Azure 逻辑应用中工作流的 AI playbook、示例和其他资源

适用范围：Azure 逻辑应用（消耗型 + 标准型）

AI 功能通过执行有用的、节省时间或新颖的任务（如聊天交互）在应用程序和其他软件中扮演快速而不断增长的角色。 这些功能还有助于在企业或组织中跨服务、系统、应用和数据生成集成工作负载。

本指南提供构建基块、示例、样本和其他资源，这些资源有助于说明如何使用 AI 服务，例如 Azure OpenAI 和 Azure AI 搜索，以及其他服务、系统、应用和数据，这些服务、系统、应用和数据在 Azure 逻辑应用中构建为自动化工作流的集成解决方案中协同工作。

AI 代理和模型支持的工作流（预览版）

Azure 逻辑应用支持标准逻辑应用工作流，这些工作流在 Azure OpenAI 服务中使用具有大型语言模型（LLM）的代理来完成任务。 代理使用迭代循环过程来解决复杂的多步骤问题。 大型语言模型是一个经过训练的程序，用于识别模式并执行无需人工交互的作业，例如：

• 分析、解释以及推理信息，例如说明、提示、输入和其他数据。
• 根据结果和可用数据做出决策。
• 根据代理的说明制定答案，并将其返回给提问者。

创建标准逻辑应用后，添加使用 代理 工作流类型的工作流。 代理类型创建包含默认代理的部分工作流。 此代理可以自主工作，但你可以设置代理以通过聊天界面与你交互。 代理使用自然语言与你和连接的模型进行通信。 该代理还使用模型生成的输出来执行工作 - 与人机交互或不交互。 该模型可帮助代理提供以下功能：

• 接受有关代理功能、操作方法以及如何响应的信息。
• 自主或通过聊天接收和响应请求（提示）。
• 根据可用信息处理输入、分析数据并做出选择。
• 选择用于完成完成请求所需的任务的工具。 基本上，工具 是一系列包含一个或多个动作以完成任务的步骤。 工具只能使用动作，而不能使用触发器。
• 适应需要灵活性且变化多端、动态、不可预知或不稳定的环境。

使用可用于在代理中生成工具的 1,400 多个连接器 ，代理工作流支持大量可从代理和模型功能中受益的方案。 根据用例，代理可以在有或没有人工交互的情况下执行工作。

有关更多信息，请参阅以下资源：

资源类型	链接。
文档	- 在 Azure 逻辑应用中使用 AI 代理和模型工作流 - 创建使用 AI 代理和模型完成 Azure 逻辑应用中任务的工作流
博客文章	宣布代理循环：在 Azure 逻辑应用中生成 AI 代理
博客文章	Azure 逻辑应用的代理循环演示
视频概述	为 Azure 逻辑应用中的代理做好准备
视频演示	贷款审批 - 自治代理循环
视频演示	产品返回 - 自治代理循环
视频演示	使用 IBM 大型机和 Midrange 系统集成的杂货店返回 - 自治代理循环
视频演示	作对话代理 - 使用 ServiceNow 修复和重新提交
视频演示	Operations Autonomous Agent - 使用 ServiceNow 修复和重新提交
视频演示	编码和声明性多个代理

AI 解决方案的构建基块

本部分介绍内置作和文档链接，这些文档可用于为 AI 集成方案（如文档引入）构建标准工作流，从而使客户能够“与数据聊天”。

注意

AI 构建基块（如内置操作和连接器）可用于消耗工作流和标准工作流。 但是，这些示例、样本及资源均以标准工作流程为例。 随着本文随时间推移而不断改进，请随时了解相关指导。

例如，Azure OpenAI 和 Azure AI 搜索连接器提供操作，通过无代码设置简化后端进程，并减少将 AI 功能集成到工作流中的复杂性。 这些操作不需要任何自定义代码、逻辑或配置即可使用。 无论任务是文档分析、数据分块还是支持生成式 AI 模型，此无代码方法都有助于自动执行复杂的工作流，从而帮助你以最少的工作量解锁数据的全部潜力。

有关更多信息，请参阅以下资源：

资源类型	链接。
视频概述	- 实现与 Azure 集成服务的企业集成现代化 - 使用 Azure 逻辑应用将 AI 集成到工作流中 - 使用 Azure 逻辑应用加速生成式 AI 开发 - 集成 2024

准备内容

以下操作可帮助你准备供 AI 服务、数据引入和聊天交互使用的内容：

名称	连接器或操作？	功能
分析文档	操作 （内置）	将内容转换为标记化的字符串输出，以便工作流程能够读取和解析数千份文档，这些文档的文件类型包括 PDF、DOCX、CSV、PPT、HTML 等，且支持多种语言。 该操作可帮助你在工作流中准备供 Azure AI 服务使用的内容。 例如，Azure OpenAI 和 Azure AI 搜索等 Azure AI 服务的连接器操作通常需要令牌化输入，并且只能处理有限数量的令牌。
将文本分块	操作 （内置）	将标记化字符串拆分为片段，以便后续操作更轻松地在同一工作流中使用。 该操作可帮助你在工作流中准备供 Azure AI 服务使用的内容。 例如，Azure OpenAI 和 Azure AI 搜索等 Azure AI 服务的连接器操作通常需要令牌化输入，并且只能处理有限数量的令牌。
Azure OpenAI	连接器 （内置）	为 AI 功能（例如引入数据、生成嵌入和聊天补全）提供操作，这对于创建复杂的 AI 应用程序至关重要。 你可以将 Azure OpenAI 中的自然语言处理功能与 Azure AI 搜索和其他连接器中的智能搜索功能集成，这些连接器可帮助你访问和使用矢量存储，而无需编写代码。

数据索引和向量数据库

以下连接器提供数据适用于索引和检索、使用矢量数据库、搜索和标准数据库相关的操作。

名称	连接器	功能
Azure AI 搜索	连接器 （内置）	为 AI 功能提供操作，例如通过索引、高级矢量操作和混合搜索操作增强数据检索。
SQL Server	连接器 （内置）	提供用于处理 SQL 数据库中的行、表和存储过程的操作。
Azure Cosmos DB	连接器 （Azure 管理和托管）	提供用于处理全局分布式、弹性、独立可缩放和多模型数据库中的文档和存储过程的操作。 注意：此服务以前名为 Azure DocumentDB。

更多资源

有关更多信息，请参阅以下资源：

资源类型	版本	链接。
文档	各种	- 在 Azure 逻辑应用中分析标准工作流的内容或将其分块 - 使用 Azure 逻辑应用中的标准工作流连接到 Azure AI 服务 - Azure OpenAI 内置操作参考 - Azure AI 搜索内置操作参考 - 从 Azure 逻辑应用中的工作流连接到 SQL 数据库 - SQL Server 内置操作参考 - 使用 Azure 逻辑应用在 Azure Cosmos DB 中处理和创建文档 - Azure Cosmos DB 连接器参考
博客文章	正式发布	- Azure OpenAI 和 Azure AI 搜索连接器现已正式发布，适用于 Azure 逻辑应用（标准版） - 自动执行 RAG 索引：适用于源文档处理的 Azure 逻辑应用和 AI 搜索
博客文章	公共预览版	Azure OpenAI 和 Azure AI 搜索连接器已发布公共预览版，适用于 Azure 逻辑应用（标准版）
演示视频	正式发布	使用 Azure 逻辑应用构建基于 RAG 的端到端 AI 应用程序（标准版）
演示视频	公共预览版	使用 Azure 逻辑应用将文档数据引入 Azure AI 搜索并与数据聊天
GitHub 示例	正式发布	创建与数据 (RAG) 的聊天 - Azure 逻辑应用项目
GitHub 示例	公共预览版	创建与数据的聊天 - Azure 逻辑应用项目

准实时与数据聊天

以下部分介绍了如何使用 Azure 逻辑应用和各种 AI 服务为数据设置近实时聊天功能。

使用 Azure 逻辑应用生成 Azure OpenAI 助手

借助 Azure OpenAI，可以使用助手 API 轻松地将类似代理的功能构建到应用程序中。 尽管以前存在生成代理的功能，但该过程通常需要重要的工程、外部库和多个集成。 但是，现在使用助手后，你可以快速创建基于其企业数据训练的自定义监控状态的助手，并可以使用最新的 GPT 模型、工具和知识来处理各种任务。 当前版本包括文件搜索和浏览工具、增强的数据安全功能、改进的控制、新模型、扩展区域支持以及各种增强功能，使原型制作到生产变得容易。

现在，可以通过将 Azure 逻辑应用工作流调用为 AI 函数来生成助手。 无需编写任何代码，即可从 Azure OpenAI 助手场发现、导入和调用 Azure OpenAI Studio 中的工作流。 助手操场会枚举并列出订阅中有资格调用函数的所有工作流。

若要使用函数调用测试助手，可以使用浏览和选择体验将工作流导入为 AI 函数。 系统会自动从 Swagger 为工作流拉取函数规范生成和其他配置。 函数调用会根据用户提示触发工作流程，同时所有合适的参数会依据定义传入。

有关更多信息，请参阅以下资源：

资源类型	链接。
博客文章	- 使用函数调用生成 Azure OpenAI 助手 - 带有 Azure 逻辑应用的 Azure AI 助手
演示视频	作为 AI 插件的 Azure 逻辑应用
文档	使用 Azure OpenAI 助手将 Azure 逻辑应用工作流调用为函数

与语义内核集成

此轻型开源开发工具包可帮助你轻松生成 AI 代理并将最新的 AI 模型集成到 C#、Python 或 Java 代码库中。 在最简单的级别，内核是一个依赖项注入容器，用于管理 AI 应用程序需要运行的所有服务和插件。 如果将所有服务和插件提供给内核，AI 会根据需要无缝使用这些组件。 作为中心组件，内核充当一个高效的中间件，可帮助你快速交付企业级解决方案。

有关更多信息，请参阅以下资源：

资源类型	链接。
博客文章	将标准逻辑应用工作流作为插件与语义内核集成：分步指南
GitHub 示例	Azure 逻辑应用的语义内核
文档	语义内核简介

管理智能文档收集和处理

借助 Azure AI 文档智能和 Azure 逻辑应用，你可以在具有大量数据存储在表单和文档中的数据类型的数据时生成智能文档处理工作流。 文档智能有助于管理收集和处理数据的速度。 在 Azure 逻辑应用中，Document Intelligence 连接器提供的操作可帮助你从各种文档中提取文本和其他信息。

注意

在 Azure 逻辑应用的工作流设计器连接器库中，文档智能连接器当前被命名为“表单识别器”。 你可以在库的“共享”标签下找到连接器的操作，这些操作在多租户 Azure 中托管和运行。

有关更多信息，请参阅以下资源：

资源类型	链接。
演示视频	使用 Azure 逻辑应用和 AI 处理发票
文档	- 使用 Azure 逻辑应用创建文档智能工作流 - 表单识别器连接器参考

检索增强生成 (RAG)

若要为回答问题和完成句子、生成式 AI 模型或大型语言模型（如 ChatGPT）等任务生成原始输出，请使用大量的静态数据和数十亿个参数进行训练。 检索扩充生成是向 LLM 添加信息检索功能并修改其交互的方法，以便 LLM 可以通过引用扩充模型自己的训练数据的内容来响应用户查询。 借助此功能，LLM 可以使用特定于域或更新的信息，并实施用例，以便提供对权威来源提供的内部公司数据或事实信息的聊天机器人访问。

RAG 将 LLM 已经强大的功能扩展到特定域或组织的内部知识库，而无需重新训练模型。 RAG 体系结构还提供一种经济高效的方法来改进和保持 LLM 输出的相关性、准确且实用。

示例

以下示例演示了在 Azure 逻辑应用中使用标准工作流应用或实现 RAG 模式的方法。

使用 Azure 逻辑应用创建基于 RAG 的端到端 AI 应用程序

使用 Azure 逻辑应用构建基于 RAG 的端到端 AI 应用程序（标准版）

与保险数据聊天

此示例使用经典 RAG 模式，其中工作流引入保险公司的文档和数据，以便员工可以询问有关其福利和计划保险选项的问题。

有关更多信息，请参阅以下资源：

资源类型	链接。
博客文章	Azure OpenAI 和 Azure AI 搜索连接器已发布公共预览版，适用于 Azure 逻辑应用（标准版）
演示视频	将文档数据引入 Azure AI 搜索服务，并使用 Azure 逻辑应用与数据聊天
GitHub 示例	创建与数据的聊天 - 标准逻辑应用项目

自动回答 StackOverflow 问题

此示例演示如何使用 Azure OpenAI 和 Azure AI 搜索连接器自动回答具有特定井号标签的新 StackOverflow 问题。 该示例可以引入以前的帖子和产品文档，以便在有新问题可用时，解决方案可以使用知识库自动回答，然后要求用户在 StackOverflow 上发布之前批准回复。

你可以根据偏好自定义此工作流为每日、每周或每月触发，并为任何标签设置自己的自动响应系统，从而简化社区支持。 你也可以使用 Azure 逻辑应用连接器为 Outlook、ServiceNow 或其他平台中的票证改编此解决方案，以确保安全访问。

有关更多信息，请参阅以下资源：

资源类型	链接。
博客文章	使用 Azure OpenAI 和 Azure 逻辑应用自动响应 StackOverflow 查询
GitHub 示例	自动响应未回答的 StackOverflow 问题

引入文档并与数据聊天

数据是任何 AI 应用程序的基石，对于每个组织来说都是独一无二的。 构建任何 AI 应用程序时，高效的数据引入对于成功至关重要。 无论数据位于何处，都可以通过使用 Azure 逻辑应用构建标准工作流，以很少的代码甚至零代码将 AI 集成到新的和现有的业务流程中。

通过 1,400 多个企业连接器和操作，Azure 逻辑应用使你能够使用各种服务、系统、应用程序和数据库快速访问和执行任务。 将这些连接器与 AI 服务（如 Azure OpenAI 和 Azure AI 搜索）一起使用时，你的组织可以转换工作负载，例如自动执行例行任务、增强客户与聊天功能的交互、在必要时提供对组织数据的访问以及生成智能见解或响应。 除了这些操作之外，Azure 逻辑应用还提供预生成的工作流模板，用于引入来自许多常见数据源（例如 SharePoint、Azure 文件存储、Blob 存储、SFTP 等）的数据，以帮助你快速生成应用程序。

例如，在工作流中使用 Azure OpenAI 和 Azure AI 搜索连接器操作集成 AI 服务时，组织可以无缝实现检索扩充生成 (RAG) 模式。 此体系结构包括信息检索系统，并通过引用特定于域或权威的知识来扩充大型语言模型的训练数据，而无需重新训练模型，从而最大程度地降低成本。 有关详细信息，请参阅本指南后续的“检索扩充生成 (RAG)”部分。

有关更多信息，请参阅以下资源：

资源类型	链接。
博客文章	使用 Azure 逻辑应用从 1,000 多个数据源引入生成式 AI 应用程序的文档
演示视频	使用 Azure 逻辑应用基于 RAG 引入文档（标准版）

使用工作流模板快速入门

将新工作流添加到标准或消耗逻辑应用时，可以选择预生成的模板作为起点。 每个模板都遵循支持特定方案的常见工作流模式。 你还可以创建工作流模板，然后可以通过在模板 GitHub 存储库中发布工作流开发人员来与其他工作流开发人员共享这些模板。

下表介绍了一些示例工作流模板：

文档源	模板描述	AI 服务
Azure AI 文档智能	标准： - 使用 Azure OpenAI 分析复杂文档	- Azure OpenAI
Azure Blob 存储	标准： - 使用 RAG 模式引入和索引文件 - 使用 RAG 模式将文档引入和向量化到 Azure Cosmos DB for NoSQL	- Azure OpenAI - Azure AI 搜索
Azure 文件存储	标准： - 按计划将文档引入 AI 搜索 - 使用 RAG 模式按计划引入和索引文件 - 使用 RAG 模式引入和索引文件	- Azure OpenAI - Azure AI 搜索
基于请求	标准： - 使用 RAG 模式就文档进行聊天 - 使用 RAG 模式引入和索引文档	- Azure OpenAI - Azure AI 搜索
OneDrive 企业版	消费： - 按计划将文件从 OneDrive for Business 向 AI 搜索进行矢量化 标准： - 使用 RAG 模式引入和索引文件 - 按时间表从 OneDrive 导入文档到 AI 搜索	- Azure OpenAI - Azure AI 搜索
SAP公司	消费： - 使用 OData 将业务合作伙伴同步到 SharePoint 文件夹
SFTP	标准： - 使用 RAG 模式引入和索引文件	- Azure OpenAI - Azure AI 搜索
SharePoint Online	消费： - 向量化从 SharePoint Online 到 AI 搜索的请求的文件 标准： - 使用 RAG 模式引入和索引文件 - 使用 RAG 模式将文档索引到 AI 搜索，并使用 Azure OpenAI LLM 进行检索和推理	- Azure OpenAI - Azure AI 搜索

有关更多信息，请参阅以下资源：

资源类型	链接。
博客文章	Azure 逻辑应用标准版的模板现在以公共预览版提供
演示视频	Azure 逻辑应用的标准工作流模板
文档	- 在单租户 Azure 逻辑应用中创建“标准”工作流 - 创建和发布 Azure 逻辑应用工作流模板 - 在 Azure 逻辑应用中分析标准工作流的内容或将其分块 - 使用 Azure 逻辑应用中的标准工作流连接到 Azure AI 服务

相关内容

• 在 Azure 逻辑应用中分析标准工作流的内容或将其分块
• 使用 Azure 逻辑应用中的标准工作流连接到 Azure AI 服务