Azure KI-Anwendungsvorlagen: Beschleunigung der KI-Entwicklung

KI-Anwendungsvorlagen bieten Entwicklern gut unterstützte und einfach bereitzustellende Referenzimplementierungen, um ihre KI-Projekte zu starten. Diese Vorlagen sind in Standardblöcke und umfassende Lösungen unterteilt, die jeweils spezifische Entwicklerbedürfnisse und Anwendungsfälle abdecken. Dieser Artikel untersucht diese Vorlagen und hebt ihre wichtigsten Funktionen und Vorteile für die Erstellung robuster KI-Anwendungen auf Azure hervor.

Standardblöcke sind kleinere, fokussierte Beispiele, die auf spezifische Szenarien und Aufgaben abzielen. Viele dieser Blöcke demonstrieren Funktionalitäten, die in einer umfassenden Chat-Anwendung mit benutzerdefinierten Daten verwendet werden. Beispiele hierfür sind: * **Load Balancing mit Azure Container Apps:** Erweitert die Fähigkeiten von Chat-Anwendungen über die Token- und Modellkontingente von Azure OpenAI hinaus. * **Konfiguration der Dokumentensicherheit:** Stellt sicher, dass der Benutzerzugriff auf Antworten von Chat-Anwendungen auf seinen Berechtigungen basiert. * **Bewertung von Chat-Anwendungsantworten:** Bewertet Antworten von Chat-Anwendungen anhand einer Reihe korrekter Antworten, um Änderungen zu vergleichen. * **Lasttests mit Locust:** Führt Lasttests für Python-Chat-Anwendungen durch, um sicherzustellen, dass diese die TPM-Kontingente von Azure OpenAI nicht überschreiten. * **Sicherung von KI-Anwendungen mit schlüsselloser Authentifizierung:** Schützt Python-Chat-Anwendungen von Azure OpenAI mithilfe passwortloser Authentifizierung.

Umfassende Lösungen sind End-to-End-Referenzbeispiele, die Dokumentation, Quellcode und Bereitstellungsanweisungen enthalten. Diese Lösungen sind so konzipiert, dass sie für benutzerdefinierte Zwecke übernommen und erweitert werden können. Beispiele hierfür sind: * **Chatten mit Daten unter Verwendung von Azure OpenAI und AI Search (.NET & Python & Java & JavaScript):** Demonstriert das Retrieval-Augmented Generation (RAG)-Muster unter Verwendung von Azure AI Search und Azure OpenAI für ChatGPT-ähnliche Schnittstellen. * **Contoso Chat Retail Copilot (.NET):** Verbessert die Kundeninteraktion mit einem intelligenten Chat-Agenten für ein konzeptionelles Outdoor-Einzelhandelsgeschäft. * **Prozessautomatisierung mit Speech-to-Text und Zusammenfassung (.NET):** Automatisiert die Verarbeitung von Problemen, die von Außendienstmitarbeitern gemeldet werden, indem Sprache in Text umgewandelt und das Problem zusammengefasst wird. * **Multi-Modal Creative Writing Copilot (Python):** Eine Multi-Agenten-Lösung zur Unterstützung von Benutzern beim Schreiben von Artikeln, die Bing Search und Azure AI Search nutzt. * **Contoso Chat Retail Copilot mit Azure AI Foundry:** Eine Retail-Copilot-Lösung, die das RAG-Muster verwendet, um auf Abfragen zu Einzelhandels- und Kundendaten zu antworten. * **Prozessautomatisierung mit Speech-to-Text und Zusammenfassung (Python):** Erstellt eine Webanwendung, mit der Mitarbeiter Probleme per Text oder Sprache melden können, wobei die Informationen für die zuständigen Abteilungen zusammengefasst werden. * **API Analytics Copilot (Python):** Ein API-Assistent zum Chatten mit tabellarischen Daten und zur Durchführung von Natural-Language-Analysen. * **Banking Assistant mit Multi-Agenten-Architektur (Java):** Ein persönlicher Banking-Assistent, der die Interaktion von Benutzern mit Bankkontoinformationen und Zahlungsfunktionen transformieren soll.

Die Vorlage 'Chatten mit Daten' ist eine umfassende Lösung, die das Retrieval-Augmented Generation (RAG)-Muster demonstriert. Sie nutzt Azure AI Search für die Informationsbeschaffung und die großen Sprachmodelle von Azure OpenAI, um eine ChatGPT-ähnliche Q&A-Schnittstelle zu ermöglichen. Diese Vorlage ist in mehreren Sprachen verfügbar, darunter .NET, Python, Java und JavaScript, was sie für eine breite Palette von Entwicklern zugänglich macht. Sie zeigt die Integration von Azure-Diensten zur Erstellung einer leistungsstarken und intelligenten Chat-Anwendung.

Die Vorlage 'Contoso Chat Retail Copilot' implementiert einen virtuellen Store, der die Kundeninteraktion und den Vertriebssupport durch einen intelligenten Chat-Agenten verbessert. Dieser Agent verwendet das Retrieval-Augmented Generation (RAG)-Muster innerhalb des Microsoft Azure AI Stacks, angereichert mit Semantic Kernel und Query Support. Er bietet eine konversationelle Schnittstelle, über die Kunden Fragen stellen und relevante Antworten basierend auf ihrer Kaufhistorie erhalten können, wobei verantwortungsvolle KI-Praktiken für Qualität und Sicherheit gewährleistet werden.

Diese Vorlage automatisiert die Verarbeitung von Problemen, die von Außendienstmitarbeitern in einem Produktionsunternehmen gemeldet werden. Sie wandelt Audioeingaben von Sprache in Text um und verwendet dann LLMs, um das Problem zusammenzufassen, und gibt die Ergebnisse in einem strukturierten Format zurück. Diese Lösung optimiert den Meldeprozess und erleichtert es den Mitarbeitern, Probleme zu kommunizieren und dem Unternehmen, diese effizient zu lösen. Sie nutzt die Speech-to-Text-Fähigkeiten und Zusammenfassungstechniken von Azure, um eine umfassende Automatisierungslösung bereitzustellen.

Der Multi-Modal Creative Writing Copilot ist eine kreative Lösung zum Erstellen mehrerer Agenten, die Benutzer beim Schreiben von Artikeln unterstützen. Er demonstriert, wie KI-Agenten, die von Azure OpenAI verwaltet werden, erstellt und mit ihnen gearbeitet werden kann. Die Lösung umfasst eine Flask-Anwendung, einen Recherche-Agenten, der die Bing Search API verwendet, einen Produkt-Agenten, der Azure AI Search verwendet, einen Writer-Agenten zum Kombinieren von Recherche- und Produktinformationen und einen Editor-Agenten zur Verfeinerung des Artikels. Diese Vorlage zeigt die Leistungsfähigkeit von KI-Agenten bei der Verbesserung des Schreibprozesses.

Dieses Projekt ist als Proof of Concept (PoC) konzipiert, um das innovative Feld der KI-Generierung im Kontext von Multi-Agenten-Architekturen zu erforschen. Unter Verwendung der Java- und Microsoft Semantic Kernel AI-Orchestrierungsplattform ist das Ziel, eine Chat-Webanwendung zu erstellen, um die Effektivität und Zuverlässigkeit der Verwendung von KI-generierten Agenten zu demonstrieren, um Benutzerinteraktionen mit Webklicks in natürliche Sprachgespräche umzuwandeln, während gleichzeitig die Nutzung vorhandener Workload-Daten und APIs maximiert wird. Der Hauptanwendungsfall dreht sich um einen persönlichen Banking-Assistenten, der die Art und Weise verändern soll, wie Benutzer mit Bankkontoinformationen, Transaktionshistorien und Zahlungsfunktionen interagieren.

Diese Vorlage ist ein serverloser KI-Chatbot, der LangChain.js und Azure verwendet und eine Reihe von Unternehmensdokumenten nutzt, um Antworten auf Benutzeranfragen zu generieren. Sie verwendet ein fiktives Unternehmen, Contoso Real Estate, und die Erfahrung ermöglicht es seinen Kunden, Fragen zur Unterstützung bei der Verwendung ihrer Produkte zu stellen. Die Beispieldaten enthalten eine Reihe von Dokumenten, die die Nutzungsbedingungen, die Datenschutzrichtlinie und den Support-Leitfaden beschreiben. Diese Vorlage zeigt die Integration von LangChain.js und Azure-Diensten zur Erstellung einer leistungsstarken und intelligenten Chat-Anwendung.

KI-Anwendungsvorlagen auf Azure bieten einen wertvollen Ausgangspunkt für Entwickler, die intelligente Anwendungen erstellen möchten. Durch die Bereitstellung von vorgefertigten Lösungen und Standardblöcken beschleunigen diese Vorlagen den Entwicklungsprozess und gewährleisten qualitativ hochwertige Implementierungen. Ob Sie eine Chat-Anwendung erstellen, Prozesse automatisieren oder ein Multi-Agenten-System entwickeln, die KI-Anwendungsvorlagen von Azure bieten die Werkzeuge und Ressourcen, die Sie für den Erfolg benötigen.