dstoolkit text2sql and imageprocessing
1.0.0
يوفر هذا الريبو نموذجًا للتعليمات البرمجية لتحسين تطبيقات RAG باستخدام مصادر البيانات الغنية بما في ذلك مستودعات SQL والمستندات التي تم تحليلها باستخدام Azure Document Intelligence.
من المفترض أن يتم تكييف المكونات الإضافية والمهارات المتوفرة في هذا المستودع وإضافتها إلى تطبيق RAG الجديد أو الحالي الخاص بك لتحسين جودة الاستجابة.
مهم
uv لإدارة التبعيات والأدوات المساعدة المشتركة. راجع uv لمزيد من التفاصيل حول كيفية البدء. ./text_2_sql على ثلاثة تطبيقات Multi-Shot لإنشاء Text2SQL والاستعلام عنها والتي يمكن استخدامها للإجابة على الأسئلة المدعومة بقاعدة بيانات كقاعدة معرفية. يتم عرض النهج القائم على الموجه والمتجه ، وكلاهما يظهر أداءً رائعًا في الإجابة على استعلامات SQL. بالإضافة إلى ذلك، يتم عرض تكرار إضافي للنهج القائم على المتجهات والذي يستخدم ذاكرة التخزين المؤقت للاستعلام لزيادة تسريع عملية الإنشاء. باستخدام هذه المكونات الإضافية، يمكن لتطبيق RAG الخاص بك الآن الوصول إلى البيانات وسحبها من أي جدول SQL معرض لها للإجابة على الأسئلة../adi_function_app على رمز لربط Azure Document Intelligence مع AI Search لمعالجة المستندات المعقدة باستخدام المخططات والصور، ويستخدم نماذج متعددة الوسائط (gpt4o) لتفسيرها وفهمها. باستخدام هذه المهارة المخصصة، يمكن لتطبيق RAG استخلاص رؤى من المخططات والصور المعقدة أثناء البحث عن المتجهات. يحتوي هذا التطبيق الوظيفي أيضًا على طريقة تقطيع النص الدلالي التي تهدف إلى تجميع الجمل المتشابهة بذكاء، مع الاحتفاظ بالأشكال والجداول معًا، مع فصل الجمل المميزة../deploy_ai_search أداة مساعدة سهلة تعتمد على Python لنشر الفهرس والمفهرس ومجموعة المهارات المقابلة لـ AI Search وText2SQL.تم استخدام المكونات المذكورة أعلاه بنجاح في مشاريع RAG الإنتاجية لزيادة جودة الاستجابات.
الكود المقدم في هذا الريبو هو عينة من التنفيذ ويجب تعديله قبل استخدامه في الإنتاج.
يوضح الرسم البياني التالي سير العمل لكيفية دمج المكون الإضافي Text2SQL وAI Search في تطبيق RAG. باستخدام المكونات الإضافية المتوفرة، جنبًا إلى جنب مع إمكانيات استدعاء الوظائف الخاصة بـ LLM، يمكن لـ LLM إجراء سلسلة من التفكير المنطقي لتحديد الخطوات اللازمة للإجابة على السؤال. يتيح ذلك لـ LLM التعرف على النية وبالتالي اختيار مصادر البيانات المناسبة بناءً على غرض السؤال، أو مزيج من الاثنين معًا.
يرحب هذا المشروع بالمساهمات والاقتراحات. تتطلب معظم المساهمات منك الموافقة على اتفاقية ترخيص المساهم (CLA) التي تعلن أن لديك الحق في منحنا حقوق استخدام مساهمتك، وهو ما تفعله بالفعل. للحصول على التفاصيل، تفضل بزيارة https://cla.opensource.microsoft.com.
عند إرسال طلب سحب، سيحدد روبوت CLA تلقائيًا ما إذا كنت بحاجة إلى تقديم CLA وتزيين العلاقات العامة بشكل مناسب (على سبيل المثال، التحقق من الحالة، التعليق). ما عليك سوى اتباع التعليمات التي يقدمها لك الروبوت. سوف تحتاج إلى القيام بذلك مرة واحدة فقط في جميع عمليات إعادة الشراء باستخدام CLA الخاص بنا.
اعتمد هذا المشروع قواعد السلوك الخاصة بشركة Microsoft مفتوحة المصدر. لمزيد من المعلومات، راجع الأسئلة الشائعة حول قواعد السلوك أو اتصل بـ [email protected] لطرح أي أسئلة أو تعليقات إضافية.
قد يحتوي هذا المشروع على علامات تجارية أو شعارات للمشاريع أو المنتجات أو الخدمات. يخضع الاستخدام المصرح به للعلامات التجارية أو الشعارات الخاصة بشركة Microsoft ويجب أن يتبع إرشادات العلامة التجارية والعلامات التجارية الخاصة بشركة Microsoft. يجب ألا يتسبب استخدام العلامات التجارية أو الشعارات الخاصة بشركة Microsoft في الإصدارات المعدلة من هذا المشروع في حدوث ارتباك أو الإشارة ضمنًا إلى رعاية Microsoft. ويخضع أي استخدام لعلامات تجارية أو شعارات تابعة لجهات خارجية لسياسات تلك الجهات الخارجية.
