首页
/ 在Azure AI Studio中使用自有数据构建生成式AI应用

在Azure AI Studio中使用自有数据构建生成式AI应用

2025-06-19 06:43:38作者:魏侃纯Zoe

概述

本文将指导您如何在Azure AI Studio中创建一个能够利用自有数据的生成式AI应用。我们将使用检索增强生成(RAG)技术,将自定义数据源集成到生成式AI模型中,构建一个基于聊天的智能应用。

什么是检索增强生成(RAG)

检索增强生成(Retrieval Augmented Generation)是一种将外部知识源与大型语言模型结合的技术。RAG模式的工作流程如下:

  1. 用户提出问题
  2. 系统从知识库中检索相关信息
  3. 将检索到的信息与问题一起提供给语言模型
  4. 模型生成基于检索内容的回答

这种技术特别适合需要基于特定领域知识回答问题的场景,如客户服务、技术支持或本文中的旅游咨询应用。

环境准备

创建Azure AI Studio中心

  1. 登录Azure AI Studio门户
  2. 创建新的AI中心资源
  3. 配置项目设置:
    • 选择订阅和资源组
    • 设置区域(推荐使用East US 2或Sweden Central)
  4. 等待项目创建完成

模型部署

我们的解决方案需要部署两个关键模型:

  1. 文本嵌入模型(text-embedding-ada-002)

    • 用于将文本数据向量化
    • 便于高效索引和处理
    • 配置50K TPM(每分钟令牌数)的速率限制
  2. 生成模型(gpt-4o)

    • 用于基于数据生成自然语言回答
    • 同样配置50K TPM的速率限制

提示:如果当前区域配额不足,可能需要选择其他区域创建资源。

数据准备与索引

添加数据源

  1. 下载旅游宣传册PDF文件集
  2. 在项目中上传这些文件
  3. 命名为"brochures"数据集

创建搜索索引

  1. 基于上传的数据创建新的Azure AI搜索资源
    • 选择Basic定价层
    • 确保与AI中心在同一区域
  2. 配置向量索引:
    • 索引名称:brochures-index
    • 使用text-embedding-ada-002模型进行嵌入
    • 启用向量搜索

索引创建过程包括:

  • 文档解析和分块
  • 文本标记嵌入
  • 搜索索引构建
  • 资产注册

提示:索引创建可能需要一些时间,可以利用这段时间熟悉宣传册内容。

测试索引

在将索引集成到应用前,我们可以通过Playground进行测试:

  1. 选择Chat Playground
  2. 使用gpt-4o模型
  3. 测试两种场景:
    • 不添加数据:询问"纽约有什么住宿选择?"
    • 添加索引后:询问同样问题,比较回答差异

构建RAG客户端应用

应用配置

  1. 准备开发环境(Cloud Shell)
  2. 克隆包含示例代码的存储库
  3. 安装必要的SDK:
    • Python:安装OpenAI SDK
    • C#:添加Azure.AI.OpenAI包
  4. 配置应用设置文件:
    • OpenAI终结点和API密钥
    • 模型部署名称
    • 搜索资源终结点和密钥
    • 索引名称

代码解析

RAG应用的核心逻辑包括:

  1. 创建Azure OpenAI客户端
  2. 设置系统消息(定义聊天角色)
  3. 处理用户输入:
    • 向量化查询文本
    • 搜索索引获取相关内容
    • 将检索结果与问题一起提交给模型
  4. 显示响应(包含来源引用)

关键点:

  • 使用混合搜索(向量+关键词)提高相关性
  • 维护聊天历史实现上下文感知
  • 显示来源增强可信度

运行应用

  1. 启动应用
  2. 测试示例问题:
    • "哪里可以看到建筑风格的度假地?"
    • 后续问题:"那里有什么住宿选择?"
  3. 观察模型如何基于索引数据生成回答

清理资源

完成测试后,请删除以下资源以避免不必要费用:

  • Azure AI搜索资源
  • Azure AI资源
  • 相关资源组

总结

通过本文,您已经学会了如何在Azure AI Studio中:

  1. 部署必要的AI模型
  2. 准备和索引自定义数据
  3. 构建基于RAG模式的生成式AI应用
  4. 测试和验证解决方案

这种技术可以扩展到各种业务场景,帮助组织利用自有数据增强AI应用的能力。

登录后查看全文
热门项目推荐