Desenvolver aplicativos Python que usam serviços de IA do Azure
Artigo
Este artigo fornece documentação, exemplos e outros recursos para aprender a desenvolver aplicativos que usam o Serviço OpenAI do Azure e outros Serviços de IA do Azure.
Modelos de referência da IA do Azure
Os modelos de referência de IA do Azure fornecem implementações de referência bem mantidas e fáceis de implantar. Estes garantem um ponto de partida de alta qualidade para as suas aplicações inteligentes. As soluções end-to-end fornecem aplicações de referência populares e abrangentes. Os blocos de construção são exemplos de menor escala que se concentram em cenários e tarefas específicos.
Um exemplo do Azure Functions que mostra como usar um prompt humano como HTTP Get ou Post input, calcula as finalizações usando cadeias de entrada humana e modelos. Este é um ponto de partida que pode ser usado para cadeias mais sofisticadas.
Um exemplo para criar o plug-in ChatGPT usando o GitHub Codespaces, VS Code e Azure. O exemplo inclui modelos para implantar o plug-in em Aplicativos de Contêiner do Azure usando a CLI do Desenvolvedor do Azure.
Tome documentos de texto como entrada, resuma usando a Linguagem de IA do Azure e, em seguida, envie para outro documento de texto usando o Azure Functions.
Para obter a lista completa de modelos de IA do Azure, visite nossa galeria. Todos os modelos de aplicativos em nossa galeria podem ser criados e implantados usando um único comando: azd up.
Esta solução de exemplo é criada usando a estrutura de proxy reverso YARP C# de alto desempenho da Microsoft. No entanto, você não precisa entender C# para usá-lo, você pode apenas criar a imagem do Docker fornecida. Esta é uma solução alternativa ao balanceador de carga inteligente OpenAI de Gerenciamento de API, com a mesma lógica.
A solução de exemplo empresarial mostra como criar uma Política de Gerenciamento de API do Azure para expor perfeitamente um único ponto de extremidade aos seus aplicativos, mantendo uma lógica eficiente para consumir dois ou mais OpenAI ou qualquer back-end de API com base na disponibilidade e prioridade.
Avalie as respostas de um aplicativo de bate-papo em relação a um conjunto de respostas corretas ou ideais (conhecidas como verdade básica). As ferramentas de evaulação podem ser usadas com qualquer API de Chat que esteja em conformidade com o protocolo de Chat.
Use um teste de gafanhotos para validar que seu aplicativo de bate-papo pode lidar com a carga esperada. Se seu aplicativo de chat não for dimensionado em seu Serviço de Aplicativo devido aos limites do Azure OpenAI TPM, adicione um balanceador de carga e teste sua carga novamente. Os balanceadores de carga inteligentes incluem o Gerenciamento de API do Azure e os Aplicativos de Contêiner do Azure.
Um artigo que o orienta na implantação e no uso do exemplo de aplicativo de chat corporativo para Python. Este exemplo é uma solução completa de ponta a ponta que demonstra o padrão de Geração Aumentada de Recuperação (RAG) em execução no Azure, usando a Pesquisa de IA do Azure para recuperação e modelos de linguagem grandes do Azure OpenAI para potencializar experiências de Perguntas e Respostas no estilo ChatGPT.
Um exemplo mostra como tomar um prompt humano como HTTP Get ou Post input, calcula as finalizações usando cadeias de entrada humana e modelos. Este é um ponto de partida que pode ser usado para cadeias mais sofisticadas.
Um exemplo para criar o plug-in ChatGPT usando o GitHub Codespaces, VS Code e Azure. O exemplo inclui modelos para implantar o plug-in em Aplicativos de Contêiner do Azure usando a CLI do Desenvolvedor do Azure.
Um artigo discutindo como o Banco de Dados do Azure para Servidor Flexível PostgreSQL e o Azure Cosmos DB para PostgreSQL dão suporte à extensão pgvector, juntamente com uma visão geral, cenários, etc.
A versão do código-fonte do GitHub da biblioteca OpenAI Python fornece acesso conveniente à API OpenAI a partir de aplicativos escritos na linguagem Python.
Um bloco de anotações que contém um exemplo de como fazer com que as finalizações de chat funcionem usando os pontos de extremidade do Azure. Este exemplo se concentra na conclusão do bate-papo, mas também aborda algumas outras operações que também estão disponíveis usando a API.
Um bloco de anotações demonstrando operações como usar incorporações que podem ser feitas usando os pontos de extremidade do Azure. Este exemplo se concentra em incorporações, mas também toca em algumas outras operações que também estão disponíveis usando a API.
Um artigo com cenários de segurança mais complexos requer o controle de acesso baseado em função do Azure (Azure RBAC). Este documento aborda como autenticar em seu recurso OpenAI usando o Microsoft Entra ID.
Uma compilação de recursos úteis do Serviço OpenAI do Azure e exemplos de código para ajudá-lo a começar e acelerar sua jornada de adoção de tecnologia.
Um repositório contendo amostras para legendas e transcrições em um cenário de call center.
Use a Inteligência Documental para automatizar um processo baseado em papel usando o workshop Novo registro de paciente com o Form Recognizer (Código)
Uma apresentação em estilo de workshop que o orienta sobre como usar a Inteligência Documental para converter e automatizar um processo baseado em papel.
Use o Azure AI Speech para conversar com o Serviço OpenAI do Azure. O texto reconhecido pelo serviço de Fala é enviado para o Azure OpenAI. O serviço de Fala sintetiza a resposta de texto do Azure OpenAI.
Um repositório que contém uma ferramenta de linha de comando e um aplicativo do Windows que serve como uma interface local para o serviço de Tradução de Documentos do Azure para Windows, macOS e Linux.
O Azure AI Document Intelligence (anteriormente Form Recognizer) é um serviço de nuvem que usa aprendizado de máquina para analisar texto e dados estruturados de documentos. O Document Intelligence software development kit (SDK) é um conjunto de bibliotecas e ferramentas que permitem integrar facilmente modelos e recursos de Document Intelligence em seus aplicativos.
A biblioteca do cliente para análise de texto. Isso faz parte do serviço Azure AI Language , que fornece recursos de Processamento de Linguagem Natural (NLP) para entender e analisar texto.
Um artigo de início rápido que usa a Tradução de Documentos para traduzir um documento de origem para um idioma de destino, preservando a estrutura e a formatação do texto.
Um artigo de início rápido com etapas para obter uma resposta (e pontuação de confiança) a partir de um corpo de texto que você envia junto com sua pergunta.
A biblioteca de cliente para Conversational Language Understanding (CLU), um serviço de IA conversacional baseado em nuvem, que pode extrair intenções e entidades em conversas e age como um orquestrador para selecionar o melhor candidato para analisar conversas para obter a melhor resposta de aplicativos como Qna, Luis e Conversation App.
Deteta conteúdo prejudicial gerado pelo usuário e por IA em aplicativos e serviços. A Segurança de Conteúdo inclui APIs de texto e imagem que permitem detetar material prejudicial.
Brevemente: Ao longo de 2024, vamos descontinuar progressivamente o GitHub Issues como mecanismo de feedback para conteúdos e substituí-lo por um novo sistema de feedback. Para obter mais informações, veja: https://aka.ms/ContentUserFeedback.