使用 Azure AI Studio 构建和部署使用提示流的问答助驾系统

使用 Azure AI Studio 构建和部署使用提示流的问答助驾系统

See: Build and deploy a question and answer copilot with prompt flow in Azure AI Studio - Azure AI Studio | Microsoft Learn

通过本示例，你可以使用生成式 AI 和t提示流来构建、配置并部署一个被称为 Cotoso 公司的助驾系统。这是一家专门从事户外露营装备和服装的零售公司。

Copolit 应该支持回答有关您的产品和服务的问题。它还支持回答有关客户的问题。例如，副驾可以回答诸如“TrailWalker 登山鞋的价格是多少？”和“Daniel Wilson 买了多少双 TrailWalker 登山鞋？”之类的问题。

本教程中的步骤包括：

• 将您的数据添加到聊天 Playground
• 从 Playground 创建提示流
• 使用多个数据源自定义提示流
• 使用问答评估数据集评估流程
• 部署流以供使用

前置条件

• Azure 订阅
• 在所需的 Azure 订阅中授予 Azure OpenAI 的访问权限
• 用于为示例产品和客户数据编制索引的 Azure AI 搜索服务连接。
• 您需要产品和客户数据的本地副本。

添加自有数据，重新尝试聊天模型

在上一篇的快速入门中，你已经观察了在没有自有数据的情况下，模型是如何响应的。现在，你可以为模型补充自有数据，来帮助它回答关于你的产品的问题。

为了完成这部分的练习，你需要关于产品数据的说明，在 GitHub 中的 Azure-Samples/aistudio-python-quickstart-sample 仓库中，包含关于客户和产品的资料，请克隆该仓库，或者复制其中来自 3-product-info 的产品信息。

遵循如下步骤来添加你的数据，不需要改变已经部署的模型，你的数据在你的订阅中被独立和安全的保存。

1. 访问 Azure AI Studio
2. 在左边的工具栏中选择 Playground > Chat
3. 通过 Deployment 下拉列表选择已经部署的模型
   
   
4. 在演练场的左边，选择添加自有数据 Add your data > +Add a new data source。
   
   
5. 在数据源 Data source 下拉列表中，选择上传文件 Upload files
   
   
6. 选择上传 > 上传文件 Upload > Upload files 然后浏览你的本地文件
7. 选择希望上传的文件。选择产品信息文件 (3-product-info)。添加所有的文件。在同一个演练场会话中不能再添加文件。
8. 选择上传 Upload 将文件上传到 Azure Blog 存储账号中。选择下一步 Next
   
   
9. 选择 Azure AI Search 服务。在此示例中，我们从 选择 Azure AI Search service 下拉列表中选择 "Connect other Azure AI Search resource"。如果没有搜索资源，可以通过选择 "Create a new Azure AI Search resource" 来创建一个搜索资源。然后返回此步骤进行连接并选择它。
   
   
10. 浏览你的 Azure AI Search 服务，然后选择添加连接 Add connection
    
    
11. 在索引名称 Index name 中，输入 product-info，然后继续
12. 在 Search settings 页面中，在 Vector settings 下面，取消选择 Add vector search to this search resource 的复选框。该设置帮助模型如何响应请求，然后继续
    

    如果添加了向量搜索，会出现更多的选择和额外的费用

13. 复查设置，然后点击创建 Create
14. 在演练场中，可以看到你的数据导入正在进行中。此过程可能需要几分钟时间。在继续操作之前，请等待，直到看到数据源和索引名称代替状态。
    
    
15. 为演练场的配置输入一个名称，然后选择保存 Save > Save configuration。默认保存所有配置项。项目包括部署、系统消息、安全消息、参数、添加的数据、示例和变量。保存同名的配置将保存在以前的版本之上。
    
    
16. 现在你可以使用询问模型以前相同的问题，这时候，它会使用你的自有数据来构造响应。你还可以使用参考按钮来查看所使用的数据。

从演练场创建提示流

现在你可能会问：“我怎样才能进一步定制这个副驾驶？您可能希望添加多个数据源、比较不同的提示或多个模型的性能。提示流充当可执行工作流，可简化基于 LLM 的 AI 应用程序的开发。它提供了一个全面的框架，用于管理应用程序中的数据流和处理。您可以使用提示流来优化发送到副驾驶聊天模型的消息。

在本节中，你将了解如何从 Playground 转换到提示流。导出 Playground 聊天环境，包括与添加的数据的连接。在本教程的后面部分，你将评估流，然后部署流以供使用。

您可以按照以下步骤从 Playground 创建提示流：

1. 转到 AI Studio 中的项目。
2. 从左窗格中选择 Playgrounds > Chat。
3. 由于我们使用的是自己的数据，因此需要选择“添加数据”。您应该已经拥有之前在聊天 Playground 中创建的名为 product-info 的索引。从“选择可用项目索引”下拉列表中选择它。否则，请先使用您的商品数据创建索引，然后返回此步骤。
4. 从聊天会话窗格上方的菜单中选择提示流。
5. 输入提示流的文件夹名称。然后选择“打开”。AI Studio 导出 Playground 聊天环境以提示流。导出包括与已添加数据的连接。
   
   

在提示流中，节点处于中心位置，代表具有独特功能的特定工具。这些节点处理数据处理、任务执行和算法操作，以及输入和输出。通过连接节点，您可以建立无缝的操作链，以指导数据流通过应用程序。有关详细信息，请参阅提示流工具。

为了便于节点配置和微调，通过 DAG（有向无环图）图提供了工作流结构的可视化表示。此图展示了节点之间的连接和依赖关系，提供了整个工作流的清晰概述。此处显示的图中的节点代表了导出到提示流的 Playground 聊天体验。

在提示流中，您还应该看到：

• 保存按钮：您可以随时通过从顶部菜单中选择保存来保存提示流。在本教程中进行更改时，请务必定期保存提示流。
• “启动计算会话”按钮：需要启动计算会话才能运行提示流。您可以在本教程的后面部分启动会话。计算实例在运行时会产生成本。有关详细信息，请参阅如何创建计算会话。

您可以随时通过从左侧菜单中的“工具”中选择“提示流”返回提示流。然后选择之前创建的提示流文件夹。