你当前正在访问 Microsoft Azure Global Edition 技术文档网站。 如果需要访问由世纪互联运营的 Microsoft Azure 中国技术文档网站，请访问 https://docs.azure.cn。
从 QnA Maker 迁移到自定义问题解答
本文档的目的：本文旨在提供可用于成功将使用 QnA Maker 的应用程序迁移到自定义问题解答的信息。 我们希望客户能够通过本文清楚地了解以下内容：
- QnA Maker 和自定义问题解答中的功能比较
- 定价
- 简化的预配和开发体验
- 迁移阶段
- 常见迁移方案
- 迁移步骤
目标受众：现有 QnA Maker 客户
重要
自定义问题解答是 2021 年 11 月引入的一项 Azure AI 语言功能，其中的一些新功能包括使用深度学习排名程序的增强型相关性、精确答案和端到端区域支持。 每个自定义问答项目与 QnA Maker 中的知识库等效。 资源级别设置（如基于角色的访问控制 (RBAC)）不会迁移到新资源。 必须为迁移后的语言资源重新配置这些资源级别设置：
- 自动 RBAC 到语言项目（不是资源）
- 自动启用分析。
还需要为语言资源重新启用分析。
功能比较
除了一组新功能外，自定义问题解答还为常用功能提供许多技术改进。
| 功能 | QnA Maker | 自定义问答 | 详细信息 |
|---|---|---|---|
| 一流的基于转换器的模型 | ➖ | ✔ | 基于图灵的模型，支持以 Web 规模搜索问答。 |
| 预生成的功能 | ➖ | ✔ | 使用此功能，可以利用自定义问题解答的强大之处，而无需引入内容和管理资源。 |
| 精确应答 | ➖ | ✔ | 自定义问题解答借助 SOTA 模型来支持精确解答。 |
| 智能 URL 刷新 | ➖ | ✔ | 自定义问题解答提供一键式刷新从公共源引入的内容的方式。 |
| 基于知识库的 Q&A（分层提取） | ✔ | ✔ | |
| 主动学习 | ✔ | ✔ | 自定义问题解答具有改进的主动学习模型。 |
| 替代问题 | ✔ | ✔ | 自定义问题解答中改进的模型减少了添加替代问题的需要。 |
| 同义词 | ✔ | ✔ | |
| 元数据 | ✔ | ✔ | |
| 问题生成（个人预览版） | ➖ | ✔ | 使用此新功能可以基于文本生成问题。 |
| 支持非结构化文档 | ➖ | ✔ | 用户现在可以将非结构化文档作为输入源引入，并可以查询响应内容 |
| .NET SDK | ✔ | ✔ | |
| API | ✔ | ✔ | |
| 统一的创作体验 | ➖ | ✔ | 所有 Azure AI 语言中的单个创作体验 |
| 多区域支持 | ➖ | ✔ |
定价
如果你想要迁移到自定义问题解答，请注意以下几点：
| 组件 | QnA Maker | 自定义问答 | 详细信息 |
|---|---|---|---|
| QnA Maker 服务成本 | ✔ | ➖ | 每个资源每月的固定成本。 仅适用于 QnAMaker。 |
| 自定义问题解答服务成本 | ➖ | ✔ | 自定义问题解答成本根据即用即付模式进行。 仅适用于自定义问题解答。 |
| Azure 搜索成本 | ✔ | ✔ | 适用于 QnA Maker 和自定义问题解答。 |
| 应用服务成本 | ✔ | ➖ | 仅适用于 QnA Maker。 这是迁移至自定义问题解答的用户节约的最大成本。 |
用户可能会选择容量更大的更高层级，这将影响其支付的整体价格。 它不会影响自定义问题解答的语言组件的价格。
自定义问题解答功能中的“文本记录”是指用户提交到运行时的查询，它是语言服务中所有功能共有的概念。 有时，当查询长度较大时，查询可能有更多的文本记录。
示例价格估算
| 使用情况 | QnA Maker 中的资源数 | QnA Maker 中的应用服务数（层级） | QnA Maker 中的每月推理调用 | 搜索分区 x 搜索副本（层级） | 自定义问题解答的相对成本 |
|---|---|---|---|---|---|
| 高 | 5 | 5(P1) | 8M | 9x3(S2) | 成本更高 |
| 高 | 100 | 100(P1) | 6M | 9x3(S2) | 更便宜 |
| 中型 | 10 | 10(S1) | 800K | 4x3(S1) | 更便宜 |
| 低 | 4 | 4(B1) | 100K | 3x3(S1) | 更便宜 |
摘要：客户应该能在最常见的配置间节省成本，如相对成本列所示。
在此处可以找到自定义问题解答和 QnA Maker 的定价详细信息。
Azure 定价计算器可以提供更多详细信息。
简化的预配和开发体验
借助语言服务，QnA Maker 客户现在可以从提供文本分析、LUIS 和自定义问题解答作为语言资源功能的单个服务中受益。 语言服务提供：
- 一个语言资源用于访问上述所有功能
- 针对不同功能的单个创作体验窗格
- 针对所有功能的统一一组 API
- 内聚的、更简单的、功能强大的产品
了解如何开始使用 Language Studio
迁移阶段
如果你或你的组织有处于开发或生产阶段且使用 QnA Maker 的应用程序，请尽快将它们更新为使用自定义问题解答。 有关可用的 API、SDK、机器人 SDK 和代码示例，请参阅以下链接。
下面是要考虑的广泛迁移阶段：
下面提供了其他有用的链接：
- 创作门户
- API
- SDK
- 机器人 SDK：要让机器人使用自定义问题解答，请使用 Bot.Builder.AI.QnA SDK - 我们建议客户继续将其用于机器人集成。 下面是此 SDK 在机器人代码中的一些示例用法：示例 1示例 2
常见迁移方案
本主题将比较从 QnA Maker 迁移到自定义问题解答时的两种假设方案。 这些方案可帮助你确定要针对给定方案执行的一组正确的迁移步骤。
注意
已尝试确保这些方案代表真实的客户迁移，但是各个客户的方案当然会有所不同。 此外，本文不包括定价详细信息。 有关详细信息，请访问定价页面。
重要
每个自定义问答项目与 QnA Maker 中的知识库等效。 资源级别设置（如基于角色的访问控制 (RBAC)）不会迁移到新资源。 必须为迁移后的语言资源重新配置这些资源级别设置。 还需要为语言资源重新启用分析。
迁移方案 1：没有自定义创作门户
在第一个迁移方案中，客户使用 qnamaker.ai 作为创作门户，他们希望将 QnA Maker 知识库迁移到自定义问题解答。
迁移到自定义问题解答后：
- 需要为语言资源重新配置资源级设置
- 应根据以下各项对迁移的知识库进行客户验证：
- 大小验证
- 所有知识库中的 QnA 对数量在迁移前与迁移后应该匹配
- 客户需要在自定义问题解答中为其知识库建立新的阈值，因为与 QnA Maker 相比，置信度评分映射不同。
- 迁移前和迁移后示例问题的解答
- v1 与 v2 中解答的问题的响应时间
- 保留提示
- 在迁移后，客户可以使用批量测试工具在自定义问题解答中测试新建的项目。
需要手动删除旧的 QnA Maker 资源。
此处提供了迁移方案 1 的一些详细步骤。
迁移方案 2
在此迁移方案中，客户可能已利用 QnA Maker 创作 API 或 QnA Maker SDK 创建了自己的创作前端。
他们应该执行这些所需的步骤来迁移 SDK：
本 SDK 迁移指南旨在帮助从旧的 Microsoft.Azure.CognitiveServices.Knowledge.QnAMaker 迁移到新的自定义问题解答客户端库 Azure.AI.Language.QuestionAnswering。 它将侧重于两个包之间类似操作的并排比较。
他们应该执行将知识库迁移到语言资源中的新项目所需的步骤。
迁移到自定义问题解答后：
- 需要为语言资源重新配置资源级设置
- 应根据以下各项对迁移的知识库进行客户验证
- 大小验证
- 所有知识库中的 QnA 对数量在迁移前与迁移后应该匹配
- 置信度评分映射
- 迁移前和迁移后示例问题的解答
- v1 与 v2 中解答的问题的响应时间
- 保留提示
- 迁移前后的批量测试
- 需要手动删除旧的 QnA Maker 资源。
此外，对于必须迁移和升级机器人的客户而言，机器人升级代码将作为 NuGet 包发布。
此处提供了迁移方案 2 的详细步骤
详细了解预生成的 API
迁移步骤
请注意，需要根据客户的现有体系结构执行其中的一些步骤。 请查看上面所述的迁移阶段，以便更清楚地了解需要执行哪些步骤来完成迁移。
