Поделиться через


Начало работы с чатом с помощью собственного примера данных для Java

В этой статье показано, как развернуть и запустить чат с примером данных для Java. В этом примере реализовано приложение чата с помощью Java, Azure OpenAI Service и извлечения дополненного поколения (RAG) в службе поиска искусственного интеллекта Azure, чтобы получить ответы о преимуществах сотрудников в вымышленной компании. Приложение заполнено PDF-файлами, включая руководство сотрудника, документ о преимуществах и список ролей и ожиданий компании.

Следуя инструкциям в этой статье, вы получите следующее:

  • Разверните приложение чата в Azure.
  • Получите ответы о преимуществах сотрудников.
  • Измените параметры, чтобы изменить поведение ответов.

Завершив эту статью, вы можете начать изменение нового проекта с помощью пользовательского кода.

Эта статья является частью коллекции статей, демонстрирующих создание приложения чата с помощью Службы OpenAI Azure и поиска ИИ Azure. Другие статьи в коллекции включают:

Примечание.

В этой статье используется один или несколько шаблонов приложений ИИ в качестве основы для примеров и рекомендаций в этой статье. Шаблоны приложений ИИ предоставляют вам хорошо поддерживаемые и простые в развертывании эталонные реализации, которые помогают обеспечить высококачественную отправную точку для приложений ИИ.

Обзор архитектуры

Простая архитектура приложения чата показана на следующей схеме:

Схема, показывающая архитектуру от клиента к внутреннему приложению.

Ключевые компоненты архитектуры:

  • Веб-приложение для размещения интерактивного чата.
  • Ресурс поиска ИИ Azure для получения ответов из собственных данных.
  • Служба Azure OpenAI для предоставления:
    • Ключевые слова для улучшения поиска по собственным данным.
    • Ответы из модели OpenAI.
    • Внедрение из модели ada

Себестоимость

Большинство ресурсов в этой архитектуре используют базовую или ценовую категорию потребления. Цены на потребление основаны на использовании, что означает, что вы оплачиваете только то, что вы используете. Чтобы завершить эту статью, будет взиматься плата, но она будет минимальной. Когда вы закончите работу со статьей, вы можете удалить ресурсы для прекращения расходов.

Дополнительные сведения о затратах в примере репозитория.

Необходимые компоненты

Среда контейнера разработки доступна со всеми зависимостями, необходимыми для выполнения этой статьи. Контейнер разработки можно запустить в GitHub Codespaces (в браузере) или локально с помощью Visual Studio Code.

Чтобы использовать эту статью, вам потребуются следующие предварительные требования:

  • подписка Azure — создайте бесплатную учетную запись.
  • Разрешения учетной записи Azure. Учетная запись Azure должна иметь разрешения Microsoft.Authorization/roleAssignments/write, такие как администратор доступа пользователей или владелец.
  • Службе Azure OpenAI предоставлен доступ в требуемой подписке Azure В настоящее время доступ к этой службе предоставляется только приложением. Вы можете подать заявку на доступ к Azure OpenAI, выполнив форму по адресу https://aka.ms/oai/access. Если у вас возникли проблемы, создайте соответствующий запрос в этом репозитории, чтобы связаться с нами.
  • учетная запись GitHub;

Открытие среды разработки

Начните с среды разработки, которая содержит все зависимости, установленные для выполнения этой статьи.

GitHub Codespaces запускает контейнер разработки, управляемый GitHub, с Помощью Visual Studio Code для Интернета в качестве пользовательского интерфейса. Для наиболее простой среды разработки используйте GitHub Codespaces, чтобы у вас были правильные средства разработчика и зависимости, предварительно установленные для выполнения этой статьи.

Внимание

Все учетные записи GitHub могут использовать пространства Кода до 60 часов бесплатно каждый месяц с 2 основными экземплярами. Дополнительные сведения см. в GitHub Codespaces ежемесячно включаемых в хранилище и основные часы.

  1. Щелкните правой кнопкой мыши следующую кнопку и выберите "Открыть ссылку" в новых окнах , чтобы одновременно иметь среду разработки и документацию.

    Открытие в GitHub Codespaces

  2. На странице "Создание пространства кода" просмотрите параметры конфигурации пространства кода и выберите "Создать пространство кода".

    Снимок экрана подтверждения перед созданием нового пространства кода.

  3. Дождитесь запуска пространства кода. Этот процесс запуска может занять несколько минут.

  4. В терминале в нижней части экрана войдите в Azure с помощью Интерфейса командной строки разработчика Azure.

    azd auth login
    
  5. Скопируйте код из терминала и вставьте его в браузер. Следуйте инструкциям по проверке подлинности с помощью учетной записи Azure.

  6. Остальные задачи в этой статье выполняются в контексте этого контейнера разработки.

Развертывание и запуск

Пример репозитория содержит все файлы кода и конфигурации, необходимые для развертывания приложения чата в Azure. Ниже приведены инструкции по развертыванию примера в Azure.

Развертывание приложения чата в Azure

Внимание

Ресурсы Azure, созданные в этом разделе, несут немедленные затраты, в первую очередь из ресурса поиска ИИ Azure. Эти ресурсы могут начислять затраты, даже если вы прерываете команду до его полного выполнения.

  1. Выполните следующую команду Командной строки разработчика Azure, чтобы подготовить ресурсы Azure и развернуть исходный код:

    azd up
    
  2. Если вам будет предложено ввести имя среды, сохраните его коротким и нижним регистром. Например, myenv. Он используется в качестве части имени группы ресурсов.

  3. При появлении запроса выберите подписку, чтобы создать ресурсы.

  4. Когда появится запрос на выбор расположения в первый раз, выберите расположение рядом с вами. Это расположение используется для большинства ресурсов, включая размещение.

  5. Если вам будет предложено указать расположение для модели OpenAI, выберите расположение, которое находится рядом с вами. Если то же расположение доступно в качестве первого расположения, выберите это.

  6. Дождитесь развертывания приложения. Для завершения развертывания может потребоваться 5–10 минут.

  7. После успешного развертывания приложения вы увидите URL-адрес, отображаемый в терминале.

  8. Выберите этот URL-адрес, чтобы Deploying service web открыть приложение чата в браузере. Снимок экрана: приложение чата в браузере с несколькими предложениями для ввода чата и текстового поля чата для ввода вопроса.

Использование приложения чата для получения ответов из PDF-файлов

Приложение чата предварительно загружено с информацией о преимуществах сотрудников из PDF-файлов. Вы можете использовать приложение чата, чтобы задать вопросы о преимуществах. В следующих шагах описан процесс использования приложения чата.

  1. В браузере выберите или введите "Что входит в план Northwind Health Plus, который не является стандартным?" в текстовом поле чата.

    Снимок экрана: первый ответ приложения чата.

  2. В ответе выберите один из ссылок.

    Снимок экрана: первый ответ приложения чата с выделенной ссылкой в красном поле.

  3. На правой панели используйте вкладки, чтобы понять, как был создан ответ.

    Вкладка Описание
    Процесс мысли Это сценарий взаимодействия в чате.
    Вспомогательное содержимое Сюда входят сведения для ответа на ваш вопрос и исходный материал.
    Источник Откроется PDF-страница, содержащая ссылку.
  4. По завершении выберите выбранную вкладку, чтобы закрыть панель.

Использование параметров приложения чата для изменения поведения ответов

Аналитика приложения чата определяется моделью OpenAI и параметрами, которые используются для взаимодействия с моделью.

Снимок экрана: параметры разработчика чата.

Параметр Description
Переопределение шаблона запроса Это запрос, используемый для создания ответа.
Получение этого большого количества результатов поиска Это количество результатов поиска, используемых для создания ответа. Эти источники отображаются в процессе мысли и вкладках содержимого поддержки ссылки.
Исключить категорию Это категория документов, исключенных из результатов поиска.
Использование семантического ранга для извлечения Это функция службы "Поиск ИИ Azure", использующая машинное обучение для повышения релевантности результатов поиска.
Использование сводок в контекстном запросе вместо целых документов Use semantic ranker Use query-contextual summaries При проверке в LLM используются заголовки, извлеченные из ключевых проходов, а не все проходы, в документах с наивысшим рейтингом.
Советы по дальнейшим вопросам Предложите в приложении чата дальнейшие вопросы на основе ответа.
Режим извлечения Vectors + Text означает, что результаты поиска основаны на тексте документов и внедрении документов. Векторы означает, что результаты поиска основаны на внедрениях документов. Текст означает, что результаты поиска основаны на тексте документов.
Ответы на завершение чата потоковой передачи Поток ответа вместо ожидания, пока полный ответ не будет доступен для ответа.

Ниже описан процесс изменения параметров.

  1. В браузере перейдите на вкладку "Параметры разработчика ".

  2. Установите флажок "Предложить дальнейшие вопросы" и снова задайте один и тот же вопрос.

    What is my deductible?
    

    В чате были возвращены рекомендуемые ответы на следующие вопросы:

    1. What is the cost sharing for out-of-network services?
    2. Are preventive care services subject to the deductible?
    3. How does the prescription drug deductible work?
    
  3. На вкладке "Параметры" отмените выбор семантического рангера для извлечения.

  4. Задайте тот же вопрос снова?

    What is my deductible?
    
  5. Что такое разница в ответах?

    Например, ответ, который использовал семантический рангер, предоставил один ответ: The deductible for the Northwind Health Plus plan is $2,000 per year

    Ответ без семантического ранжирования вернул ответ, который требовал больше работы для получения ответа: Based on the information provided, it is unclear what your specific deductible is. The Northwind Health Plus plan has different deductible amounts for in-network and out-of-network services, and there is also a separate prescription drug deductible. I would recommend checking with your provider or referring to the specific benefits details for your plan to determine your deductible amount

Очистка ресурсов

Очистка ресурсов Azure

Ресурсы Azure, созданные в этой статье, выставляются в подписку Azure. Если вы не ожидаете, что эти ресурсы потребуются в будущем, удалите их, чтобы избежать дополнительных расходов.

Выполните следующую команду Командной строки разработчика Azure, чтобы удалить ресурсы Azure и удалить исходный код:

azd down --purge

Очистка GitHub Codespaces

Удаление среды GitHub Codespaces гарантирует, что вы можете максимально увеличить объем бесплатных прав на базовые часы, которые вы получаете для вашей учетной записи.

Внимание

Дополнительные сведения о правах учетной записи GitHub см . в GitHub Codespaces ежемесячно включено в хранилище и основные часы.

  1. Войдите на панель мониторинга GitHub Codespaces (https://github.com/codespaces).
  2. Найдите текущие запущенные пространства Codespaces, полученные из Azure-Samples/azure-search-openai-demo-java репозитория GitHub. Снимок экрана: все запущенные пространства Codespace, включая их состояние и шаблоны.
  3. Откройте контекстное меню для пространства кода и нажмите кнопку "Удалить". Снимок экрана: контекстное меню для одного пространства кода с выделенным параметром удаления.

Как ответить на вопрос?

Приложение разделено на 2 приложения:

  • Интерфейсное приложение JavaScript с помощью платформы React с инструментом сборки Vite.
  • Серверное приложение Java отвечает на вопрос.

Внутренний /chat API выполняет шаги по получению ответа:

  • Параметры сборки RAG: создайте набор параметров, которые будут использоваться для создания ответа.
  • Создание подхода с помощью RAG: используйте сочетание моделей на основе извлечения и создания, чтобы создать подход для создания точного и естественного отклика.
  • Запустите подход с параметрами RAG и предыдущей беседой: используйте подход и параметры RAG для создания ответа на основе предыдущей беседы. Ответ содержит сведения о том, какие документы использовались для создания ответа.

Получить помощь

Этот пример репозитория предлагает сведения об устранении неполадок.

Если ваш выпуск не устранен, зайдите в журнал проблемы репозитория.

Следующие шаги