從 QnA Maker 遷移至問題解答
本檔的目的： 本文旨在提供資訊，可用來成功將使用 QnA Maker 的應用程式移轉至問題解答。 使用本文，我們希望客戶能清楚瞭解下列事項：
- 跨 QnA Maker 和問題解答的功能比較
- 定價
- 簡化的布建與開發體驗
- 移轉階段
- 常見的移轉案例
- 移轉步驟
預定物件： 現有的QnA Maker客戶
重要
問題解答是 Azure AI 語言功能，於 2021 年 11 月引進，其中具有數項新功能，包括使用深度學習排名工具的增強型相關性、精確的解答，以及端對端區域支援。 每個回答問題項目相當於 QnA Maker 中的 知識庫。 角色型訪問控制 （RBAC） 等資源層級設定不會移轉至新的資源。 移轉後必須重新設定語言資源的資源層級設定：
- 自動 RBAC 至語言專案 （非資源）
- 自動啟用分析。
您也需要 重新啟用語言資源的分析 。
功能的比較
除了一組新的功能之外，「問題解答」還提供許多常見功能的技術改進。
| 功能 | QnA Maker | 問題解答 | 詳細資料 |
|---|---|---|---|
| 最先進的轉換器型模型 | ➖ | ✔️ | Turing 型模型，可讓您以 Web 規模搜尋 QnA。 |
| 預先建置的功能 | ➖ | ✔️ | 使用這項功能，您可以利用問題解答的強大功能，而不需要內嵌內容和管理資源。 |
| 精確答案 | ➖ | ✔️ | 「問答」支援透過SOTA模型的協助精確回答。 |
| 智慧URL重新整理 | ➖ | ✔️ | 回答問題提供一種方法，以單鍵重新整理從公用來源擷取的內容。 |
| 知識庫 的問答（階層式擷取） | ✔️ | ✔️ | |
| 主動式學習 | ✔️ | ✔️ | 問題解答具有改良的主動式學習模型。 |
| 替代問題 | ✔️ | ✔️ | 問題解答中改善的模型可減少新增替代問題的需求。 |
| 同義字 | ✔️ | ✔️ | |
| 中繼資料 | ✔️ | ✔️ | |
| 問題產生 （私人預覽） | ➖ | ✔️ | 這項新功能將允許透過文字產生問題。 |
| 支援非結構化檔 | ➖ | ✔️ | 用戶現在可以將非結構化檔內嵌為輸入來源，並查詢內容以取得回應 |
| .NET SDK | ✔️ | ✔️ | |
| API | ✔️ | ✔️ | |
| 整合撰寫體驗 | ➖ | ✔️ | 跨所有 Azure AI 語言的單一撰寫體驗 |
| 多重區域支援 | ➖ | ✔️ |
定價
當您查看移轉至問題解答時，請考慮下列事項：
| 元件 | QnA Maker | 問題解答 | 詳細資料 |
|---|---|---|---|
| QnA Maker 服務成本 | ✔️ | ➖ | 每個月每個資源的固定成本。 僅適用於 QnAMaker。 |
| 問題解答服務成本 | ➖ | ✔️ | 根據隨用隨付模型來回答問題成本。 僅適用於問題解答。 |
| Azure 搜尋服務成本 | ✔️ | ✔️ | 適用於 QnA Maker 和問題解答。 |
| App Service 成本 | ✔️ | ➖ | 僅適用於 QnA Maker。 這是使用者移至問題解答的最大成本節省。 |
使用者可能會選取具有較高容量的較高層級，這會影響他們支付的整體價格。 這不會影響自定義問題解答的語言元件價格。
「文字記錄」中的「回答功能」是指使用者提交給運行時間的查詢，而且這是語言服務內所有功能通用的概念。 有時候當查詢長度較高時，查詢可能會有更多的文字記錄。
範例價格估計
| 使用方式 | QnA Maker 中的資源數目 | QnA Maker 中的應用程式服務數目（層） | QnA Maker 中的每月推斷呼叫 | 搜尋分割區 x 搜尋複本 （層） | 問題解答中的相對成本 |
|---|---|---|---|---|---|
| 高 | 5 | 5（P1） | 8M | 9x3（S2） | 更昂貴 |
| 高 | 100 | 100（P1） | 6M | 9x3（S2） | 成本較低 |
| 中 | 10 | 10（S1） | 800K | 4x3（S1） | 成本較低 |
| 低 | 4 | 4（B1） | 100K | 3x3（S1） | 成本較低 |
摘要：客戶應節省最常見的設定成本，如相對成本數據行所示。
您可以在這裡找到問題解答和 QnA Maker 的定價詳細數據。
Azure 定價計算機可以提供更詳細的數據。
簡化的布建與開發體驗
透過語言服務，QnA Maker 客戶現在受益於單一服務，提供 文字分析、LUIS 和問題解答作為語言資源的功能。 語言服務提供：
- 一個語言資源，可存取上述所有功能
- 跨功能撰寫體驗的單一窗格
- 所有功能的一組整合 API
- 一個凝聚力、更簡單且功能強大的產品
瞭解如何開始使用 Language Studio
移轉階段
如果您的組織在開發或生產環境中有使用 QnA Maker 的應用程式，您應該儘快更新它們以使用問題解答。 如需可用的 API、SDK、Bot SDK 和程式代碼範例，請參閱下列連結。
以下是要考慮的廣泛移轉階段：
其他可協助您的連結如下：
- 製作入口網站
- API
- SDK
- Bot SDK：若要讓 Bot 使用自定義問題解答，請使用 Bot.Builder.AI.QnA SDK – 我們建議客戶繼續使用此功能進行 Bot 整合。 以下是 Bot 程式代碼中相同的一些範例用法： 範例 1 範例 2
常見的移轉案例
本主題比較從 QnA Maker 移轉至問題解答時的兩個假設案例。 這些案例可協助您判斷針對指定案例執行的正確一組移轉步驟。
注意
已嘗試確保這些案例代表真正的客戶移轉，不過，個別客戶案例當然會有所不同。 此外，本文不包含定價詳細數據。 如需詳細資訊，請前往定價頁面。
重要
每個回答問題項目都相當於 QnA Maker 中的 知識庫。 角色型訪問控制 （RBAC） 等資源層級設定不會移轉至新的資源。 移轉後必須重新設定語言資源的資源層級設定。 您也需要 重新啟用語言資源的分析 。
移轉案例 1：沒有自定義撰寫入口網站
在第一個移轉案例中，客戶會使用 qnamaker.ai 作為撰寫入口網站，而想要將其 QnA Maker 知識庫 移轉至自定義問題解答。
移轉至問題解答之後：
- 需要重新設定語言資源的資源層級設定
- 客戶驗證應該從移轉 知識庫 開始：
- 大小驗證
- 所有 KB 中的 QnA 配對數目，以符合移轉前和移轉後
- 相較於 QnA Maker，客戶必須在自定義問答中為其 知識庫 建立新的閾值，因為信賴分數對應與 QnA Maker 不同。
- 移轉前和移轉后範例問題的解答
- v1 與 v2 中回答的問題回應時間
- 保留提示
- 客戶可以在移轉后使用批次測試工具，在自定義問題解答中測試新建立的專案。
必須手動刪除舊的 QnA Maker 資源。
以下是移轉案例 1 的一些 詳細步驟 。
移轉案例 2
在此移轉案例中，客戶可能已利用QnA Maker撰寫 API 或 QnA Maker SDK 建立自己的撰寫前端。
它們應該執行移轉 SDK 所需的這些步驟：
此 SDK 移轉指南旨在協助從舊版 Microsoft.Azure.Azure.CognitiveServices.Knowledge.QnAMaker 移轉至新的問答客戶端連結庫 Azure.AI.Language.QuestionAnswering。 它會將焦點放在兩個套件之間類似作業的並存比較。
他們應該執行將知識庫移轉至語言資源內新專案所需的步驟。
移轉至問題解答之後：
- 需要重新設定語言資源的資源層級設定
- 客戶驗證應該從移轉的 知識庫 開始
- 大小驗證
- 所有 KB 中的 QnA 配對數目，以符合移轉前和移轉後
- 信賴分數對應
- 移轉前和移轉后範例問題的解答
- v1 與 v2 中回答的問題回應時間
- 保留提示
- 批次測試移轉前和移轉後
- 必須手動刪除舊的 QnA Maker 資源。
此外，對於必須移轉和升級 Bot 的客戶，升級 Bot 程式代碼會發布為 NuGet 套件。
以下是 移轉案例 2 的詳細步驟
深入了解預先建置的 API
深入了解 問答取得解答 REST API
移轉步驟
請注意，視客戶現有的架構而定，需要其中一些步驟。 請仔細查看上述的移轉階段，以更清楚瞭解移轉所需的步驟。
