Aracılığıyla paylaş

Akıllı uygulamalar ve Yapay Zeka ile İlgili Sık Sorulan Sorular (SSS)

Şunlar için geçerlidir: SQL Server 2025 (17.x) Microsoft Fabric'teAzure SQL VeritabanıAzure SQL Yönetilen Örneği SQL veritabanı

Bu makalede, SQL Veritabanı Altyapısı'ndaki vektörler ve eklemeler hakkında sık sorulan sorular yer alır.

Örnekler ve örnekler için SQL AI Örnekleri deposunu ziyaret edin.

Tamamen T-SQL'de bir alma artırılmış nesil (RAG) çözümü oluşturabilir miyim?

Evet, T-SQL kullanarak bir Retrieval-Augmented Oluşturma (RAG) çözümü oluşturabilirsiniz. Bu tür bir çözüm, verilerinizi etkili bir şekilde yönetmek ve sorgulamak için SQL Veritabanı Altyapısı'nın özelliklerinden yararlanıyor. T-SQL'i kullanarak gerekli veri alma ve işleme mantığını uygulayabilir ve aynı zamanda oluşturma açısından dış yapay zeka hizmetleriyle tümleştirebilirsiniz. Vektörler SQL altyapısında yerel olarak depolanabilir ve doğal dil anlama özellikleri sağlayan LLM'lere bağlantılar aracılığıyla sp_invoke_external_rest_endpointmümkündür.

Neden tamamen T-SQL'de bir RAG çözümü oluşturmalıyım?

Mevcut bir uygulamayı yapay zeka özelliklerini destekleyecek şekilde yeniden tasarlamaya gerek kalmadan geliştirmek istiyorsanız, doğrudan veritabanı sorgularınızda yapay zeka işlevlerini uygulamak için SQL altyapısı yerleşik özelliklerini kullanın. Uygulama mimarinizde kapsamlı değişiklikler yapmak yerine yalnızca yapay zeka özelliklerini dahil etmek için T-SQL kodunuzu güncelleştirmeniz gerekir.

Azure SQL veya RAG için Fabric SQL kullanan uçtan uca örnekler var mı?

Elbette Azure SQL ve Fabric SQL kullanarak RAG için uçtan uca örnekleri burada bulabilirsiniz:

RAG'in sütunlar ve satırlar gibi yapılandırılmış veriler üzerinde çalışmasını sağlayabilir miyim?

Yapılandırılmış verilerle çalışmanız gerekiyorsa, YINE de RAG'i diğer tekniklerle birleştirerek kullanabilirsiniz. Örneğin, yapılandırılmış verilerinizi yapay zeka modeli tarafından anlaşılacak bir şekilde göstermek için eklemeler kullanma gibi. Bu, RAG'ın özelliklerinden yararlanmaya devam ederken yapılandırılmış veriler üzerinde alma ve oluşturma görevleri gerçekleştirmenizi sağlar.

LlM'ye tam ve karmaşık bir şema göndermek neden kötü SQL oluşturma işlemine neden oluyor ve bunu nasıl düzeltebilirim?

Yüzlerce tablo ve görünüm içeren karmaşık ve büyük bir veritabanı şemanız varsa, gürültüyü azaltmaya yardımcı olmak ve yapay zeka modellerinin şemanın belirli alanlarına odaklanmasına izin vermek için çok aracılı bir yaklaşım kullanmak daha iyidir. Burada, çalışan bir uçtan uca örnekle birlikte tam bir açıklama sağlanır:

Yönetilen Kimlik kullanarak Azure OpenAI'ye bağlanabilir miyim?

Evet, Yönetilen Kimlik'i kullanarak Azure OpenAI'ye bağlanabilirsiniz. Bu, kimlik bilgilerini doğrudan yönetmenize gerek kalmadan Azure OpenAI Hizmeti'nin kimliğini güvenli bir şekilde doğrulamanızı ve bunlara erişmenizi sağlar. Daha fazla bilgi için bakınız:

Verilerim Microsoft tarafından eğitim modelleri için kullanılıyor mu?

Hayır. Veriler Microsoft tarafından eğitim modelleri için kullanılmaz. Daha fazla bilgi için Sorumlu Yapay Zeka belgelerine bakın.

Azure OpenAI Hizmeti hangi verileri işler?

Daha fazla bilgi için Azure OpenAI Hizmeti için Veri, gizlilik ve güvenlik belgesine bakın.

Verilerimi yetkisiz yapay zeka aracısı erişiminden nasıl koruyabilirim?

Azure SQL ve SQL Server ayrıntılı erişim güvenliği için kapsamlı destek sağlar:

Azure SQL ve SQL Server'daki Denetim özelliğini kullanarak veritabanında yapılan işlemleri denetlemek de mümkündür.

SQL Server Denetimi (Veritabanı Altyapısı)

İlgili içerik

  • Last updated on