Rencanakan aplikasi QnA Maker Anda
Untuk merencanakan aplikasi QnA Maker, Anda perlu memahami cara kerja QnA Maker dan berinteraksi dengan layanan Azure lainnya. Anda juga harus memiliki pemahaman yang kuat tentang konsep pangkalan pengetahuan.
Catatan
Layanan QnA Maker akan dihentikan pada 31 Maret 2025. Versi kemampuan pertanyaan dan jawaban yang lebih baru sekarang tersedia sebagai bagian dari Bahasa Azure AI. Untuk kemampuan menjawab pertanyaan dalam Language Service, lihat jawaban pertanyaan. Mulai 1 Oktober 2022, Anda tidak dapat membuat sumber daya QnA Maker baru. Untuk informasi tentang memigrasikan pangkalan pengetahuan QnA Maker yang ada pada jawaban atas pertanyaan, lihat panduan migrasi.
Sumber daya Azure
Setiap sumber daya Azure yang dibuat dengan QnA Maker memiliki tujuan khusus. Setiap sumber daya memiliki tujuan, batas, dan tingkat harganya sendiri. Penting untuk memahami fungsi sumber daya ini sehingga Anda dapat menggunakan pengetahuan itu ke dalam proses perencanaan Anda.
| Sumber daya | Tujuan |
|---|---|
| Sumber daya QnA Maker | Penulisan dan prediksi kueri |
| Sumber daya Azure Cognitive Search | Penyimpanan dan pemrosesan data |
| Sumber daya Sumber daya Azure App Service dan App Plan Service | Titik akhir prediksi kueri |
| Sumber daya Application Insights | Telemetri prediksi kueri |
Perencanaan sumber daya
Tingkat gratis, F0, dari setiap sumber daya bekerja dan dapat memberikan pengalaman penulisan dan prediksi kueri. Anda bisa menggunakan tingkat ini untuk mempelajari penulisan dan prediksi kueri. Saat Anda beralih ke skenario produksi atau langsung, evaluasi kembali pilihan sumber daya Anda.
Ukuran pangkalan pengetahuan dan throughput
Saat Anda membuat aplikasi nyata, rencanakan sumber daya yang memadai untuk ukuran pangkalan pengetahuan Anda dan untuk permintaan prediksi kueri yang diharapkan.
Ukuran pangkalan pengetahuan dikendalikan oleh:
- Batas tingkat harga sumber daya Azure Cognitive Search
- Batas QnA Maker
Permintaan prediksi kueri pangkalan pengetahuan dikendalikan oleh paket aplikasi web dan aplikasi web. Lihat pengaturan yang direkomendasikan untuk merencanakan tingkat harga Anda.
Berbagi sumber daya
Jika Anda sudah memiliki beberapa sumber daya ini yang sedang digunakan, Anda dapat mempertimbangkan untuk berbagi sumber daya. Lihat sumber daya mana yang dapat dibagikan dengan pemahaman bahwa berbagi sumber daya adalah skenario lanjutan.
Semua pangkalan pengetahuan yang dibuat di sumber daya QnA Maker yang sama berbagi titik akhir prediksi kueri pengujian yang sama.
Memahami dampak pemilihan sumber daya
Pemilihan sumber daya yang tepat berarti prediksi kueri jawaban pangkalan pengetahuan Anda berhasil.
Jika pangkalan pengetahuan Anda tidak berfungsi dengan baik, biasanya merupakan masalah manajemen sumber daya yang tidak tepat.
Pemilihan sumber daya yang tidak tepat memerlukan investigasi untuk menentukan sumber daya mana yang perlu diubah.
Pangkalan pengetahuan
Pangkalan pengetahuan secara langsung terikat sumber daya QnA Maker-nya. Ini memegang pasangan tanya jawab (QnA) yang digunakan untuk menjawab permintaan prediksi kueri.
Pertimbangan bahasa
Pangkalan pengetahuan pertama yang dibuat pada sumber daya QnA Maker Anda mengatur bahasa untuk sumber daya. Anda hanya dapat memiliki satu bahasa untuk sumber daya QnA Maker.
Anda bisa menyusun sumber daya QnA Maker Anda menurut bahasa atau Anda bisa menggunakan Penerjemah untuk mengubah kueri dari bahasa lain ke dalam bahasa pangkalan pengetahuan sebelum mengirim kueri ke titik akhir prediksi kueri.
Ingest sumber data
Anda bisa menggunakan salah satu sumber data yang teringest berikut ini untuk membuat pangkalan pengetahuan:
- URL Publik
- URL SharePoint Pribadi
- File
Proses ingest mengonversi jenis konten yang didukung menjadi markdown. Semua pengeditan lebih lanjut dari jawabannya dilakukan dengan markdown. Setelah Anda membuat pangkalan pengetahuan, Anda dapat mengedit pasangan QnA di portal QnA Maker dengan penulisan teks yang kaya.
Pertimbangan format data
Karena format akhir dari pasangan QnA adalah markdown, penting untuk memahami dukungan markdown.
Gambar tertaut harus tersedia dari URL publik untuk ditampilkan di panel uji portal Pembuat QnA atau di aplikasi klien. QnA Maker tidak menyediakan autentikasi untuk konten, termasuk gambar.
Kepribadian Bot
Tambahkan kepribadian bot ke pangkalan pengetahuan Anda dengan obrolan. Kepribadian ini datang dengan jawaban yang diberikan dalam nada percakapan tertentu seperti profesional dan ramah. Obrolan ini disediakan sebagai kumpulan percakapan, yang Anda memiliki kontrol total untuk menambahkan, mengedit, dan menghapus.
Kepribadian bot direkomendasikan jika bot Anda terhubung ke pangkalan pengetahuan Anda. Anda dapat memilih untuk menggunakan obrolan di pangkalan pengetahuan Anda bahkan jika Anda juga terhubung ke layanan lain, tetapi Anda harus meninjau bagaimana layanan bot berinteraksi untuk mengetahui apakah itu adalah desain arsitektur yang benar untuk penggunaan Anda.
Alur percakapan dengan pangkalan pengetahuan
Alur percakapan biasanya dimulai dengan salam dari pengguna, seperti Hi atau Hello. Pangkalan pengetahuan Anda dapat menjawab dengan jawaban umum, seperti Hi, how can I help you, dan juga dapat memberikan pilihan perintah tindak lanjut untuk melanjutkan percakapan.
Anda harus merancang alur percakapan Anda dengan sebuah loop dalam pikiran sehingga pengguna tahu cara menggunakan bot Anda dan tidak ditinggalkan oleh bot dalam percakapan. Perintah tindak lanjut menyediakan penautan antara pasangan QnA, yang memungkinkan alur percakapan.
Penulisan dengan rekan kerja
Reka kerja mungkin pengembang lain yang berbagi tumpukan pengembangan penuh dari aplikasi pangkalan pengetahuan atau mungkin terbatas hanya untuk penulisan pangkalan pengetahuan.
Penulisan pangkalan pengetahuan mendukung beberapa izin akses berbasis peran yang Anda terapkan di portal Microsoft Azure untuk membatasi cakupan kemampuan kolaborator.
Integrasi dengan aplikasi klien
Integrasi dengan aplikasi klien diselesaikan dengan mengirim kueri ke titik akhir waktu proses prediksi. Kueri dikirim ke pangkalan pengetahuan spesifik Anda dengan permintaan berbasis SDK atau REST ke titik akhir aplikasi web QnA Maker Anda.
Untuk mengautentikasi permintaan klien dengan benar, aplikasi klien harus mengirim mandat dan ID pangkalan pengetahuan yang benar. Jika Anda menggunakan Bot Service Azure AI, konfigurasikan pengaturan ini sebagai bagian dari konfigurasi bot di portal Azure.
Alur percakapan dalam aplikasi klien
Alur percakapan dalam aplikasi klien, seperti bot Azure, mungkin memerlukan fungsionalitas sebelum dan sesudah berinteraksi dengan pangkalan pengetahuan.
Apakah aplikasi klien Anda mendukung alur percakapan, baik dengan menyediakan cara alternatif untuk menangani perintah tindak lanjut atau termasuk obrolan? Jika demikian, rancang lebih awal ini dan pastikan kueri aplikasi klien ditangani dengan benar oleh layanan lain atau ketika dikirim ke pangkalan pengetahuan Anda.
Pengiriman antara QnA Maker dan Pemahaman Bahasa (LUIS)
Aplikasi klien dapat menyediakan beberapa fitur, hanya satu yang dijawab oleh pangkalan pengetahuan. Fitur lain masih perlu memahami teks percakapan dan mengekstrak makna darinya.
Arsitektur aplikasi klien umum adalah menggunakan QnA Maker dan Language Understanding (LUIS) bersama-sama. LUIS menyediakan klasifikasi teks dan ekstraksi untuk setiap kueri, termasuk ke layanan lain. QnA Maker memberikan jawaban dari pangkalan pengetahuan Anda.
Dalam skenario arsitektur bersama seperti itu, pengiriman antara kedua layanan dicapai oleh alat Pengiriman dari Bot Framework.
Pembelajaran aktif dari aplikasi klien
QnA Maker menggunakan pembelajaran aktif untuk meningkatkan pangkalan pengetahuan Anda dengan menyarankan pertanyaan alternatif untuk jawaban. Aplikasi klien bertanggung jawab atas bagian dari pembelajaran aktif ini. Melalui prompt percakapan, aplikasi klien dapat menentukan bahwa pangkalan pengetahuan mengembalikan jawaban yang tidak berguna bagi pengguna, dan dapat menentukan jawaban yang lebih baik. Aplikasi klien perlu mengirim informasi itu kembali ke pangkalan pengetahuan untuk meningkatkan kualitas prediksi.
Memberikan jawaban default
Jika pangkalan pengetahuan Anda tidak menemukan jawaban, basis tersebut akan mengembalikan jawaban default. Jawaban ini dapat dikonfigurasi pada halaman Pengaturan di portal QnA Maker atau di API.
Jawaban default ini berbeda dari jawaban default bot Azure. Anda mengonfigurasi jawaban default untuk bot Azure Anda di portal Microsoft Azure sebagai bagian dari pengaturan konfigurasi. Ini dikembalikan ketika ambang batas skor tidak terpenuhi.
Prediksi
Prediksinya adalah respons dari pangkalan pengetahuan Anda, dan itu mencakup lebih banyak informasi daripada sekadar jawabannya. Untuk mendapatkan respons prediksi kueri, gunakan API GenerateAnswer.
Fluktuasi skor prediksi
Skor dapat berubah berdasarkan beberapa faktor:
- Jumlah jawaban yang Anda minta sebagai tanggapan terhadap GenerateAnswer dengan properti
top - Berbagai pertanyaan alternatif yang tersedia
- Pemfilteran untuk metadata
- Kueri dikirim ke pangkalan pengetahuan
testatauproduction
Ada peringkat jawaban dua fase:
- Azure Cognitive Search - peringkat pertama. Kumpulan jumlah jawaban yang diperbolehkan cukup tinggi sehingga jawaban terbaik dikembalikan oleh Cognitive Search dan kemudian diteruskan ke peringkat QnA Maker.
- QnA Maker - peringkat kedua. Terapkan fiturisasi dan pembelajaran mesin untuk menentukan jawaban terbaik.
Pembaruan layanan
Terapkan pembaruan runtime terbaru untuk mengelola pembaruan layanan secara otomatis.
Penskalaan, throughput, dan ketahanan
Penskalaan, throughput, dan ketahanan ditentukan oleh sumber daya Azure, tingkat harga mereka, dan arsitektur sekitarnya seperti Pengelola lalu lintas.
Analitik dengan Application Insights
Semua kueri ke pangkalan pengetahuan Anda disimpan di Application Insights. Gunakan kueri teratas kami untuk memahami metrik Anda.
Siklus hidup pengembangan
Siklus hidup pengembangan pangkalan pengetahuan sedang berlangsung: mengedit, menguji, dan menerbitkan pangkalan pengetahuan Anda.
Pengembangan pangkalan pengetahuan pasangan QnA Maker
Pasangan QnA Anda harus dirancang dan dikembangkan berdasarkan penggunaan aplikasi klien Anda.
Setiap pasangan dapat berisi:
- Metadata - dapat difilter saat mengkueri untuk memungkinkan Anda menandai pasangan QnA Anda dengan informasi tambahan tentang sumber, konten, format, dan tujuan data Anda.
- Perintah tindak lanjut - membantu menentukan jalur melalui pangkalan pengetahuan Anda sehingga pengguna tiba di jawaban yang benar.
- Pertanyaan alternatif - penting untuk memungkinkan pencarian guna mencocokkan jawaban Anda dari berbagai bentuk pertanyaan. Saran pembelajaran aktif berubah menjadi pertanyaan alternatif.
Pengembangan Azure DevOps
Mengembangkan pangkalan pengetahuan untuk dimasukkan ke dalam alur Azure DevOps mengharuskan pangkalan pengetahuan diisolasi selama pengujian batch.
Pangkalan pengetahuan berbagi indeks Azure Cognitive Search dengan semua pangkalan pengetahuan lainnya pada sumber daya Pembuat QnA. Sementara pangkalan pengetahuan diisolasi oleh partisi, berbagi indeks dapat menyebabkan perbedaan skor jika dibandingkan dengan pangkalan pengetahuan yang diterbitkan.
Untuk memiliki skor yang sama pada pangkalan pengetahuan test dan production, isolasi sumber daya QnA Maker ke satu pangkalan pengetahuan. Dalam arsitektur ini, sumber daya hanya perlu hidup selama tes batch terisolasi.