Tworzenie aplikacji korzystających z usług Azure AI
Artykuł
Ten artykuł zawiera dokumentację, przykłady i inne zasoby umożliwiające poznanie sposobu tworzenia aplikacji korzystających z usługi Azure OpenAI Service i innych usług Azure AI.
Szablony referencyjne sztucznej inteligencji platformy Azure zapewniają dobrze utrzymywane i łatwe w wdrażaniu implementacji referencyjnych. Zapewniają one wysokiej jakości punkt wyjścia dla inteligentnych aplikacji. Kompleksowe rozwiązania zapewniają popularne, kompleksowe aplikacje referencyjne. Bloki konstrukcyjne to próbki o mniejszej skali, które koncentrują się na konkretnych scenariuszach i zadaniach.
Artykuł, który przeprowadzi Cię przez proces wdrażania i używania przykładowej aplikacji do czatów dla przedsiębiorstw dla platformy .NET. Ten przykład to kompletne kompleksowe rozwiązanie demonstrujące wzorzec generowania rozszerzonego pobierania (RAG) uruchomiony na platformie Azure przy użyciu usługi Azure AI Search do pobierania i pobierania dużych modeli językowych usługi Azure OpenAI w celu zasilania środowisk Typu ChatGPT i Q&A.
Ten przykład to kompletne kompleksowe rozwiązanie przedstawiające sposób projektowania i implementowania asystenta sztucznej inteligencji w języku Q&AI, który korzysta z interfejsu API osadzania i uzupełniania w usłudze Azure OpenAI Service, a także bazy danych wektorów w usłudze Azure Cosmos DB.
Prosta aplikacja kwart języka Python, która przesyła strumieniowo odpowiedzi z chatGPT do frontonu HTML/JS przy użyciu linii JSON za pośrednictwem elementu ReadableStream. (Kod języka Python jest dostarczany jako odwołanie i można go dostosować do platformy .NET).
W przykładzie pokazano, jak użyć monitu ludzkiego jako danych wejściowych HTTP Get lub Post, oblicza ukończenie przy użyciu łańcuchów danych wejściowych i szablonów ludzkich. Jest to punkt wyjścia, który może służyć do bardziej zaawansowanych łańcuchów. (Kod języka Python jest dostarczany jako odwołanie i można go dostosować do platformy .NET).
Przykład tworzenia wtyczki ChatGPT przy użyciu usług GitHub Codespaces, VS Code i Azure. Przykład zawiera szablony umożliwiające wdrożenie wtyczki w usłudze Azure Container Apps przy użyciu interfejsu wiersza polecenia dla deweloperów platformy Azure. (Kod języka Python jest dostarczany jako odwołanie i można go dostosować do platformy .NET).
Aby uzyskać pełną listę szablonów sztucznej inteligencji platformy Azure, odwiedź naszą galerię. Wszystkie szablony aplikacji w naszej galerii można połączyć i wdrożyć przy użyciu jednego polecenia: azd up.
To rozwiązanie jest tworzone przy użyciu wysokiej wydajności platformy zwrotnego serwera proxy YARP C# firmy Microsoft. Nie musisz jednak rozumieć języka C#, aby go używać, możesz po prostu skompilować udostępniony obraz platformy Docker. Jest to alternatywne rozwiązanie dla inteligentnego modułu równoważenia obciążenia openAI usługi API Management z tą samą logiką.
Rozwiązanie dla przedsiębiorstw pokazuje, jak utworzyć zasady usługi Azure API Management, aby bezproblemowo uwidocznić jeden punkt końcowy dla aplikacji, zachowując wydajną logikę do korzystania z co najmniej dwóch interfejsów OpenAI lub dowolnych zapleczy interfejsu API na podstawie dostępności i priorytetu.
Artykuł, który przeprowadzi Cię przez proces wdrażania i używania przykładowej aplikacji do czatów dla przedsiębiorstw dla platformy .NET. Ten przykład to kompletne kompleksowe rozwiązanie demonstrujące wzorzec generowania rozszerzonego pobierania (RAG) uruchomiony na platformie Azure przy użyciu usługi Azure AI Search do pobierania i pobierania dużych modeli językowych usługi Azure OpenAI w celu zasilania środowisk Typu ChatGPT i Q&A.
Artykuł, który przeprowadzi Cię przez proces używania usługi Azure Cache for Redis jako magazynu wektorów zaplecza dla scenariuszy RAG. (Kod języka Python jest dostarczany jako odwołanie i można go dostosować do platformy .NET).
Artykuł omawiający sposób obsługi serwera elastycznego usługi Azure Database for PostgreSQL i usługi Azure Cosmos DB for PostgreSQL obsługuje rozszerzenie pgvector wraz z omówieniem, scenariuszami itp. (Kod języka Python jest dostarczany jako odwołanie i można go dostosować do platformy .NET).
Wersja źródłowa biblioteki klienta usługi Azure OpenAI dla platformy .NET w usłudze GitHub jest adaptacją interfejsów API REST platformy OpenAI, która zapewnia idiotyczny interfejs i bogatą integrację z resztą ekosystemu zestawu Azure SDK. Może ona łączyć się z zasobami usługi Azure OpenAI lub z punktem końcowym wnioskowania spoza usługi Azure OpenAI, dzięki czemu jest to doskonały wybór nawet w przypadku programowania w usłudze Azure OpenAI.
Kolekcja 10 przykładów, które pokazują, jak używać biblioteki klienta usługi Azure OpenAI dla platformy .NET do czatu, przesyłania strumieniowego odpowiedzi, używania własnych danych, transkrypcji/tłumaczenia dźwięku, generowania obrazów itp.
Artykuł z bardziej złożonymi scenariuszami zabezpieczeń, które wymagają kontroli dostępu opartej na rolach platformy Azure (Azure RBAC). W tym dokumencie opisano sposób uwierzytelniania w zasobie OpenAI przy użyciu identyfikatora Entra firmy Microsoft.
Artykuł szczegółowo opisujący sposób używania usługi Azure AI Speech do rozmowy z usługą Azure OpenAI Service. Tekst rozpoznany przez usługę Mowa jest wysyłany do usługi Azure OpenAI. Następnie usługa rozpoznawania mowy syntetyzuje odpowiedź tekstową z usługi Azure OpenAI.
Artykuł przedstawiający sposób tłumaczenia plików lokalnych lub plików sieciowych w wielu różnych formatach na ponad 100 różnych języków. Obsługiwane formaty to HTML, PDF, wszystkie formaty dokumentów pakietu Office, Markdown, MHTML, Outlook, MSG, XLIFF, CSV, TSV i zwykły tekst.
Repozytorium przykładów dla zestawu SDK rozpoznawania mowy usług Azure Cognitive Services. Linki do przykładów dotyczących rozpoznawania mowy, tłumaczenia, syntezy mowy i nie tylko.
Azure AI Document Intelligence (dawniej Rozpoznawanie formularzy) to usługa w chmurze, która używa uczenia maszynowego do analizowania tekstu i danych ustrukturyzowanych z dokumentów. Zestaw SDK (Document Intelligence Software Development Kit) to zestaw bibliotek i narzędzi, które umożliwiają łatwe integrowanie modeli i możliwości analizy dokumentów z aplikacjami.
Biblioteka klienta dla analiza tekstu. Jest to część usługi językowej Azure AI, która udostępnia funkcje przetwarzania języka naturalnego (NLP) do zrozumienia i analizowania tekstu.
Artykuł Szybki start zawierający szczegółowe informacje na temat sposobu tłumaczenia dokumentów w celu tłumaczenia dokumentu źródłowego na język docelowy przy zachowaniu struktury i formatowania tekstu.
Biblioteka kliencka usługi Conversational Language Understanding (CLU), oparta na chmurze usługa konwersacyjnej sztucznej inteligencji, która może wyodrębniać intencje i jednostki w konwersacjach i działa jak orkiestrator, aby wybrać najlepszego kandydata do analizowania konwersacji w celu uzyskania najlepszej odpowiedzi z aplikacji, takich jak Qna, Luis i Conversation App.
Szablony referencyjne sztucznej inteligencji platformy Azure zapewniają dobrze utrzymywane i łatwe w wdrażaniu implementacji referencyjnych. Zapewniają one wysokiej jakości punkt wyjścia dla inteligentnych aplikacji. Kompleksowe rozwiązania zapewniają popularne, kompleksowe aplikacje referencyjne. Bloki konstrukcyjne to próbki o mniejszej skali, które koncentrują się na konkretnych scenariuszach i zadaniach.
Artykuł, który przeprowadzi Cię przez proces wdrażania i używania przykładowej aplikacji do czatów dla przedsiębiorstw dla języka Python. Ten przykład to kompletne kompleksowe rozwiązanie demonstrujące wzorzec generowania rozszerzonego pobierania (RAG) uruchomiony na platformie Azure przy użyciu usługi Azure AI Search do pobierania i pobierania dużych modeli językowych usługi Azure OpenAI w celu zasilania środowisk Typu ChatGPT i Q&A.
Prosta aplikacja kwart języka Python, która przesyła strumieniowo odpowiedzi z chatGPT do frontonu HTML/JS przy użyciu linii JSON za pośrednictwem elementu ReadableStream.
Przykład usługi Azure Functions, który pokazuje, jak użyć monitu ludzkiego jako danych wejściowych HTTP Get lub Post, oblicza ukończenie przy użyciu łańcuchów ludzkich danych wejściowych i szablonów. Jest to punkt wyjścia, który może służyć do bardziej zaawansowanych łańcuchów.
Przykład tworzenia wtyczki ChatGPT przy użyciu usług GitHub Codespaces, VS Code i Azure. Przykład zawiera szablony umożliwiające wdrożenie wtyczki w usłudze Azure Container Apps przy użyciu interfejsu wiersza polecenia dla deweloperów platformy Azure.
Weź dokumenty tekstowe jako dane wejściowe, podsumuj przy użyciu języka AI platformy Azure, a następnie wyprowadź dane wyjściowe do innego dokumentu tekstowego przy użyciu usługi Azure Functions.
Aby uzyskać pełną listę szablonów sztucznej inteligencji platformy Azure, odwiedź naszą galerię. Wszystkie szablony aplikacji w naszej galerii można połączyć i wdrożyć przy użyciu jednego polecenia: azd up.
To przykładowe rozwiązanie zostało utworzone przy użyciu platformy zwrotnego serwera proxy YARP O wysokiej wydajności firmy Microsoft. Nie musisz jednak rozumieć języka C#, aby go używać, możesz po prostu skompilować udostępniony obraz platformy Docker. Jest to alternatywne rozwiązanie dla inteligentnego modułu równoważenia obciążenia openAI usługi API Management z tą samą logiką.
Przykładowe rozwiązanie dla przedsiębiorstw pokazuje, jak utworzyć zasady usługi Azure API Management w celu bezproblemowego uwidocznienia pojedynczego punktu końcowego dla aplikacji przy zachowaniu wydajnej logiki do korzystania z co najmniej dwóch zapleczy interfejsu OpenAI lub dowolnego interfejsu API na podstawie dostępności i priorytetu.
Oceń odpowiedzi aplikacji czatu na zestaw poprawnych lub idealnych odpowiedzi (nazywanych prawem podstawy). Narzędzia do ewakuacji mogą być używane z dowolnym interfejsem API czatu, który jest zgodny z protokołem czatu.
Użyj testu locust, aby zweryfikować, czy aplikacja czatu może obsłużyć oczekiwane obciążenie. Jeśli aplikacja czatu nie jest skalowana w usłudze App Service ze względu na limity modułu TPM usługi Azure OpenAI, dodaj moduł równoważenia obciążenia i ponownie przetestuj obciążenie. Inteligentne moduły równoważenia obciążenia obejmują usługi Azure API Management i Azure Container Apps.
Artykuł, który przeprowadzi Cię przez proces wdrażania i używania przykładowej aplikacji do czatów dla przedsiębiorstw dla języka Python. Ten przykład to kompletne kompleksowe rozwiązanie demonstrujące wzorzec generowania rozszerzonego pobierania (RAG) uruchomiony na platformie Azure przy użyciu usługi Azure AI Search do pobierania i pobierania dużych modeli językowych usługi Azure OpenAI w celu zasilania środowisk Typu ChatGPT i Q&A.
Prosta aplikacja kwart języka Python, która przesyła strumieniowo odpowiedzi z chatGPT do frontonu HTML/JS przy użyciu linii JSON za pośrednictwem elementu ReadableStream.
W przykładzie pokazano, jak użyć monitu ludzkiego jako danych wejściowych HTTP Get lub Post, oblicza ukończenie przy użyciu łańcuchów danych wejściowych i szablonów ludzkich. Jest to punkt wyjścia, który może służyć do bardziej zaawansowanych łańcuchów.
Przykład tworzenia wtyczki ChatGPT przy użyciu usług GitHub Codespaces, VS Code i Azure. Przykład zawiera szablony umożliwiające wdrożenie wtyczki w usłudze Azure Container Apps przy użyciu interfejsu wiersza polecenia dla deweloperów platformy Azure.
Artykuł omawiający sposób, w jaki usługa Azure Database for PostgreSQL — serwer elastyczny i usługa Azure Cosmos DB for PostgreSQL obsługują rozszerzenie pgvector, a także omówienie, scenariusze itp.
Wersja kodu źródłowego usługi GitHub biblioteki języka Python OpenAI zapewnia wygodny dostęp do interfejsu API OpenAI z aplikacji napisanych w języku Python.
Notes zawierający przykład pobierania uzupełniania czatu do pracy przy użyciu punktów końcowych platformy Azure. W tym przykładzie skupiono się na uzupełnianiu czatów, ale także na innych operacjach, które są również dostępne przy użyciu interfejsu API.
Notes demonstrujący operacje używania osadzania, które można wykonać przy użyciu punktów końcowych platformy Azure. W tym przykładzie skupiono się na osadzaniu, ale także innych operacjach, które są również dostępne przy użyciu interfejsu API.
Artykuł z bardziej złożonymi scenariuszami zabezpieczeń wymaga kontroli dostępu opartej na rolach (RBAC) platformy Azure. W tym dokumencie opisano sposób uwierzytelniania w zasobie OpenAI przy użyciu identyfikatora Entra firmy Microsoft.
Repozytorium zawierające przykłady dla podpis i transkrypcji w scenariuszu centrum obsługi telefonicznej.
Używanie analizy dokumentów do automatyzowania procesu opartego na papierze przy użyciu rejestracji nowego pacjenta przy użyciu warsztatów rozpoznawania formularzy (kod)
Prezentacja w stylu warsztatu, która przeprowadzi Cię przez proces konwertowania i automatyzowania procesu opartego na papierze za pomocą analizy dokumentów.
Użyj usługi Azure AI Speech, aby rozmawiać z usługą Azure OpenAI Service. Tekst rozpoznany przez usługę Mowa jest wysyłany do usługi Azure OpenAI. Usługa Mowa syntetyzuje odpowiedź tekstową z usługi Azure OpenAI.
Repozytorium zawierające zarówno narzędzie wiersza polecenia, jak i aplikację systemu Windows, która służy jako interfejs lokalny dla usługi tłumaczenia dokumentów platformy Azure dla systemów Windows, macOS i Linux.
Przykłady dla zestawu SDK usługi Mowa w usłudze Azure Cognitive Services. Linki do przykładów dotyczących rozpoznawania mowy, tłumaczenia, syntezy mowy i nie tylko.
Azure AI Document Intelligence (dawniej Rozpoznawanie formularzy) to usługa w chmurze, która używa uczenia maszynowego do analizowania tekstu i danych ustrukturyzowanych z dokumentów. Zestaw SDK (Document Intelligence Software Development Kit) to zestaw bibliotek i narzędzi, które umożliwiają łatwe integrowanie modeli i możliwości analizy dokumentów z aplikacjami.
Biblioteka klienta dla analiza tekstu. Jest to część usługi językowej Azure AI, która udostępnia funkcje przetwarzania języka naturalnego (NLP) do zrozumienia i analizowania tekstu.
Artykuł Szybki start, który używa tłumaczenia dokumentów do tłumaczenia dokumentu źródłowego na język docelowy przy zachowaniu struktury i formatowania tekstu.
Biblioteka kliencka usługi Conversational Language Understanding (CLU), oparta na chmurze usługa konwersacyjnej sztucznej inteligencji, która może wyodrębniać intencje i jednostki w konwersacjach i działa jak orkiestrator, aby wybrać najlepszego kandydata do analizowania konwersacji w celu uzyskania najlepszej odpowiedzi z aplikacji, takich jak Qna, Luis i Conversation App.
Wykrywa szkodliwą zawartość wygenerowaną przez użytkownika i wygenerowaną przez sztuczną inteligencję w aplikacjach i usługach. Zawartość Sejf ty obejmuje interfejsy API tekstu i obrazu, które umożliwiają wykrywanie szkodliwych materiałów.
Szablony referencyjne sztucznej inteligencji platformy Azure zapewniają dobrze utrzymywane i łatwe w wdrażaniu implementacji referencyjnych. Zapewniają one wysokiej jakości punkt wyjścia dla inteligentnych aplikacji. Kompleksowe rozwiązania zapewniają popularne, kompleksowe aplikacje referencyjne. Bloki konstrukcyjne to próbki o mniejszej skali, które koncentrują się na konkretnych scenariuszach i zadaniach.
Artykuł, który przeprowadzi Cię przez proces wdrażania i używania przykładowej aplikacji do czatów dla przedsiębiorstw dla języka JavaScript. Ten przykład to kompletne kompleksowe rozwiązanie demonstrujące wzorzec generowania rozszerzonego pobierania (RAG) uruchomiony na platformie Azure przy użyciu usługi Azure AI Search do pobierania i pobierania dużych modeli językowych usługi Azure OpenAI w celu zasilania środowisk Typu ChatGPT i Q&A.
Prosta aplikacja kwart języka Python, która przesyła strumieniowo odpowiedzi z chatGPT do frontonu HTML/JS przy użyciu linii JSON za pośrednictwem elementu ReadableStream. (Kod języka Python jest dostarczany jako odwołanie i może zostać dostosowany do języka JavaScript).
W przykładzie pokazano, jak użyć monitu ludzkiego jako danych wejściowych HTTP Get lub Post, oblicza ukończenie przy użyciu łańcuchów danych wejściowych i szablonów ludzkich. Jest to punkt wyjścia, który może służyć do bardziej zaawansowanych łańcuchów. (Kod języka Python jest dostarczany jako odwołanie i może zostać dostosowany do języka JavaScript).
Przykład tworzenia wtyczki ChatGPT przy użyciu usług GitHub Codespaces, VS Code i Azure. Przykład zawiera szablony umożliwiające wdrożenie wtyczki w usłudze Azure Container Apps przy użyciu interfejsu wiersza polecenia dla deweloperów platformy Azure. (Kod języka Python jest dostarczany jako odwołanie i może zostać dostosowany do języka JavaScript).
Aby uzyskać pełną listę szablonów sztucznej inteligencji platformy Azure, odwiedź naszą galerię. Wszystkie szablony aplikacji w naszej galerii można połączyć i wdrożyć przy użyciu jednego polecenia: azd up.
To przykładowe rozwiązanie zostało utworzone przy użyciu platformy zwrotnego serwera proxy YARP O wysokiej wydajności firmy Microsoft. Nie musisz jednak rozumieć języka C#, aby go używać, możesz po prostu skompilować udostępniony obraz platformy Docker. Jest to alternatywne rozwiązanie dla inteligentnego modułu równoważenia obciążenia openAI usługi API Management z tą samą logiką.
Rozwiązanie dla przedsiębiorstw pokazuje, jak utworzyć zasady usługi Azure API Management, aby bezproblemowo uwidocznić jeden punkt końcowy dla aplikacji, zachowując wydajną logikę do korzystania z co najmniej dwóch interfejsów OpenAI lub dowolnych zapleczy interfejsu API na podstawie dostępności i priorytetu.
Oceń odpowiedzi aplikacji czatu na zestaw poprawnych lub idealnych odpowiedzi (nazywanych prawem podstawy). Narzędzia do ewakuacji mogą być używane z dowolnym interfejsem API czatu, który jest zgodny z protokołem czatu.
Artykuł, który przeprowadzi Cię przez proces wdrażania i używania przykładowej aplikacji do czatów dla przedsiębiorstw dla języka JavaScript. Ten przykład to kompletne kompleksowe rozwiązanie demonstrujące wzorzec generowania rozszerzonego pobierania (RAG) uruchomiony na platformie Azure przy użyciu usługi Azure AI Search do pobierania i pobierania dużych modeli językowych usługi Azure OpenAI w celu zasilania środowisk Typu ChatGPT i Q&A.
Przewodnik po korzystaniu z usługi Azure Cache for Redis jako magazynu wektorów zaplecza dla scenariuszy RAG. (Kod języka Python jest dostarczany jako odwołanie i może zostać dostosowany do języka JavaScript).
Artykuł omawiający sposób, w jaki usługa Azure Database for PostgreSQL — elastyczny serwer i usługa Azure Cosmos DB for PostgreSQL obsługuje rozszerzenie pgvector, wraz z omówieniem, scenariuszami itp. (Kod języka Python jest dostarczany jako odwołanie i można go dostosować do języka JavaScript).
Artykuł ze wskazówkami dotyczącymi drobnych zmian, które należy wprowadzić w kodzie, aby zamienić się tam i z powrotem między usługą OpenAI a usługą Azure OpenAI.
Artykuł opisujący bardziej złożone scenariusze zabezpieczeń wymaga kontroli dostępu na podstawie ról (RBAC) platformy Azure. W tym dokumencie opisano sposób uwierzytelniania w zasobie OpenAI przy użyciu identyfikatora Entra firmy Microsoft.
Artykuł, który używa usługi Azure AI Speech do rozmowy z usługą Azure OpenAI Service. Tekst rozpoznany przez usługę Mowa jest wysyłany do usługi Azure OpenAI. Usługa Mowa syntetyzuje odpowiedź tekstową z usługi Azure OpenAI. (Kod w języku C# i Python jest dostarczany jako odwołanie i może zostać dostosowany do języka JavaScript).
Azure AI Document Intelligence (dawniej Rozpoznawanie formularzy) to usługa w chmurze, która używa uczenia maszynowego do analizowania tekstu i danych ustrukturyzowanych z dokumentów. Zestaw SDK (Document Intelligence Software Development Kit) to zestaw bibliotek i narzędzi, które umożliwiają łatwe integrowanie modeli i możliwości analizy dokumentów z aplikacjami.
Kolekcja przykładów dla zestawu SDK usługi Mowa w usłudze Azure Cognitive Services. Linki do przykładów dotyczących rozpoznawania mowy, tłumaczenia, syntezy mowy i nie tylko.
Biblioteka klienta dla analiza tekstu. Jest to część usługi językowej Azure AI, która udostępnia funkcje przetwarzania języka naturalnego (NLP) do zrozumienia i analizowania tekstu.
Artykuł Szybki start, który używa tłumaczenia dokumentów do tłumaczenia dokumentu źródłowego na język docelowy przy zachowaniu struktury i formatowania tekstu.
Szablony referencyjne sztucznej inteligencji platformy Azure zapewniają dobrze utrzymywane i łatwe w wdrażaniu implementacji referencyjnych. Zapewniają one wysokiej jakości punkt wyjścia dla inteligentnych aplikacji. Kompleksowe rozwiązania zapewniają popularne, kompleksowe aplikacje referencyjne. Bloki konstrukcyjne to próbki o mniejszej skali, które koncentrują się na konkretnych scenariuszach i zadaniach.
Artykuł, który przeprowadzi Cię przez proces wdrażania i używania przykładowej aplikacji do czatów dla przedsiębiorstw dla języka Java. Ten przykład to kompletne kompleksowe rozwiązanie demonstrujące wzorzec generowania rozszerzonego pobierania (RAG) uruchomiony na platformie Azure przy użyciu usługi Azure AI Search do pobierania i pobierania dużych modeli językowych usługi Azure OpenAI w celu zasilania środowisk Typu ChatGPT i Q&A.
Prosta aplikacja kwart języka Python, która przesyła strumieniowo odpowiedzi z chatGPT do frontonu HTML/JS przy użyciu linii JSON za pośrednictwem elementu ReadableStream. (Kod języka Python jest dostarczany jako odwołanie i może zostać dostosowany do języka Java).
W przykładzie pokazano, jak użyć monitu ludzkiego jako danych wejściowych HTTP Get lub Post, oblicza ukończenie przy użyciu łańcuchów danych wejściowych i szablonów ludzkich. Jest to punkt wyjścia, który może służyć do bardziej zaawansowanych łańcuchów. (Kod języka Python jest dostarczany jako odwołanie i może zostać dostosowany do języka Java).
Przykład tworzenia wtyczki ChatGPT przy użyciu usług GitHub Codespaces, VS Code i Azure. Przykład zawiera szablony umożliwiające wdrożenie wtyczki w usłudze Azure Container Apps przy użyciu interfejsu wiersza polecenia dla deweloperów platformy Azure. (Kod języka Python jest dostarczany jako odwołanie i może zostać dostosowany do języka Java).
Aby uzyskać pełną listę szablonów sztucznej inteligencji platformy Azure, odwiedź naszą galerię. Wszystkie szablony aplikacji w naszej galerii można połączyć i wdrożyć przy użyciu jednego polecenia: azd up.
To przykładowe rozwiązanie zostało utworzone przy użyciu platformy zwrotnego serwera proxy YARP O wysokiej wydajności firmy Microsoft. Nie musisz jednak rozumieć języka C#, aby go używać, możesz po prostu skompilować udostępniony obraz platformy Docker. Jest to alternatywne rozwiązanie dla inteligentnego modułu równoważenia obciążenia openAI usługi API Management z tą samą logiką.
Rozwiązanie dla przedsiębiorstw pokazuje, jak utworzyć zasady usługi Azure API Management, aby bezproblemowo uwidocznić jeden punkt końcowy dla aplikacji, zachowując wydajną logikę do korzystania z co najmniej dwóch interfejsów OpenAI lub dowolnych zapleczy interfejsu API na podstawie dostępności i priorytetu.
Artykuł, który przeprowadzi Cię przez proces wdrażania i używania przykładowej aplikacji do czatów dla przedsiębiorstw dla języka Java. Ten przykład to kompletne kompleksowe rozwiązanie demonstrujące wzorzec generowania rozszerzonego pobierania (RAG) uruchomiony na platformie Azure przy użyciu usługi Azure AI Search do pobierania i pobierania dużych modeli językowych usługi Azure OpenAI w celu zasilania środowisk Typu ChatGPT i Q&A.
Artykuł, który przeprowadzi Cię przez proces używania usługi Azure Cache for Redis jako magazynu wektorów zaplecza dla scenariuszy RAG. (Kod języka Python jest dostarczany jako odwołanie i może zostać dostosowany do języka Java).
Artykuł omawiający sposób obsługi serwera elastycznego usługi Azure Database for PostgreSQL i usługi Azure Cosmos DB for PostgreSQL obsługuje rozszerzenie pgvector wraz z omówieniem, scenariuszami itp. (Kod języka Python jest dostarczany jako odwołanie i można go dostosować do języka Java).
Artykuł ze wskazówkami dotyczącymi drobnych zmian, które należy wprowadzić w kodzie, aby zamienić się tam i z powrotem między usługą OpenAI a usługą Azure OpenAI.
W artykule szczegółowo opisano bardziej złożone scenariusze zabezpieczeń, które wymagają kontroli dostępu opartej na rolach platformy Azure (Azure RBAC). W tym dokumencie opisano sposób uwierzytelniania w zasobie OpenAI przy użyciu identyfikatora Entra firmy Microsoft.
Przykłady usługi Azure OpenAI to zestaw samodzielnych programów Java, które demonstrują interakcję z usługą Azure OpenAI przy użyciu biblioteki klienta. Każdy przykład koncentruje się na konkretnym scenariuszu i może być wykonywany niezależnie.
Azure AI Document Intelligence (dawniej Rozpoznawanie formularzy) to usługa w chmurze, która używa uczenia maszynowego do analizowania tekstu i danych ustrukturyzowanych z dokumentów. Zestaw SDK (Document Intelligence Software Development Kit) to zestaw bibliotek i narzędzi, które umożliwiają łatwe integrowanie modeli i możliwości analizy dokumentów z aplikacjami.
Kolekcja przykładów dla zestawu SDK usługi Mowa w usłudze Azure Cognitive Services. Linki do przykładów dotyczących rozpoznawania mowy, tłumaczenia, syntezy mowy i nie tylko.
Biblioteka klienta dla analiza tekstu. Jest to część usługi językowej Azure AI, która udostępnia funkcje przetwarzania języka naturalnego (NLP) do zrozumienia i analizowania tekstu.
Artykuł Szybki start wyjaśniający sposób tłumaczenia dokumentów w celu tłumaczenia dokumentu źródłowego na język docelowy przy zachowaniu struktury i formatowania tekstu.
W artykule szczegółowo opisano bardziej złożone scenariusze zabezpieczeń, które wymagają kontroli dostępu opartej na rolach platformy Azure (Azure RBAC). W tym dokumencie opisano sposób uwierzytelniania w zasobie OpenAI przy użyciu identyfikatora Entra firmy Microsoft.
Biblioteka kliencka dla analiza tekstu, która jest częścią usługi Azure Cognitive Service for Language, usługi opartej na chmurze, która zapewnia funkcje przetwarzania języka naturalnego (NLP) na potrzeby interpretacji i analizowania tekstu.
Artykuł Szybki start przedstawiający sposób tłumaczenia dokumentów w celu tłumaczenia dokumentu źródłowego na język docelowy przy zachowaniu struktury i formatowania tekstu.
Dostępne już wkrótce: W 2024 r. będziemy stopniowo wycofywać zgłoszenia z serwisu GitHub jako mechanizm przesyłania opinii na temat zawartości i zastępować go nowym systemem opinii. Aby uzyskać więcej informacji, sprawdź: https://aka.ms/ContentUserFeedback.