Summary
Retrieval Augmented Generation เชื่อมต่อฐานข้อมูลของคุณกับความสามารถของโมเดลภาษาขนาดใหญ่ แทนที่จะพึ่งพาข้อมูลการฝึกอบรมของแบบจําลอง คุณให้ข้อมูลปัจจุบันที่เกี่ยวข้องจากตารางของคุณเอง
รูปแบบ RAG ทั้งหมดดําเนินการใน T-SQL ฐานข้อมูลของคุณจัดการโฟลว์: ค้นหา จัดรูปแบบ พร้อมท์ โทร แยกวิเคราะห์ คุณสามารถเพิ่มความสามารถของ AI ให้กับแอปพลิเคชันที่มีอยู่ได้โดยการปรับเปลี่ยนกระบวนงานที่เก็บไว้ โดยไม่ต้องสร้างสแต็กแอปพลิเคชันของคุณใหม่
ในโมดูลนี้ คุณได้เรียนรู้วิธีการ:
- ระบุกรณีการใช้งาน RAG: รับรู้สถานการณ์ที่การต่อสายดินการตอบสนอง Large Language Model (LLM) ในเนื้อหาฐานข้อมูลช่วยเพิ่มความแม่นยําและความเกี่ยวข้อง
-
เตรียมบริบทจาก SQL: ใช้เพื่อ
FOR JSONแปลงผลลัพธ์การสืบค้นเป็นข้อความที่ LLM สามารถประมวลผลได้อย่างมีประสิทธิภาพ - สร้างข้อความแจ้งเสริม: สร้างเพย์โหลดคําขอที่รวมคําแนะนําของระบบ บริบทที่ดึงมา และคําถามของผู้ใช้
-
ดําเนินการไปป์ไลน์ RAG: เรียกใช้ปลายทาง Azure OpenAI โดยใช้
sp_invoke_external_rest_endpointและแยกวิเคราะห์การตอบกลับ