Разработка приложений Python, использующих службы ИИ Azure
Статья
В этой статье содержатся документация, примеры и другие ресурсы для обучения разработке приложений, использующих Службу OpenAI Azure и другие службы ИИ Azure.
Справочные шаблоны azure AI
Эталонные шаблоны ИИ Azure предоставляют вам хорошо поддерживаемые и простые в развертывании эталонных реализаций. Это обеспечивает высококачественную отправную точку для интеллектуальных приложений. Комплексные решения предоставляют популярные и комплексные справочные приложения. Стандартные блоки — это более мелкие примеры, ориентированные на определенные сценарии и задачи.
Статья, которая описывает развертывание и использование примера приложения корпоративного чата для Python. Этот пример представляет собой полное комплексное решение, демонстрирующее шаблон создания дополненного экземпляра (RAG), выполняющегося в Azure, с помощью поиска ИИ Azure для получения и больших языковых моделей Azure OpenAI для работы с интерфейсом ChatGPT и Q&A.
Пример Функции Azure, показывающий, как получить человеческую строку в качестве входных данных HTTP Get или Post, вычисляет завершения с помощью цепочек данных и шаблонов. Это отправная точка, которая может использоваться для более сложных цепочек.
Пример создания подключаемого модуля ChatGPT с помощью GitHub Codespaces, VS Code и Azure. Пример включает шаблоны для развертывания подключаемого модуля в приложениях контейнеров Azure с помощью интерфейса командной строки разработчика Azure.
Вывод текстовых документов в качестве входных данных, суммирование с помощью языка ИИ Azure, а затем вывод в другой текстовый документ с помощью Функции Azure.
Полный список шаблонов ИИ Azure см. в нашей коллекции. Все шаблоны приложений в нашей коллекции могут быть сплочены и развернуты с помощью одной команды: azd up.
Это пример решения создается с помощью высокопроизводительной платформы обратного прокси-сервера YARP C# от Корпорации Майкрософт. Тем не менее, вам не нужно понимать C# для его использования, вы можете просто создать предоставленный образ Docker. Это альтернативное решение для смарт-подсистемы балансировки нагрузки OpenAI Управление API с той же логикой.
В примере корпоративного решения показано, как создать политику azure Управление API, чтобы легко предоставлять одну конечную точку приложениям, сохраняя эффективную логику для использования двух или более OpenAI или серверных серверных служб API на основе доступности и приоритета.
Оцените ответы приложения чата на соответствие набору правильных или идеальных ответов (известных как земная истина). Средства эвакуляции можно использовать с любым API чата, который соответствует протоколу чата.
Используйте тест Locust для проверки ожидаемой нагрузки приложения чата. Если приложение чата не масштабируется в Служба приложений из-за ограничений Azure OpenAI TPM, добавьте подсистему балансировки нагрузки и проверьте нагрузку еще раз. Интеллектуальные подсистемы балансировки нагрузки включают Azure Управление API и приложения контейнеров Azure.
Статья, которая описывает развертывание и использование примера приложения корпоративного чата для Python. Этот пример представляет собой полное комплексное решение, демонстрирующее шаблон создания дополненного экземпляра (RAG), выполняющегося в Azure, с помощью поиска ИИ Azure для получения и больших языковых моделей Azure OpenAI для работы с интерфейсом ChatGPT и Q&A.
В примере показано, как получить человеческую строку в качестве входных данных HTTP Get или Post, вычисляет завершения с помощью цепочек данных и шаблонов. Это отправная точка, которая может использоваться для более сложных цепочек.
Пример создания подключаемого модуля ChatGPT с помощью GitHub Codespaces, VS Code и Azure. Пример включает шаблоны для развертывания подключаемого модуля в приложениях контейнеров Azure с помощью интерфейса командной строки разработчика Azure.
В статье показано, как База данных Azure для PostgreSQL гибкий сервер и Azure Cosmos DB для PostgreSQL поддерживает расширение pgvector, а также обзор, сценарии и т. д.
Записная книжка, содержащая пример получения завершения чата для работы с конечными точками Azure. В этом примере основное внимание уделяется завершениям чата, но также касается некоторых других операций, которые также доступны с помощью API.
Записная книжка, демонстрирующая операции внедрения, которые можно выполнить с помощью конечных точек Azure. В этом примере основное внимание уделяется внедрению, но также касается некоторых других операций, которые также доступны с помощью API.
В статье с более сложными сценариями безопасности требуется управление доступом на основе ролей Azure (Azure RBAC). В этом документе описывается проверка подлинности в ресурсе OpenAI с помощью идентификатора Microsoft Entra.
Репозиторий, содержащий примеры для подпись и транскрибирования в сценарии центра обработки вызовов.
Использование аналитики документов для автоматизации процесса на основе бумаги с помощью регистрации новых пациентов с Распознаватель документов семинар (код)
Презентация стиля семинаров, которая описывает, как использовать аналитику документов для преобразования и автоматизации процесса на основе бумаги.
Использование службы "Речь ИИ Azure" для взаимодействия со службой Azure OpenAI. Текст, распознанный службой "Речь", отправляется в Azure OpenAI. Служба "Речь" синтезирует текстовый ответ из Azure OpenAI.
Репозиторий, содержащий как средство командной строки, так и приложение Windows, которое служит локальным интерфейсом в службе перевода документов Azure для Windows, macOS и Linux.
Аналитика документов Azure (ранее Распознаватель документов) — это облачная служба, использующая машинное обучение для анализа текста и структурированных данных из документов. Пакет средств разработки программного обеспечения для аналитики документов (SDK) — это набор библиотек и инструментов, которые позволяют легко интегрировать модели и возможности аналитики документов в приложения.
Клиентская библиотека для Анализ текста. Это часть службы языка ИИ Azure, которая предоставляет функции обработки естественного языка (NLP) для понимания и анализа текста.
Клиентская библиотека для беседы Распознавание речи (CLU), облачная служба ИИ, которая может извлекать намерения и сущности в беседах и действует как оркестратор, чтобы выбрать лучшего кандидата для анализа бесед, чтобы получить лучший ответ от таких приложений, как Qna, Luis и приложение беседы.
Обнаруживает вредное содержимое, созданное пользователем и созданные ИИ, в приложениях и службах. Содержимое Сейф ty включает API текста и изображения, которые позволяют обнаруживать материалы, которые являются вредными.
Ожидается в ближайшее время: в течение 2024 года мы постепенно откажемся от GitHub Issues как механизма обратной связи для контента и заменим его новой системой обратной связи. Дополнительные сведения см. в разделе https://aka.ms/ContentUserFeedback.