Summary

1 นาที

ในโมดูลนี้ คุณจะได้เรียนรู้วิธีสร้างแอปพลิเคชัน RAG ที่ปรับขนาดได้บนฐานข้อมูล Azure สําหรับ PostgreSQL โดยใช้azure_aiส่วนขยาย และpgvector คุณตั้งค่าที่เก็บข้อมูลแบบฝังตัวที่มีประสิทธิภาพและการค้นหาความคล้ายคลึงกัน ใช้การจัดทําดัชนีเวกเตอร์ด้วย IVFFlat, HNSW และ DiskANN และปรับแต่งไปป์ไลน์การดึงข้อมูลด้วยการค้นหาแบบไฮบริด คุณยังรวมกราฟความรู้ที่มีน้ําหนักเบาผ่าน GraphRAG เพื่อดึงบริบทของความสัมพันธ์ จากนั้นใช้ การจัดอันดับเชิงความหมาย เพื่อปรับแต่งผลลัพธ์เพื่อให้คําตอบมีความแม่นยําและมีความเกี่ยวข้อง แอปพลิเคชัน RAG เต็มรูปแบบทํางานร่วมกับ ฐานข้อมูล Azure สําหรับ PostgreSQL, Python และ LangChain เพื่อให้เวิร์กโฟลว์ตรงไปตรงมา

ทักษะเหล่านี้แปลเป็นการดําเนินการสืบค้นที่เร็วขึ้น ความแม่นยําในการดึงข้อมูลที่ดีขึ้น และสถาปัตยกรรมที่ปรับขนาดเป็นหลายล้านแถวด้วยเวลาแฝงต่ําและการเรียกคืนสูง เลเยอร์กราฟความรู้ช่วยปรับปรุงความเข้าใจโดเมนและช่วยแก้ไขคําถามที่ไม่ชัดเจนสําหรับกรณีการใช้งานที่ซับซ้อนในโลกแห่งความเป็นจริง Semantic Ranking กระชับการสั่งซื้อเมื่อความคล้ายคลึงกันเพียงอย่างเดียวไม่เพียงพอ ผลลัพธ์ที่ได้คือการตอบสนองที่เชื่อถือได้และคํานึงถึงบริบทที่สนับสนุนการตัดสินใจและระบบอัตโนมัติ

หลังจากจบโมดูลนี้ คุณจะได้เรียนรู้:

ตั้งค่าฐานข้อมูล PostgreSQL พร้อม azure_ai และ pgvector ส่วนขยายสําหรับการฝังพื้นที่เก็บข้อมูลและการค้นหาความคล้ายคลึงกัน
หากต้องการเพิ่มความเร็วและความแม่นยําในการดึงข้อมูล ให้สร้างและปรับแต่งดัชนีเวกเตอร์ เช่น IVFFlat, HNSW และ DiskANN
สร้างแอปพลิเคชัน RAG โดยใช้ ฐานข้อมูล Azure สําหรับ PostgreSQL, Python, LangChain และ Azure OpenAI เพื่อสร้างคําตอบที่รับรู้บริบท
ใช้เทคนิคการดึงข้อมูลขั้นสูง รวมถึงการค้นหาแบบไฮบริด การจัดอันดับความหมาย และการค้นหาเวกเตอร์แบบจํากัดกราฟ
เพื่อเพิ่มความแม่นยําสําหรับการสืบค้นหลายแนวคิด ให้รวมกราฟความรู้ที่มีน้ําหนักเบาเข้ากับฐานข้อมูล PostgreSQL

การอ่านเพิ่มเติม:

คำติชม

หน้านี้มีประโยชน์หรือไม่