Nota
L'accesso a questa pagina richiede l'autorizzazione. È possibile provare ad accedere o modificare le directory.
L'accesso a questa pagina richiede l'autorizzazione. È possibile provare a modificare le directory.
Importante
Questa funzionalità è attualmente disponibile in anteprima pubblica. Questa versione di anteprima viene fornita senza Contratto di servizio. Pertanto se ne sconsiglia l'uso per i carichi di lavoro in ambienti di produzione. Alcune funzionalità potrebbero non essere supportate o potrebbero offrire funzionalità limitate.
Per altre informazioni, vedere Condizioni supplementari per l'utilizzo delle anteprime di Microsoft Azure.
Importante
La ricerca vettoriale di IQ (Azure AI Search) foundry è disponibile a livello generale. L'esperienza dell'indice vettoriale di Azure Machine Learning in Prompt Flow è ancora in anteprima pubblica.
Questo articolo descrive gli archivi vettoriali in Azure Machine Learning che è possibile usare per eseguire la generazione avanzata del recupero.this article describes vector stores in Azure Machine Learning that you can use to perform retrieval-augmented generation (RAG). Un archivio vettoriale contiene incorporamenti, ovvero rappresentazioni numeriche di concetti (dati) convertiti in sequenze numeriche. Gli incorporamenti consentono ai modelli di linguaggio di grandi dimensioni di comprendere le relazioni tra i concetti. Nella maggior parte dei flussi di lavoro RAG, i dati vengono suddivisi in blocchi e convertiti in embedding prima di essere caricati nel database vettoriale per il recupero. È possibile creare archivi vettoriali per connettere i dati con VM come GPT-4 e recuperare i dati in modo efficiente.
Azure Machine Learning supporta due archivi vettoriali che contengono i dati supplementari usati in un flusso di lavoro RAG:
| Archivio vettoriale | Descrizione | Funzionalità e utilizzo |
|---|---|---|
| Faiss | Libreria open source | - Usare l'archivio basato su file locale - Comporta costi minimi - Supporta i dati solo vettoriali - Supporta lo sviluppo e il test |
| Foundry IQ | Risorse PaaS di Azure | - Archivia i dati di testo negli indici di ricerca - Ospita un numero elevato di indici con un singolo servizio - Supporta i requisiti aziendali a livello aziendale - Fornisce il recupero di informazioni ibride |
Le sezioni seguenti illustrano le considerazioni per l'uso di questi archivi vettoriali.
Libreria Faiss
Faiss è una libreria open source che fornisce un archivio basato su file locale. L'indice vettoriale viene archiviato nell'account di archiviazione di Azure dell'area di lavoro di Azure Machine Learning. Per lavorare con Faiss, scaricare la libreria e usarla come componente della soluzione. Poiché l'indice viene archiviato in locale, i costi sono minimi.
È possibile usare la libreria Faiss come archivio vettoriale per eseguire le azioni seguenti:
Archiviare i dati vettoriali in locale senza costi per la creazione di un indice (si applicano solo i costi di archiviazione)
Compilare ed eseguire query su un indice in memoria
Condividere copie per uso singolo e configurare l'hosting dell'indice per un'applicazione
Ridimensionare con il calcolo sottostante durante il caricamento dell'indice
Foundry IQ
Foundry IQ è una risorsa PaaS dedicata Azure creata in una sottoscrizione Azure. La risorsa supporta il recupero delle informazioni sui dati vettoriali e testuali archiviati negli indici di ricerca. Un prompt flow può creare, popolare e interrogare i dati vettoriali archiviati in Foundry IQ. Un singolo servizio IQ Foundry può ospitare molti indici, che possono essere sottoposti a query e usati in un modello RAG.
Ecco i punti chiave sull'uso di Foundry IQ per l'archivio vettoriale:
Supporta i requisiti aziendali a livello aziendale per la scalabilità, la sicurezza e la disponibilità.
Fornisce il recupero di informazioni in modalità ibrida. I dati vettoriali possono coesistere con dati non di ottimizzazione, ovvero è possibile usare qualsiasi funzionalità di IQ foundry per l'indicizzazione e le query, tra cui la ricerca ibrida e il reranking semantico.
La ricerca vettoriale di Foundry IQ è generalmente disponibile. In Azure Machine Learning, l'esperienza relativa all'indice vettoriale in Prompt flow rimane in anteprima pubblica.
Per usare Foundry IQ come archivio vettoriale per Azure Machine Learning, è necessario disporre di un servizio IQ Foundry. Dopo che il servizio è stato creato e si concede agli sviluppatori l'accesso, è possibile scegliere Foundry IQ come indice vettoriale in un flusso di richiesta. Il flusso di richiesta crea l'indice in Foundry IQ, genera o carica vettori dai dati di origine, invia i vettori all'indice, richiama la ricerca di somiglianza in Foundry IQ e restituisce la risposta.