共用方式為

使用沒有程式碼的 Azure Machine Learning 管線來建構 RAG 管線 (預覽)

  • 發行項

本文提供如何建立 RAG 管線的範例。 針對進階案例，您可以從程式碼 (通常是筆記本) 建置自己的自訂 Azure Machine Learning 管線，讓您更細微地控制 RAG 工作流程。 Azure Machine Learning 提供數個內建管線元件，用於資料區塊化、內嵌產生、測試資料建立、自動提示產生、提示評估。 這些元件可以根據您在使用筆記本時的需求加以使用。 您甚至可以使用在 LangChain 的 Azure Machine Learning 中建立的向量索引。

重要

此功能目前處於公開預覽。 此預覽版本沒有服務等級協定，不建議用於處理生產工作負載。 可能不支援特定功能，或可能已經限制功能。

如需詳細資訊，請參閱 Microsoft Azure 預覽版增補使用條款。

必要條件

  • Azure 訂用帳戶。 如果您沒有 Azure 訂用帳戶，請建立免費帳戶。

  • Azure OpenAI 的存取權。

  • 在您的 Azure Machine Learning 工作區中啟用提示流程

在 Azure Machine Learning 工作區中，您可以在 [管理預覽功能] 面板中開啟 [使用提示流程建置 AI 解決方案]，以啟用提示流程。

提示流程管線筆記本範例存放庫

Azure Machine Learning 提供數項使用案例和提示流程管線的筆記本教學課程。

QA 資料產生

QA Data Generation 可以用於取得 RAG 的最佳提示和 RAG 的評估計量。 此筆記本顯示如何從您的資料建立 QA 資料集 (Git 存放庫)。

測試資料產生和自動提示

使用向量索引建置擷取擴增生成模型並評估測試集上的提示流程。

建立以 FAISS 為基礎的向量索引

設定 Azure Machine Learning Pipeline 以提取 Git Repo、將資料處理成多個區塊、內嵌區塊，以及建立 langchain 相容的 FAISS 向量索引。

下一步

如何在 Azure Machine Learning 提示流程中建立向量索引 (預覽)

使用向量存放區與 Azure Machine Learning (預覽)