Modelos de Aplicação de IA do Azure: Acelerando o Desenvolvimento de IA

Modelos de aplicação de IA fornecem aos desenvolvedores implementações de referência bem suportadas e facilmente implantáveis para dar início aos seus projetos de IA. Esses modelos são categorizados em blocos padrão e soluções abrangentes, cada um abordando necessidades e casos de uso específicos dos desenvolvedores. Este artigo explora esses modelos, destacando seus principais recursos e benefícios para a construção de aplicações de IA robustas no Azure.

Blocos padrão são exemplos menores e focados, visando cenários e tarefas específicas. Muitos desses blocos demonstram funcionalidades usadas em uma aplicação de chat abrangente que utiliza dados personalizados. Exemplos incluem: * **Balanceamento de Carga com Azure Container Apps:** Estende as capacidades da aplicação de chat além das cotas de token e modelo do Azure OpenAI. * **Configuração de Segurança de Documentos:** Garante que o acesso do usuário às respostas da aplicação de chat seja baseado em suas permissões. * **Avaliação de Respostas de Aplicação de Chat:** Avalia as respostas da aplicação de chat em relação a um conjunto de respostas corretas para comparar alterações. * **Teste de Carga com Locust:** Realiza testes de carga em aplicações de chat Python para garantir que não excedam as cotas TPM do Azure OpenAI. * **Protegendo Aplicações de IA com Autenticação sem Chave:** Protege aplicações de chat Python do Azure OpenAI usando autenticação sem senha.

Soluções abrangentes são exemplos de referência de ponta a ponta que incluem documentação, código-fonte e instruções de implantação. Essas soluções são projetadas para serem adotadas e estendidas para fins personalizados. Exemplos incluem: * **Chat com Dados usando Azure OpenAI e AI Search (.NET & Python & Java & JavaScript):** Demonstra o padrão Retrieval-Augmented Generation (RAG), utilizando Azure AI Search e Azure OpenAI para interfaces semelhantes ao ChatGPT. * **Contoso Chat Retail Copilot (.NET):** Melhora a interação do cliente com um agente de chat inteligente para uma loja conceitual de varejo ao ar livre. * **Automação de Processos com Speech-to-Text e Sumarização (.NET):** Automatiza o processamento de problemas relatados por trabalhadores de campo, convertendo fala em texto e resumindo o problema. * **Multi-Modal Creative Writing Copilot (Python):** Uma solução multiagente para auxiliar os usuários na escrita de artigos, aproveitando o Bing Search e o Azure AI Search. * **Contoso Chat Retail Copilot com Azure AI Foundry:** Uma solução de copiloto de varejo usando o padrão RAG para responder a consultas de dados de varejo e de clientes. * **Automação de Processos com Speech-to-Text e Sumarização (Python):** Cria uma aplicação web para que os funcionários relatem problemas por texto ou voz, resumindo as informações para os departamentos relevantes. * **API Analytics Copilot (Python):** Um assistente de API para conversar com dados tabulares e realizar análises em linguagem natural. * **Assistente Bancário com Arquitetura Multiagente (Java):** Um assistente pessoal bancário projetado para transformar interações do usuário com informações de conta bancária e recursos de pagamento.

O modelo Chat with Data é uma solução abrangente que demonstra o padrão Retrieval-Augmented Generation (RAG). Ele utiliza o Azure AI Search para recuperação de informações e os modelos de linguagem grandes do Azure OpenAI para alimentar uma interface de perguntas e respostas semelhante ao ChatGPT. Este modelo está disponível em vários idiomas, incluindo .NET, Python, Java e JavaScript, tornando-o acessível a uma ampla gama de desenvolvedores. Ele demonstra a integração de serviços do Azure para criar uma aplicação de chat poderosa e inteligente.

O modelo Contoso Chat Retail Copilot implementa uma loja virtual que aprimora as interações com os clientes e o suporte de vendas por meio de um agente de chat inteligente. Este agente usa o padrão Retrieval-Augmented Generation (RAG) dentro do Microsoft Azure AI Stack, enriquecido com semantic kernel e suporte a consultas. Ele fornece uma interface conversacional para os clientes fazerem perguntas e receberem respostas relevantes com base em seu histórico de compras, garantindo práticas de IA responsáveis para qualidade e segurança.

Este modelo automatiza o processamento de problemas relatados por trabalhadores de campo em uma empresa de manufatura. Ele converte entradas de áudio de fala em texto e, em seguida, usa LLMs para resumir o problema, retornando os resultados em um formato estruturado. Esta solução otimiza o processo de relatórios, facilitando a comunicação de problemas pelos funcionários e a resolução eficiente deles pela empresa. Ele aproveita as capacidades de reconhecimento de fala e técnicas de sumarização do Azure para fornecer uma solução de automação abrangente.

O Multi-Modal Creative Writing Copilot é uma solução criativa para construir múltiplos agentes que auxiliam os usuários na escrita de artigos. Ele demonstra como criar e trabalhar com agentes de IA gerenciados pelo Azure OpenAI. A solução inclui uma aplicação Flask, um agente de pesquisa usando a API Bing Search, um agente de produto usando Azure AI Search, um agente de escrita para combinar informações de pesquisa e produto, e um agente editor para refinar o artigo. Este modelo demonstra o poder dos agentes de IA no aprimoramento do processo de escrita.

Este projeto foi projetado como um proof of concept (PoC) para explorar o campo inovador da geração de IA no contexto de arquiteturas multiagente. Usando a plataforma de orquestração de IA Java e Microsoft Semantic Kernel, o objetivo é criar uma aplicação web de chat para demonstrar a eficácia e confiabilidade do uso de agentes gerados por IA para transformar interações do usuário com cliques na web em conversas em linguagem natural, maximizando o uso de dados de carga de trabalho e APIs existentes. O principal caso de uso gira em torno de um assistente pessoal bancário projetado para mudar a forma como os usuários interagem com informações de conta bancária, histórico de transações e recursos de pagamento.

Este modelo é um chatbot de IA sem servidor usando LangChain.js e Azure, utilizando um conjunto de documentos corporativos para gerar respostas às consultas do usuário. Ele usa uma empresa fictícia, Contoso Real Estate, e a experiência permite que seus clientes façam perguntas sobre suporte para usar seus produtos. Os dados de exemplo contêm um conjunto de documentos descrevendo os termos de serviço, política de privacidade e guia de suporte. Este modelo demonstra a integração do LangChain.js e serviços do Azure para criar uma aplicação de chat poderosa e inteligente.

Os modelos de aplicação de IA no Azure fornecem um ponto de partida valioso para desenvolvedores que buscam construir aplicações inteligentes. Ao oferecer soluções pré-construídas e blocos padrão, esses modelos aceleram o processo de desenvolvimento e garantem implementações de alta qualidade. Se você está construindo uma aplicação de chat, automatizando processos ou criando um sistema multiagente, os modelos de aplicação de IA do Azure oferecem as ferramentas e os recursos necessários para ter sucesso.