» هوش مصنوعی » ChatGPT + Enterprise Data: نسل بعدی خدمات مشتری مبتنی بر هوش مصنوعی
هوش مصنوعی

ChatGPT + Enterprise Data: نسل بعدی خدمات مشتری مبتنی بر هوش مصنوعی

دی 11, 1348 1047

ChatGPT یک مدل زبان بزرگ OpenAI است که ممکن است برای تولید متن، ترجمه زبان‌ها، نوشتن انواع مختلف مطالب خلاقانه و ارائه پاسخ‌های مفید به سؤالات شما استفاده شود. ChatGPT ممکن است برای ایجاد طیف وسیعی از برنامه‌های خدمات مشتری مبتنی بر هوش مصنوعی در صورت ترکیب با داده‌های شرکتی استفاده شود.

این نمونه نحوه استفاده از الگوی Retrieval Augmented Generation را برای ایجاد تجربه‌های ChatGPT مانند روی داده‌های خود نشان می‌دهد. از سرویس Azure OpenAI برای اتصال به مدل ChatGPT (gpt-35-turbo) و Azure Cognitive Search برای فهرست‌بندی و بازیابی داده‌ها استفاده می‌کند.

مخزن شامل داده های نمونه است، بنابراین می توانید آن را از ابتدا تا انتها امتحان کنید. ما از یک شرکت ساختگی به نام Contoso Electronics در برنامه نمونه خود استفاده می کنیم و این تجربه به کارگران آن اجازه می دهد تا در مورد مزایا، خط مشی های داخلی، و شرح شغل و موقعیت سؤال بپرسند.

Chatgpt

ویژگی ها

  • تعامل برای گپ و پرسش و پاسخ
  • چندین احتمال را برای کمک به کاربران در تعیین اعتبار پاسخ‌ها از طریق نقل‌قول، نظارت بر منابع منبع، و غیره بررسی می‌کند.
  • روش‌هایی را برای آماده‌سازی داده‌ها، ایجاد سریع، و هماهنگ‌سازی تعامل مدل (ChatGPT) و Retriever (جستجوی شناختی) نشان می‌دهد.
  • برای تنظیم عملکرد و آزمایش با گزینه‌ها، از تنظیمات مستقیماً در UX استفاده کنید.
Chatgpt

هزینه ها و پیکربندی منابع Azure

مهم: برای استقرار و اجرای این مثال، باید یک اشتراک Azure با دسترسی به سرویس Azure OpenAI فعال داشته باشید. می‌توانید با کلیک کردن روی اینجا درخواست دسترسی کنید. همچنین می‌توانید برای شروع، تعدادی اعتبار رایگان Azure را اینجا دریافت کنید.

هزینه‌های منابع AZURE به طور پیش‌فرض، این مثال منابع خدمات Azure App و Azure Cognitive Search را با هزینه‌های ماهانه و همچنین منابع Form Recognizer را با هزینه‌های هر صفحه ایجاد می‌کند. می‌توانید با تغییر فایل پارامترها در پوشه infra از این هزینه جلوگیری کنید (اگرچه محدودیت‌هایی وجود دارد که باید در نظر بگیرید؛ برای مثال، می‌توانید فقط یک منبع جستجوی شناختی رایگان در هر اشتراک داشته باشید، و منبع رایگان Form Recognizer فقط دو صفحه اول هر سند را تجزیه و تحلیل می‌کند).

پیش نیازهای استقرار محلی

برای اجرای پروژه به صورت محلی، به پیش نیازهای زیر نیاز دارید:

  1. CLI برنامه نویس Azure
  2. Python 3+
    • مهم: پایتون و مدیر بسته پیپ باید در متغیر محیطی PATH در ویندوز باشند تا اسکریپت های راه اندازی کار کنند.
    • مهم: مطمئن شوید که می توانید python --version را از کنسول اجرا کنید. در اوبونتو، ممکن است لازم باشد sudo apt install python-is-python3 را اجرا کنید تا پایتون را به python3 پیوند دهید.
    • .

  3. Node.js
  4. Git
  5. PowerShell 7+ (pwsh) – فقط برای کاربران ویندوز.
    • مهم: مطمئن شوید که می توانید pwsh.exe را از یک فرمان PowerShell اجرا کنید. اگر این کار انجام نشد، احتمالاً باید PowerShell را ارتقا دهید.

توجه: حساب Azure شما باید دارای مجوزهای Microsoft.Authorization/roleAssignments/write باشد، مانند مدیر دسترسی کاربر یا مالک.

نصب و راه اندازی پروژه

  1. یک پوشه جدید ایجاد کنید و در ترمینال به آن بروید.
  2. فرمان azd auth login را برای احراز هویت با حساب Azure خود اجرا کنید.
  3. فرمان azd init -t azure-search-openai-demo را برای مقداردهی اولیه پروژه با استفاده از الگوی ارائه شده اجرا کنید.
    • برای مکان هدف، مناطقی که در حال حاضر از مدل‌های مورد استفاده در این نمونه پشتیبانی می‌کنند، شرق ایالات متحده یا جنوب مرکزی ایالات متحده هستند. می‌توانید فهرست به‌روزی از مناطق و مدل‌ها را اینجا بررسی کنید.
  4. شروع از صفر:
    • اگر هیچ سرویس Azure از قبل موجود ندارید و می خواهید از یک استقرار جدید شروع کنید، دستور زیر را اجرا کنید:
      • azd up را اجرا کنید – این کار منابع Azure را فراهم می کند و برنامه نمونه را در آن منابع مستقر می کند، از جمله ساخت فهرست جستجو بر اساس فایل های موجود در پوشه ./data.
  5. بعد از اینکه برنامه با موفقیت اجرا شد، URL چاپ شده روی کنسول را مشاهده خواهید کرد. برای تعامل با برنامه در مرورگر خود، روی آن URL کلیک کنید.
Deploying Services

توجه: ممکن است یک دقیقه طول بکشد تا برنامه به طور کامل اجرا شود. اگر صفحه خوش‌آمدگویی «توسعه‌دهنده پایتون» را می‌بینید، یک دقیقه صبر کنید و صفحه را بازخوانی کنید.

استفاده از منابع موجود:

اگر می خواهید به جای ایجاد منابع جدید از منابع موجود استفاده کنید، این مراحل را دنبال کنید:

  1. برای تغییر نام یک سرویس OpenAI موجود، از دستور azd env set AZURE_OPENAI_SERVICE {نام سرویس OpenAI موجود} استفاده کنید.
  2. برای تنظیم نام گروه منابع موجود که در آن سرویس OpenAI ارائه می شود، از دستور azd env set AZURE_OPENAI_RESOURCE_GROUP {Name of the source group
  3. استفاده کنید.

  4. اگر استقرار ChatGPT شما “چت” پیش‌فرض نیست، از دستور azd env set AZURE_OPENAI_CHATGPT_DEPLOYMENT {Name of ChatGPT موجود استفاده کنید.
  5. اگر استقرار GPT شما “davinci” پیش‌فرض نیست، از دستور azd env set AZURE_OPENAI_GPT_DEPLOYMENT {Name of GPT موجود
  6. استفاده کنید.

  7. فرمان azd up را برای استقرار یا استقرار مجدد کلون محلی مخزن با استفاده از منابع موجود اجرا کنید.

توجه: اگر می‌خواهید از حساب‌های جستجو و ذخیره‌سازی موجود استفاده کنید، به فایل ./infra/main.parameters.json مراجعه کنید تا فهرستی از متغیرهای محیط را به azd env set منتقل کنید تا آن منابع موجود را پیکربندی کنید.

اجرا به صورت محلی:

برای اجرای پروژه به صورت محلی، این مراحل را دنبال کنید:

  1. فرمان azd login را برای احراز هویت با حساب Azure خود اجرا کنید.
  2. دایرکتوری را به پوشه app تغییر دهید.
  3. ./start.ps1 یا ./start.sh را اجرا کنید یا از دستور “VS Code Task: Start App” برای شروع پروژه به صورت محلی استفاده کنید.

محیط های اشتراک گذاری:

اگر می خواهید یک محیط کاملاً مستقر و موجود را با شخص دیگری به اشتراک بگذارید، این مراحل را دنبال کنید:

  1. آنها باید Azure CLI را روی رایانه خود نصب کنند.
  2. برای شروع پروژه در سیستم خود، از azd init -t azure-search-openai-demo
  3. استفاده کنید

  4. از دستور azd env refresh -e {environment name} برای تازه کردن محیط استفاده کنید. برای اجرای این دستور، آنها به نام محیط azd، شناسه اشتراک و مکان نیاز دارند. این مقادیر در فایل ./azure/{env name}/.env موجود است. این اسکریپت فایل .env را در محیط azd خود با تنظیمات مورد نیاز برای اجرای برنامه به صورت محلی پر می کند.
  5. pwsh ./scripts/roles.ps1 را اجرا کنید. این کار همه نقش‌های مورد نیاز را در اختیار کاربر قرار می‌دهد و به آنها اجازه می‌دهد برنامه را به صورت محلی اجرا کنند. ممکن است لازم باشد این اسکریپت را برای آنها اجرا کنید اگر آنها حقوق مناسب برای ایجاد نقش در اشتراک را ندارند. متغیر محیطی AZURE_PRINCIPAL_ID را در فایل azd.env یا در پوسته فعلی روی شناسه Azure خود تنظیم کنید، که ممکن است با اجرای az account show
  6. آن را بدست آورند.

شروع به کار با برنامه:

برای شروع کار با برنامه:

در لاجوردی:

  1. به Azure WebApp که azd مستقر کرده است بروید. ممکن است URL نوشته شده پس از اتمام azd (به عنوان “Endpoint”) یا در پورتال Azure را پیدا کنید.

اجرا به صورت محلی:

  1. در مرورگر وب خود به 127.0.0.1:5000 بروید.

وقتی وارد برنامه وب شدید:

  1. موضوعات مختلف را در تنظیمات مکالمه یا پرسش و پاسخ آزمایش کنید. سوالات بعدی، درخواست‌های شفاف‌سازی، و درخواست‌هایی برای ساده‌سازی یا تشریح پاسخ‌ها در گپ را آزمایش کنید.
  2. استنادها و منابع پاسخ های ایجاد شده را بررسی کنید.
  3. برای آزمایش با انتخاب‌های مختلف، سفارشی‌سازی درخواست‌ها و کشف ویژگی‌های جدید، روی «تنظیمات» کلیک کنید.

همچنین بخوانید: Documenter noowt=” n chatgpt a>

این مقاله برای کمک به یادگیری ChatGPT + Enterprise Data است. ما اطمینان داریم که برای شما مفید بوده است. لطفاً نظرات و بازخورد خود را در بخش نظرات زیر به اشتراک بگذارید.

به این نوشته امتیاز بدهید!

افراد نیوز

افراد نیوز

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

  • ×