将 Azure 上的大型语言模型与 Power Platform 集成
级别:初学者
本教程介绍如何创建 Azure 机器学习工作区,以及如何 (LLM) 部署大型语言模型。 然后,你将 LLM 与 Power Apps 和 Power Automate 集成。 提高技术技能,并探索 Azure 和 Power Automate 在文本生成和创意写作方面的强大功能。
- Azure 机器学习:使数据科学家和开发人员能够更快、更自信地生成、部署和管理高质量模型。 它通过行业领先的机器学习操作 (MLOps) 、开源互操作性和集成工具加速实现价值。 此受信任的 AI 学习平台专为机器学习中负责任的 AI 应用程序而设计。
- Power Apps:使你的团队能够使用 AI 助手、预生成模板、拖放简单性和快速部署立即开始生成和启动应用,然后根据需要推出持续改进。 通过以前仅对专业开发人员可用的高级功能(包括预生成的组件和 AI 辅助的自然语言开发),让每个人都能够构建所需的应用。 为专业开发人员提供工具,通过Azure Functions和自定义连接器无缝地将应用功能扩展到专有系统或本地系统。
- Power Automate:使每个人都能够使用低代码拖放工具构建自动化流程。 借助数百个预生成连接器、数千个模板和 AI 帮助,可以轻松地自动执行重复任务。 使用 Power Automate 流程挖掘记录和可视化端到端流程。 它通过提供创建流的引导性建议,从自动执行的内容中排除猜测。 使用 AI Builder 中的生成 AI 功能更智能地实现自动化。 通过嵌入功能强大的语言模型创建用户直观的流,并使用高级低代码 AI 构建独特的方案。
在本教程中,你将构建一个 Power App,用于捕获用户输入,将其发送到 Power Automate 云流,从机器学习模型中检索响应,并在屏幕上显示结果。 下面是解决方案的概述:
解决方案体系结构概述
先决条件
-
注意
如果你是学生,则可以使用 面向学生的 Azure 订阅
本教程中使用的 Microsoft Cloud Technologies
- Azure 机器学习
- GitHub
- Power Apps
- Power Automate
创建 Azure 机器学习工作区
在本练习中,你将创建一个 Azure 机器学习工作区,以便能够预配自己的机器学习项目。
Azure 机器学习工作区是一种顶级资源,为资源和资产(包括模型、终结点、计算等)提供集中位置。
通过学习本练习,你将能够:
- 打开 Azure 门户。
- 创建 Azure 机器学习工作区。
让我们开始打开Azure 门户!
在浏览器中访问Azure 门户并登录。
在门户页面顶部的搜索栏中键入“Azure 机器学习”,然后从显示的选项中选择“Azure 机器学习”。
从工具栏中选择“ 创建 ”。 选择“ 新建工作区” 以创建新的机器学习工作区。
执行以下任务:
- 选择订阅。
- 选择要使用的 资源组 , (根据需要创建新资源组) 。
- 输入 工作区名称。 它必须是唯一值。
- 选择要使用的 区域 。
注意
填充 工作区详细信息时,将自动设置所有其他选项,包括 存储帐户、 密钥保管库、 Application Insights 和 容器注册表。
选择“查看 + 创建”。 选择“创建”。
等待部署完成。 选择“转到资源”。
使用模板部署机器学习模型
在本练习中,你将将大型语言模型 (LLM) 部署到 Azure 机器学习工作室 中的实时终结点。 大型语言模型是一种基于大量文本数据进行训练的自然语言处理模型。 这些模型可以生成类似人的文本和代码,并用于文本生成、翻译、问答等应用程序。
通过学习本练习,你将能够:
- 打开Azure 机器学习工作室。
- 配置可在应用程序中使用的终结点。
让我们开始打开Azure 机器学习工作室!
使用工作室 Web URL 打开Azure 机器学习工作室。
选择“ 所有工作区 ”以访问租户中的共享资源。
从左侧菜单中选择“共享资产”下的“模型”,查看要部署的模型模板。
注意
在这里,可以找到使用训练数据集上的特定算法训练的不同机器学习模型的二进制文件,然后能够对 AzureML 和 HuggingFace 提供的其他更大数据集生成预测和推理。
在本教程中,选择 GPT-2 进行文本生成。 此模型可以有效地用于不同的应用程序,如情绪分析等。
稍后可以随意尝试其他模型。
在模型页面顶部的搜索栏中键入 gpt2,然后从出现的选项中选择 azureml 注册表提供的 gpt2 模型。
选择“ 部署 ”,然后选择 “实时终结点”。
选择 订阅 和 工作区。 选择 “转到工作区”。
执行以下任务:
- 选择要使用的 虚拟机 。
- 输入至少 3 个 实例计数 。
提示
为了获得高可用性,Microsoft 建议将其设置为至少 3。
- 输入终结点名称。 任何唯一名称都有效。
- 输入 部署名称。
警告
选择大型 虚拟机 会产生更多费用,并且增加所选计算机的实例数也会造成影响。 这可能会提高模型的速度和/或可用性,但代价是支付更多资金。
选择“部署”。
注意
创建部署时,可以继续执行下一步,因为这需要几分钟时间。
除了在 Azure 机器学习工作区中创建和使用模型外,应用程序还可以使用 Azure OpenAI 中提供的模型。
打开 Power Apps 并导入解决方案
在本练习中,你将克隆包含解决方案包的 GitHub 存储库,并将其导入 Power Apps,使你能够将已部署的机器学习模型与 Power Automate 集成并在 Power Apps 中使用它。
解决方案是一个包,可帮助将应用和组件从一个环境传输到另一个环境。 它可以包含一个或多个应用以及其他组件,例如表、流等。
通过学习本练习,你将能够:
- 克隆 GitHub 存储库。
- 将解决方案导入 Power Apps。
让我们从克隆 GitHub 存储库开始吧!
克隆解决方案
运行以下命令,将 解决方案的 GitHub 存储库 克隆到计算机。
提示
如果将鼠标悬停在代码上,可以选择“复制”图标将代码复制到剪贴板。
git clone https://github.com/microsoft/AzureML-PowerAppSolution
请注意 “解决方案 ”文件夹,因为它包含要导入到 Power Apps 的打包解决方案。
将解决方案导入 Power Apps
在浏览器中访问 Power Apps Studio 并登录。
注意
需要先创建 Power Platform 环境,然后才能按照先决条件中包含的指南继续操作。
从左侧窗口中选择“ 更多 ”。 选择“解决方案”。
选择“ 导入解决方案 ”以加载克隆 的.zip 文件。
执行以下任务:
- 选择“浏览”
- 选择克隆 .zip 文件。
- 选择 “打开 ”,然后选择 “下一步”。
- 完成处理后,选择“ 导入”。
现在可以在解决方案表中找到名为 AML PowerApps HelpMeWrite 示例 的解决方案,以供使用。
编辑 Power Automate 流
在本练习中,你将打开 Power Automate 云流,并添加在部署大型语言模型 (LLM) 时创建的机密,以便在 Power App 与部署的模型之间启用通信。
Power Automate 云流是一种自动化功能,可以与其他服务集成,以在触发时执行操作。 例如,它可以将文本发送到已部署的模型,接收响应,并通过单击按钮将其发送到 Power Apps。
通过学习本练习,你将能够:
- 打开 Canvas 应用。
- 从 Azure 机器学习终结点获取机密。
- 编辑 Power Automate 云流。
让我们开始打开解决方案!
通过选择解决方案的 “显示名称”打开该解决方案。
选择画布应用 “帮助我写入显示名称 ”,以在编辑模式下打开应用程序。
注意
如果想要更改颜色、字体和背景或保持原样,可以编辑应用程序。
从左侧菜单中选择 Power Automate 图标。
将鼠标悬停在流名称 HelpMeWriteFlow 上 ,然后选择 三个点。 选择“编辑” 。
返回 Azure 机器学习工作室获取机密。
在“ 终结点 ”选项卡中,应会看到部署已完成:
执行以下任务:
- 选择“使用”。
- 复制“REST 终结点”。
注意
这是 Power Automate Flow 中的 ML 终结点 变量。
- 复制 主 身份验证密钥。
注意
这是 Power Automate Flow 中的 ML API 密钥 变量。
提示
如果在“ 使用 ”选项卡内向下滚动,则会发现一个代码示例可供三种不同的编程语言使用: Python、 C# 和 R。你可以将其复制并粘贴到任意位置,它会向已部署的模型发送请求,并从中获取响应。 例如,它可以在网站或无服务器函数中使用。
返回 Power Automate,并将复制的值添加到下面显示的位置:
选择“ 保存 ”,然后使用 “X ”按钮关闭流。
发布 Power App
通过学习本练习,你将能够:
- 测试 Power App 以确保一切正常。
- 发布该应用,使其可供与之共享应用的任何人使用。
从导航菜单中选择“ 播放 ”按钮。
提示
可以通过按键盘上的 F5 来运行应用程序。
在“ 文本输入”框中 输入任何文本,然后选择“ 生成 ”以生成文本。
执行以下任务以发布应用程序:
- 选择“保存”图标以保存所做的更改。
- 选择 “发布” 图标以发布应用程序。
注意
每当保存画布应用的更改时,都将只对你自己和有权限编辑此应用的其他所有人自动发布更改。 完成更改后,必须显式发布更改,以便应用的所有共享对象都能使用。
现在可以在 Microsoft 365 Online Apps 部分找到该应用程序。
与所需的任何人共享应用程序。
恭喜!
你已完成本教程
恭喜! 你已了解如何创建 Azure 机器学习工作区、如何从 Azure 模型注册表部署大型语言模型、如何将预生成的 Power App 解决方案导入 Power Apps、如何通过 Power Automate 云流使用已部署的模型,以及如何发布应用程序以与他人共享它。 通过使用这些技术,可以探索 Azure 和 Power Automate 在文本生成和创造性写作方面的强大功能。
清理 Azure 资源
清理 Azure 资源以避免帐户产生额外费用。 转到Azure 门户并删除以下资源:
- Azure 机器学习工作区
- Azure 资源组
清理 Power Apps 资源
清理 Power Apps 资源以避免帐户产生额外费用。 转到 Power Apps Studio 并删除以下资源:
- Power App Canvas 应用。
- Power Automate 云流。
- 解决方案。
后续步骤
文档
- Microsoft 云产品/服务的订阅、许可证、帐户和租户
- 使用 Azure 门户管理 Azure 资源组
- 存储帐户概述
- 托管联机终结点 SKU 列表
- 用于在生产环境下进行推理的终结点
- 什么是 Power Apps?
- 解决方案概述
- 什么是画布应用?
- Power Automate 入门
- 在 Power Automate 中创建云流
培训内容
你有关于此部分的问题? 如果有,请向我们提供反馈,以便我们对此部分作出改进。