Présentation
Les modèles IA dégénérateurs apprennent de grands modèles à partir de leurs données d’apprentissage, mais ils n’ont pas automatiquement accès aux informations privées ou actuelles d’une organisation. Un assistant de demandes de frais d’employé, par exemple, a besoin de stratégies et de procédures approuvées plutôt que d’une réponse générale basée sur des informations provenant d’Internet.
La génération d’extraction augmentée (RAG) répond à ce besoin en récupérant les informations pertinentes et en l’ajoutant au contexte fourni à un modèle. La création et la maintenance d’un système de récupération distinct pour chaque agent peuvent toutefois nécessiter un travail important.
Microsoft Foundry IQ fournit une couche de connaissances managée pour les agents et les applications IA. Il organise les données d’entreprise et web en bases de connaissances réutilisables et utilise la récupération agentique pour retourner des informations pertinentes et prenant en compte les autorisations avec des citations.
Dans ce module, vous allez explorer les principaux composants de Foundry IQ et découvrir comment un agent utilise une base de connaissances pour produire des réponses ancrées.
Note
Nous reconnaissons que différentes personnes aiment apprendre de différentes façons. Vous pouvez choisir d’effectuer ce module au format vidéo ou lire le contenu sous forme de texte et d’images. Le texte contient plus de détails que les vidéos. Dans certains cas, vous voudrez peut-être y faire référence en tant que matériel supplémentaire à la présentation vidéo.