Azure.

Развертывание приложения чата в Azure

Внимание

Ресурсы Azure, созданные в этом разделе, несут немедленные затраты, в первую очередь из ресурса поиска ИИ Azure. Эти ресурсы могут начислять затраты, даже если вы прерываете команду до его полного выполнения.

1. Выполните следующую команду Командной строки разработчика Azure, чтобы подготовить ресурсы Azure и развернуть исходный код:

   azd up
   

2. Когда вам будет предложено ввести имя среды, сохраните его коротким и строчным регистром. Например, myenv. Используется в качестве части имени группы ресурсов.

3. При появлении запроса выберите подписку, чтобы создать ресурсы.

4. Когда появится запрос на выбор расположения в первый раз, выберите расположение рядом с вами. Это расположение используется для большинства ресурсов, включая размещение.

5. Если вам будет предложено указать расположение для модели OpenAI, выберите расположение, которое находится рядом с вами. Если то же расположение доступно в качестве первого расположения, выберите это.

6. Дождитесь развертывания приложения. Для завершения развертывания может потребоваться до 20 минут.

7. После успешного развертывания приложения вы увидите URL-адрес, отображаемый в терминале.

8. Выберите этот URL-адрес, чтобы Deploying service web открыть приложение чата в браузере.

   

Использование приложения чата для получения ответов из PDF-файлов

Приложение чата предварительно загружено с информацией о преимуществах сотрудников из PDF-файлов. Вы можете использовать приложение чата, чтобы задать вопросы о преимуществах. В следующих шагах описан процесс использования приложения чата.

1. В браузере перейдите на страницу чата с помощью левой навигации.

2. Выберите или введите "Что входит в план Northwind Health Plus, который не является стандартным?" в текстовом поле чата. Ваш ответ аналогичен следующему изображению.

   

3. В ответе выберите ссылку. Всплывающее окно откроется, отображающее источник информации.

   

4. Перейдите между вкладками в верхней части поля ответа, чтобы понять, как был создан ответ.

   Вкладка	Описание
   Процесс мысли	Это сценарий взаимодействия в чате. Вы можете просмотреть системный запрос (content) и вопрос пользователя (content).
   Вспомогательное содержимое	Сюда входят сведения для ответа на ваш вопрос и исходный материал. Количество ссылок на исходные материалы отмечается в параметрах разработчика. Значение по умолчанию — 3.
   Источник	Откроется исходная страница, содержащая ссылку.

5. Когда вы закончите, вернитесь на вкладку ответов.

Использование параметров приложения чата для изменения поведения ответов

Аналитика чата определяется моделью OpenAI и параметрами, которые используются для взаимодействия с моделью.

Параметр	Description
Переопределение шаблона запроса	Это запрос, используемый для создания ответа.
Получение этого большого количества результатов поиска	Это количество результатов поиска, используемых для создания ответа. Эти источники отображаются в процессе мысли и вкладках содержимого поддержки ссылки.
Исключить категорию	Это категория документов, исключенных из результатов поиска.
Использование семантического ранга для извлечения	Это функция службы "Поиск ИИ Azure", использующая машинное обучение для повышения релевантности результатов поиска.
Режим извлечения	Vectors + Text означает, что результаты поиска основаны на тексте документов и внедрении документов. Векторы означает, что результаты поиска основаны на внедрениях документов. Текст означает, что результаты поиска основаны на тексте документов.
Использование сводок в контекстном запросе вместо целых документов	Use semantic ranker Use query-contextual summaries При проверке в LLM используются заголовки, извлеченные из ключевых проходов, а не все проходы, в документах с наивысшим рейтингом.
Советы по дальнейшим вопросам	Предложите в приложении чата дальнейшие вопросы на основе ответа.

Ниже описан процесс изменения параметров.

1. В браузере щелкните значок шестеренки в правом верхнем углу страницы.

2. Если не выбрано, установите флажок "Предложить дальнейшие вопросы " и снова задайте тот же вопрос.

   What is included in my Northwind Health Plus plan that is not in standard?
   

   Чат может вернуться с предложениями по дальнейшим вопросам.

3. На вкладке "Параметры" отмените выбор семантического рангера для извлечения.

4. Задайте тот же вопрос еще раз.

   What is my deductible?
   

5. Что такое разница в ответах?

   Ответ, который использовал семантический рангер, предоставил один ответ. Ответ без семантического ранжирования вернул менее прямой ответ.

Очистка ресурсов

Очистка ресурсов Azure

Ресурсы Azure, созданные в этой статье, выставляются в подписку Azure. Если вы не ожидаете, что эти ресурсы потребуются в будущем, удалите их, чтобы избежать дополнительных расходов.

Выполните следующую команду Командной строки разработчика Azure, чтобы удалить ресурсы Azure и удалить исходный код:

azd down --purge

Очистка GitHub Codespaces

GitHub Codespaces

Удаление среды GitHub Codespaces гарантирует, что вы можете максимально увеличить объем бесплатных прав на базовые часы, которые вы получаете для вашей учетной записи.

Внимание

Дополнительные сведения о правах учетной записи GitHub см . в GitHub Codespaces ежемесячно включено в хранилище и основные часы.

1. Войдите на панель мониторинга GitHub Codespaces (https://github.com/codespaces).

2. Найдите текущие пространства кода, полученные из Azure-Samples/azure-search-openai-demo-csharp репозитория GitHub.

   

3. Откройте контекстное меню для пространства кода и нажмите кнопку "Удалить".

   

Visual Studio Code

Для очистки локальной среды не обязательно требуется, но вы можете остановить запущенный контейнер разработки и вернуться к запуску Visual Studio Code в контексте локальной рабочей области.

1. Откройте палитру команд, найдите команды "Контейнеры разработки", а затем выберите "Контейнеры разработки: открыть папку локально".

   

Совет

Visual Studio Code остановит запущенный контейнер разработки, но контейнер по-прежнему существует в Docker в остановленном состоянии. Вы всегда можете удалить экземпляр контейнера, образ контейнера и тома из Docker, чтобы освободить больше места на локальном компьютере.

Получить помощь

Этот пример репозитория предлагает сведения об устранении неполадок.

Если проблема не устранена, зайдите в журнал проблемы репозитория.

Следующие шаги

• Получение исходного кода для примера, используемого в этой статье
• Создание приложения чата с помощью архитектуры решения Azure OpenAI
• Управление доступом в созданных приложениях ИИ с помощью службы "Поиск ИИ Azure"
• Создание готового решения OpenAI enterprise с помощью Azure Управление API
• Перебор векторного поиска с гибридными возможностями извлечения и ранжирования