Se aplica a:
SQL Server 2025 (17.x) Azure SQL DatabaseAzure SQL Managed InstanceBase de datos SQL en Microsoft Fabric
Este artículo contiene preguntas frecuentes sobre vectores e incrustaciones en el motor de base de datos de SQL.
Para obtener muestras y ejemplos, visite el repositorio SQL AI Samples.
¿Puedo crear una solución de generación aumentada por recuperación (RAG) completamente en T-SQL?
Sí, puedes crear una solución de generación aumentada por recuperación (RAG) impulsada por la funcionalidad nativa del motor de base de datos SQL. Puede usar T-SQL para implementar la lógica de recuperación y procesamiento de datos necesaria, al tiempo que se integra con los servicios de inteligencia artificial externos para el aspecto de generación. Los vectores se pueden almacenar de forma nativa en el motor de SQL y las conexiones a los modelos de lenguaje extensos que proporcionan capacidades de comprensión del lenguaje natural son posibles a través de sp_invoke_external_rest_endpoint.
¿Por qué crearía una solución RAG completamente en T-SQL?
Si desea mejorar una aplicación existente sin tener que volver a diseñarla para admitir funcionalidades de inteligencia artificial, use las características integradas del motor de SQL para implementar funcionalidades de inteligencia artificial directamente dentro de las consultas de base de datos. Solo tiene que actualizar el código de T-SQL para incorporar características de IA, en lugar de realizar cambios exhaustivos en la arquitectura de la aplicación.
¿Hay ejemplos de un extremo a otro mediante Azure SQL o Fabric SQL para RAG?
Seguro, puede encontrar ejemplos de un extremo a otro para RAG mediante Azure SQL y Fabric SQL aquí:
¿Puedo tener RAG trabajando en datos estructurados, como columnas y filas?
Si necesita trabajar con datos estructurados, puede seguir aprovechando RAG mediante la combinación con otras técnicas, como el uso de incrustaciones para representar los datos estructurados de una manera que el modelo de inteligencia artificial pueda entender. Esto le permite realizar tareas de recuperación y generación en datos estructurados, a la vez que se beneficia de las funcionalidades de RAG.
¿Por qué enviar un esquema completo y complejo a un LLM conduce a una generación de SQL deficiente y cómo puedo corregirlo?
Si tiene un esquema de base de datos complejo y grande, con cientos de tablas y vistas, es mejor usar un enfoque multiagente para ayudar a reducir el ruido y permitir que los modelos de inteligencia artificial se centren en áreas específicas del esquema. Aquí encontrará una descripción completa junto con un ejemplo completo de un extremo a otro:
¿Puedo conectarse a Azure OpenAI mediante identidad administrada?
Sí, puede conectarse a Azure OpenAI mediante identidad administrada. Esto le permite autenticarse y acceder de forma segura al servicio Azure OpenAI sin necesidad de administrar las credenciales directamente. Para obtener más información, consulte:
¿Usan mis datos Microsoft para modelos de entrenamiento?
N.º Microsoft no usa los datos para los modelos de entrenamiento. Para más información, consulte la documentación de Inteligencia artificial responsable.
¿Qué datos procesa el servicio Azure OpenAI?
Para obtener más información sobre cómo se procesan los datos proporcionados por usted para Azure Modelos directos en Microsoft Foundry, consulte Datos, privacidad y seguridad para Azure OpenAI Service. Un "Modelo Directo de Azure" es un modelo de IA designado y desplegado como un "Azure Direct Model" en Foundry, e incluye los modelos de Azure OpenAI.
¿Cómo puedo proteger mis datos del acceso no autorizado al agente de IA?
Azure SQL y SQL Server proporcionan una amplia compatibilidad con la seguridad de acceso específica:
- Primeros pasos con los permisos del Motor de base de datos: controle el acceso a los objetos de la base de datos de forma pormenorizada mediante permisos.
- Use procedimientos almacenados que ejecuten operaciones específicamente autorizadas dentro de unos límites de seguridad. Otorgue permisos EXECUTE a un agente únicamente cuando sea necesario, en lugar de otorgar acceso directo a las tablas subyacentes. De este modo, los agentes interactúan con la base de datos de forma determinista mediante instrucciones T-SQL escritas previamente.
- Seguridad a nivel de fila (RLS): Controla el acceso a las filas de una tabla en función de las características del usuario que ejecuta una consulta. Puede ver RLS en acción en este vídeo.
- Enmascaramiento dinámico de datos: limite la exposición de datos confidenciales al enmascararlo a usuarios sin privilegios.
- Always Encrypted: proteja los datos confidenciales cifrándolo en reposo y en tránsito, lo que garantiza que solo los usuarios autorizados puedan acceder a los datos sin cifrar.
Para obtener más información sobre las auditorías en el SQL Motor de base de datos, consulte: