適用於：
SQL Server 2025 （17.x） Azure SQL Database AzureSQL Managed InstanceSQL database in Microsoft Fabric
本文包含 SQL Database Engine 中有關向量和內嵌的常見問題。
如需範例和範例，請流覽 SQL AI 範例存放庫。
我可以完全在 T-SQL 中建立擷取增強生成 （RAG） 解決方案嗎？
是，您可以使用 T-SQL 建立 Retrieval-Augmented 產生 （RAG） 解決方案。 這種類型的解決方案利用 SQL 資料庫引擎的功能來有效地管理和查詢您的資料。 您可以使用 T-SQL 來實作必要的資料擷取和處理邏輯，同時也可以與外部 AI 服務整合以進行產生方面。 向量可以原生儲存在 SQL 引擎中，並且可以透過連接到 sp_invoke_external_rest_endpoint提供自然語言理解功能的 LLM。
- 實作 RAG 解決方案，並直接從 Azure SQL DB 呼叫 OpenAI，以詢問有關資料的問題
- 具有結構化輸出和sp_invoke_external_rest_endpoint的可預測 LLM 結果
為什麼我要完全在 T-SQL 中建立 RAG 解決方案？
如果您想要改善現有應用程式，而不需要重新架構應用程式以支援 AI 功能，請使用 SQL 引擎內建功能直接在資料庫查詢中實作 AI 功能。 您只需要更新 T-SQL 程式碼即可合併 AI 功能，而不需要對應用程式架構進行大量變更。
是否有任何使用 Azure SQL 或 Fabric SQL for RAG 的端對端範例？
當然，您可以在這裡找到使用 Azure SQL 和 Fabric SQL 的 RAG 端對端範例：
我可以讓 RAG 處理結構化資料，例如列和列嗎？
如果您需要處理結構化數據，您仍然可以通過將 RAG 與其他技術相結合來利用它，例如使用嵌入以 AI 模型可以理解的方式表示您的結構化數據。 這可讓您對結構化資料執行擷取和產生工作，同時仍可從 RAG 的功能中受益。
為什麼將完整、複雜的結構描述傳送到 LLM 會導致 SQL 產生不佳，我該如何解決它？
如果您有複雜且大型的資料庫結構描述，具有數百個資料表和檢視，則最好使用多代理程式方法來協助減少雜訊，並允許 AI 模型專注於結構描述的特定區域。 完整描述以及可用的端對端範例可在此處取得：
我可以使用受控識別連線到 Azure OpenAI 嗎？
是，您可以使用受控識別連線到 Azure OpenAI。 這可讓您安全地驗證和存取 Azure OpenAI 服務，而不需要直接管理認證。 如需詳細資訊，請參閱：
Microsoft 會使用我的資料來定型模型嗎？
否。 Microsoft 不會使用資料來定型模型。 如需更多資訊，請參閱 負責任 AI 文件。
Azure OpenAI 服務會處理哪些資料？
如需詳細資訊，請參閱 Azure OpenAI 服務的資料、隱私權和安全性 檔。
如何保護我的資料免遭未經授權的 AI 代理存取？
Azure SQL 和 SQL Server 提供精細存取安全性的廣泛支援：
- 開始使用資料庫引擎權限：使用權限在細微層級控制資料庫物件的存取。
- Row-Level 安全性 （RLS）：根據執行查詢的使用者特性來控制對資料表中資料列的存取。 您可以在此 視頻中看到 RLS 的實際應用。
- 動態資料遮罩：透過向非特權使用者遮罩敏感資料來限制敏感資料的暴露。
- 始終加密：透過在靜態和傳輸中加密敏感數據來保護敏感數據，確保只有授權使用者才能存取未加密的資料。
您也可以使用 Azure SQL 和 SQL Server 中的稽核功能來稽核資料庫上完成的任何作業。