Nota:
El acceso a esta página requiere autorización. Puede intentar iniciar sesión o cambiar directorios.
El acceso a esta página requiere autorización. Puede intentar cambiar los directorios.
Esta sección de la documentación presenta las plantillas de aplicaciones de IA de y los artículos relacionados que usan estas plantillas para demostrar cómo realizar las tareas principales del desarrollador. Las plantillas de aplicaciones de IA le proporcionan implementaciones de referencia bien mantenidas y fáciles de implementar que le ayudan a garantizar un punto inicial de alta calidad para sus aplicaciones de IA.
Hay dos categorías de plantillas de aplicaciones de IA, bloques de creación y soluciones integrales. En las secciones siguientes se presentan algunas de las plantillas clave de cada categoría para el lenguaje de programación que seleccionó en la parte superior de este artículo.
Para examinar una lista completa, incluidas estas y otras plantillas de C#, consulte las plantillas de aplicación de IA en la galería de plantillas de aplicación de IA.
Para examinar una lista completa, incluidas estas y otras plantillas de Python, consulte las plantillas de aplicación de IA en la galería de plantillas de aplicación de AI.
Para examinar una lista completa, incluidas estas y otras plantillas de Java, consulte las plantillas de aplicación de IA en la galería de plantillas de aplicación de AI.
Para examinar una lista completa, incluidas estas y otras plantillas de JavaScript o TypeScript, consulte las plantillas de aplicación de IA en la galería de plantillas de aplicación de IA.
Bloques de construcción
Los bloques de creación son ejemplos a menor escala que se centran en escenarios y tareas específicos. La mayoría de los bloques básicos demuestran la funcionalidad mediante el uso de una solución integral para una aplicación de chat que emplea sus propios datos.
| Bloque de construcción | Descripción |
|---|---|
| Cargar saldo con Azure Container Apps | Obtenga información sobre cómo agregar equilibrio de carga a la aplicación para ampliar la aplicación de chat más allá de los límites de cuota de modelo y token de OpenAI de Azure. Este enfoque usa Azure Container Apps para crear tres puntos de conexión de OpenAI Azure, así como un contenedor principal para dirigir el tráfico entrante a uno de los tres puntos de conexión. |
| Elemento fundamental | Descripción |
|---|---|
| Configurar la seguridad de los documentos para la aplicación de chat | Cuando cree una aplicación de chat usando el patrón de RAG con sus propios datos, asegúrese de que cada usuario recibe una respuesta basada en sus permisos. Un usuario autorizado debe tener acceso a las respuestas contenidas en los documentos de la aplicación de chat. Un usuario no autorizado no debería tener acceso a las respuestas de los documentos protegidos que no tiene autorización para ver. |
| Evaluar las respuestas de las aplicaciones de chat | Descubra cómo evaluar las respuestas de una aplicación de chat comparándolas con un conjunto de respuestas correctas o ideales (conocidas como verdad básica). Siempre que modifique su aplicación de chat de forma que afecte a las respuestas, realice una evaluación para comparar los cambios. Esta aplicación de demostración ofrece herramientas que puede usar hoy mismo para facilitar la realización de evaluaciones. |
| Cargar saldo con Azure Container Apps | Obtenga información sobre cómo agregar equilibrio de carga a la aplicación para ampliar la aplicación de chat más allá de los límites de cuota de modelo y token de OpenAI de Azure. Este enfoque usa Azure Container Apps para crear tres puntos de conexión de OpenAI Azure, así como un contenedor principal para dirigir el tráfico entrante a uno de los tres puntos de conexión. |
| Equilibrio de carga con API Management | Obtenga información sobre cómo agregar equilibrio de carga a la aplicación para ampliar la aplicación de chat más allá de los límites de cuota de modelo y token de OpenAI de Azure. Este enfoque usa Azure API Management para crear tres puntos de conexión de OpenAI Azure, así como un contenedor principal para dirigir el tráfico entrante a uno de los tres puntos de conexión. |
| Load prueba la aplicación de chat de Python con Locust | Obtenga información sobre el proceso para realizar pruebas de carga en una aplicación de chat de Python mediante el patrón RAG con Locust, una popular herramienta de prueba de carga de código abierto. El objetivo principal de las pruebas de carga es asegurarse de que la carga esperada en la aplicación de chat no exceda la cuota actual de Transacciones Por Minuto (TPM) de Azure OpenAI. Al simular el comportamiento del usuario bajo una carga pesada, puede identificar posibles cuellos de botella y problemas de escalabilidad en su aplicación. |
| Protección de la aplicación de IA con autenticación sin claves | Obtenga información sobre el proceso para proteger la aplicación de chat de OpenAI Python Azure con autenticación sin claves. Las solicitudes de aplicación a la mayoría de los servicios de Azure deben autenticarse con conexiones sin claves o sin contraseña. La autenticación sin claves ofrece ventajas de administración y seguridad mejoradas con respecto a la clave de cuenta porque no hay ninguna clave (o connection string) que almacenar. |
| Bloque básico | Descripción |
|---|---|
| Cargar saldo con Azure Container Apps | Obtenga información sobre cómo agregar equilibrio de carga a la aplicación para ampliar la aplicación de chat más allá de los límites de cuota de modelo y token de OpenAI de Azure. Este enfoque usa Azure Container Apps para crear tres puntos de conexión de OpenAI Azure, así como un contenedor principal para dirigir el tráfico entrante a uno de los tres puntos de conexión. |
| Bloque fundamental | Descripción |
|---|---|
| Evaluar las respuestas de las aplicaciones de chat | Descubra cómo evaluar las respuestas de una aplicación de chat comparándolas con un conjunto de respuestas correctas o ideales (conocidas como verdad básica). Siempre que modifique su aplicación de chat de forma que afecte a las respuestas, realice una evaluación para comparar los cambios. Esta aplicación de demostración ofrece herramientas que puede usar hoy mismo para facilitar la realización de evaluaciones. |
| Cargar saldo con Azure Container Apps | Obtenga información sobre cómo agregar equilibrio de carga a la aplicación para ampliar la aplicación de chat más allá de los límites de cuota de modelo y token de OpenAI de Azure. Este enfoque usa Azure Container Apps para crear tres puntos de conexión de OpenAI Azure, así como un contenedor principal para dirigir el tráfico entrante a uno de los tres puntos de conexión. |
| Equilibrio de carga con API Management | Obtenga información sobre cómo agregar equilibrio de carga a la aplicación para ampliar la aplicación de chat más allá de los límites de cuota de modelo y token de OpenAI de Azure. Este enfoque usa Azure API Management para crear tres puntos de conexión de OpenAI Azure, así como un contenedor principal para dirigir el tráfico entrante a uno de los tres puntos de conexión. |
Soluciones integrales
Las soluciones de un extremo a otro son ejemplos de referencia completos que incluyen documentación, código fuente e implementación para que pueda adoptarlas y ampliarlas para sus propios fines.
Interactuar con tus datos usando Azure OpenAI y Azure AI Search con .NET
Esta plantilla es una solución completa de extremo a extremo que demuestra el patrón de Generación Aumentada por Recuperación (RAG) que se ejecuta en Azure. Usa Azure AI Search para la recuperación y los modelos de lenguaje de gran escala de Azure OpenAI para impulsar experiencias al estilo de ChatGPT y de preguntas y respuestas.
Para empezar a trabajar con esta plantilla, consulte Comience con el chat utilizando su propio conjunto de datos para .NET. Para acceder al código fuente y leer detalles detallados sobre la plantilla, consulte el repositorio azure-search-openai-demo-csharp GitHub.
Esta plantilla muestra el uso de estas funciones.
| Azure solución de hospedaje | Tecnologías | Modelos de IA |
|---|---|---|
| Azure Container Apps Azure Functions |
Azure OpenAI Azure Computer Vision Azure Form Recognizer Azure AI Search Azure Storage |
GPT 3.5 Turbo GPT 4.0 |
Copilot de chat comercial de Contoso con .NET y Semantic Kernel
Esta plantilla implementa Contoso Outdoors, una tienda conceptual especializada en equipos de exterior para entusiastas del senderismo y la acampada. Esta tienda virtual mejora el compromiso de los clientes y el apoyo a las ventas mediante un agente de chat inteligente. Este agente está impulsado por el patrón Retrieval Augmented Generation (RAG) dentro de la pila de IA de Microsoft Azure, enriquecido con Semantic Kernel y soporte de Prompty.
Para acceder al código fuente y leer detalles detallados sobre la plantilla, consulte el repositorio contoso-chat-csharp-prompty GitHub.
Diagrama que muestra la arquitectura desde el cliente hasta la back-end de la aplicación de senderismo.
Esta plantilla muestra el uso de estas funciones.
| Azure solución de hospedaje | Tecnologías | Modelos de IA |
|---|---|---|
| Azure Container Apps |
Azure OpenAI Microsoft Entra ID Identidad Administrada de Azure Azure Monitor Azure AI Search Microsoft Foundry Azure SQL Azure Storage |
GPT 3.5 Turbo GPT 4.0 |
Automatización de procesos con conversión de voz en texto y resumen con .NET y GPT 3.5 Turbo
Esta plantilla es una solución de automatización de procesos que recibe problemas notificados por trabajadores de campo y de fábrica en una empresa llamada Contoso Manufacturing, una empresa de fabricación que fabrica baterías de automóviles. Los problemas son compartidos por los trabajadores en directo a través del micrófono o pregrabados como archivos de audio. La solución traduce la entrada de audio de voz a texto y luego usa un LLM y Prompty o Promptflow para resumir la cuestión y devolver los resultados en un formato especificado por la solución.
Para acceder al código fuente y leer detalles detallados sobre la plantilla, consulte el repositorio summarization-openai-csharp-prompty GitHub.
Esta plantilla muestra el uso de estas funciones.
| Azure solución de hospedaje | Tecnologías | Modelos de IA |
|---|---|---|
| Azure Container Apps | Reconocimiento de voz a texto Resumen Azure OpenAI |
GPT 3.5 Turbo |
Chatear con los datos mediante Azure OpenAI y Azure AI Search con Python
Esta plantilla es una solución completa de extremo a extremo que demuestra el patrón de Generación Aumentada por Recuperación (RAG) que se ejecuta en Azure. Usa Azure AI Search para la recuperación y los modelos de lenguaje de gran escala de Azure OpenAI para potenciar experiencias estilo ChatGPT y de Preguntas y Respuestas (Q&A).
Para empezar a trabajar con esta plantilla, consulte Introducción al chat con su propio ejemplo de datos para Python. Para acceder al código fuente y leer detalles detallados sobre la plantilla, consulte el repositorio azure-search-openai-demo GitHub.
Captura de pantalla de la aplicación de chat en el explorador que muestra varias sugerencias para la entrada de chat y el cuadro de texto de chat para escribir una pregunta.
Diagrama que muestra la arquitectura del cliente a la aplicación back-end.
Esta plantilla muestra el uso de estas funciones.
| Azure solución de hospedaje | Tecnologías | Modelos de IA |
|---|---|---|
| Azure Container Apps | Azure OpenAI Azure AI Search Azure Blob Storage (Almacenamiento de objetos Blob de Azure) Azure Monitor Azure Document Intelligence |
GPT 3.5 Turbo GPT 4 GPT 4o GPT 4o-mini |
Escritura Creativa Multimodal "Copilot" con DALL-E
Esta plantilla es una solución multiagente de escritura creativa para ayudar a los usuarios a redactar artículos. Muestra cómo crear y trabajar con agentes de IA controlados por Azure OpenAI.
Incluye:
- Una aplicación de Flask que toma un artículo y una instrucción de un usuario.
- Un agente de investigación que usa Bing Search API para investigar el artículo.
- Agente de producto que usa Azure AI Search para realizar una búsqueda de similitud semántica para productos relacionados de un almacén de vectores.
- Un agente redactor para combinar la información de investigación y del producto en un artículo útil.
- Agente del editor para refinar el artículo presentado al usuario.
Para acceder al código fuente y leer detalles detallados sobre la plantilla, consulte el repositorio agent-openai-python-prompty GitHub.
Diagrama arquitectónico de una aplicación de copiloto de escritura creativa multimodal en Python.
Esta plantilla muestra el uso de estas funciones.
| Azure solución de hospedaje | Tecnologías | Modelos de IA |
|---|---|---|
| Azure Container Registry Azure Kubernetes |
Azure OpenAI Búsqueda de Bing Identidad Administrada de Azure Azure Monitor Azure AI Search Microsoft Foundry |
GPT 3.5 Turbo GPT 4.0 DALL-E |
Contoso Chat Retail Copilot con Foundry
Esta plantilla implementa Contoso Chat: una solución comercial de copiloto para Contoso Outdoor que utiliza un patrón de diseño de generación aumentada por recuperación para basar las respuestas del chatbot en los datos de producto y cliente del minorista. Los clientes pueden formular preguntas desde el sitio web en lenguaje natural y obtener respuestas relevantes con posibles recomendaciones basadas en su historial de compras, con prácticas de inteligencia artificial responsables para garantizar la calidad y la seguridad de la respuesta.
Esta plantilla muestra el flujo de trabajo completo (GenAIOps) para crear un copilot basado en RAG code-first con Azure AI y Prompty. Al explorar e implementar este ejemplo, aprenda a:
- Idear e iterar rápidamente sobre prototipos de aplicaciones con Prompty
- Implementación y uso de modelos de Azure OpenAI para chat, inserciones y evaluación
- Usar Azure AI Search (índices) y Azure Cosmos DB (bases de datos) para tus datos
- Evaluación de las respuestas de chat para la calidad mediante flujos de evaluación asistida por IA
- Hospede la aplicación como un punto de conexión de FastAPI implementado en Azure Container Apps
- Aprovisionamiento e implementación de la solución mediante la CLI para desarrolladores de Azure
- Apoyar prácticas de inteligencia artificial responsable con la seguridad y las evaluaciones de contenido
Para acceder al código fuente y leer detalles detallados sobre la plantilla, consulte el repositorio contoso-chat GitHub.
Diagrama que muestra la arquitectura del cliente a la aplicación back-end para la aplicación de senderismo.
Captura de pantalla de la aplicación de chat con el flujo de avisos en el editor visual para el copiloto de chat para minoristas de Contoso.
Esta plantilla muestra el uso de estas funciones.
| Azure solución de hospedaje | Tecnologías | Modelos de IA |
|---|---|---|
| Azure Container Apps |
Azure OpenAI Azure AI Search Fundición Prompty Azure Cosmos DB |
GPT 3.5 Turbo GPT 4.0 Managed Integration Runtime (MIR) |
Automatización de procesos con conversión de voz en texto y resumen con Foundry
Esta plantilla crea una aplicación basada en web que permite a los trabajadores de una empresa denominada Contoso Manufacturing notificar problemas mediante texto o voz. La entrada de audio se traduce al texto y, a continuación, se resume para resaltar información importante y el informe se envía al departamento adecuado.
Para acceder al código fuente y leer detalles detallados sobre la plantilla, consulte el repositorio summarization-openai-python-promptflow GitHub.
diagrama arquitectónico para la automatización de procesos con conversión de voz a texto y resumir usando AI Studio para Python.
Esta plantilla muestra el uso de estas funciones.
| Azure solución de hospedaje | Tecnologías | Modelos de IA |
|---|---|---|
| Azure Container Apps | Fundición Servicio de Reconocimiento de Voz a Texto Prompty Managed Integration Runtime (MIR) |
GPT 3.5 Turbo |
Copilot de API Analytics Assistant con Python y Foundry
Esta plantilla es una API de asistente para chatear con datos tabulares y realizar análisis en lenguaje natural.
Para acceder al código fuente y leer detalles detallados sobre la plantilla, consulte el repositorio assistant-data-openai-python-promptflow GitHub.
Diagrama arquitectónico de una API de asistente para chatear con datos tabulares y realizar análisis en lenguaje natural.
Esta plantilla muestra el uso de estas funciones.
| Azure solución de hospedaje | Tecnologías | Modelos de IA |
|---|---|---|
| servicio Machine Learning | Azure AI Search Fundición Managed Integration Runtime (MIR) Azure OpenAI |
GPT 3.5 Turbo GPT 4 |
Interactuar con tus datos utilizando Azure OpenAI y Azure AI Search con Java
Esta plantilla es una solución integral que demuestra el patrón de Generación Aumentada por Recuperación (RAG) funcionando en Azure. Usa Azure AI Search para la recuperación y los modelos de lenguaje de gran escala de Azure OpenAI para impulsar experiencias al estilo de ChatGPT y de preguntas y respuestas.
Para empezar a trabajar con esta plantilla, consulte Introducción al chat con su propio ejemplo de datos para Java. Para acceder al código fuente y leer detalles detallados sobre la plantilla, consulte el repositorio azure-search-openai-demo-java GitHub.
Esta plantilla muestra el uso de estas funciones.
| Azure solución de hospedaje | Tecnologías | Modelos de IA |
|---|---|---|
| Azure App Service Azure Container Apps Azure Kubernetes Service |
Azure OpenAI Azure AI Search Azure Document Intelligence Azure Storage Azure App Insights Azure Service Bus Azure Event Grid |
gpt-35-turbo |
Asistente para banca multiagentes con Java y Semantic Kernel
Este proyecto está diseñado como prueba de concepto (PoC) para explorar el dominio innovador de la inteligencia artificial generativa en el contexto de arquitecturas multiagente. Al aprovechar Java y el marco de orquestación de inteligencia artificial de Microsoft Semantic Kernel, nuestro objetivo es crear una aplicación web de chat para demostrar la viabilidad y confiabilidad del uso de agentes de IA generativos para transformar la experiencia del usuario de clics web en conversaciones de lenguaje natural al tiempo que maximiza la reutilización de los datos de carga de trabajo y las API existentes.
El caso de uso principal gira en torno a un asistente personal bancario diseñado para revolucionar la forma en que los usuarios interactúan con su información de cuenta bancaria, el historial de transacciones y las funcionalidades de pago. Utilizando la eficacia de la inteligencia artificial generativa dentro de una arquitectura multiagente, este asistente tiene como objetivo proporcionar una interfaz perfecta y conversacional a través de la cual los usuarios pueden acceder sin esfuerzo y administrar sus datos financieros.
Los ejemplos de facturas se incluyen en la carpeta de datos para facilitar la exploración de la característica de pagos. El agente de pago equipado con herramientas de reconocimiento óptico de caracteres (OCR) (Azure Inteligencia de documentos) lleva a la conversación con el usuario para extraer los datos de factura e iniciar el proceso de pago. Otros datos falsos de cuenta (como transacciones, métodos de pago y saldo de cuenta) también están disponibles para ser consultados por el usuario. Todos los datos y servicios se exponen como API REST externas y los agentes los consumen para proporcionar al usuario la información solicitada.
Para acceder al código fuente y leer detalles detallados sobre la plantilla, consulte el repositorio agent-openai-java-banking-assistant GitHub.
Diagrama en el que se muestra la arquitectura de la aplicación copilot implementada en paralelo a los microservicios empresariales.
Esta plantilla muestra el uso de estas funciones.
| Azure solución de hospedaje | Tecnologías | Modelos de IA |
|---|---|---|
| Azure Container Apps | Azure OpenAI Azure Document Intelligence Azure Storage Azure Monitor |
gpt-4o gpt-4o-mini |
Interactuar con tus datos utilizando Azure OpenAI y Azure AI Search con JavaScript
Esta plantilla es una solución completa de extremo a extremo que demuestra el patrón de Generación Aumentada por Recuperación (RAG) que se ejecuta en Azure. Usa Azure AI Search para la recuperación y los modelos de lenguaje de gran escala de Azure OpenAI para impulsar experiencias al estilo de ChatGPT y de preguntas y respuestas.
Para empezar a utilizar esta plantilla, consulte Introducción al chat usando su propio ejemplo de datos para JavaScript. Para acceder al código fuente y leer detalles detallados sobre la plantilla, consulte el repositorio azure-search-openai-javascript GitHub.
Diagrama que muestra la arquitectura del cliente a la aplicación back-end.
Captura de pantalla de la aplicación de chat en el explorador que muestra varias sugerencias para la entrada de chat y el cuadro de texto de chat para escribir una pregunta.
Esta plantilla muestra el uso de estas funciones.
| Azure solución de hospedaje | Tecnologías | Modelos de IA |
|---|---|---|
| Azure Container Apps Azure Static Web Apps |
Azure OpenAI Azure AI Search Azure Storage Azure Monitor |
text-embedding-ada-002 |
Azure front-end de chat de OpenAI
Esta plantilla es un componente web mínimo del chat de OpenAI que puede conectarse a cualquier implementación de backend como un cliente.
Para acceder al código fuente y leer detalles detallados sobre la plantilla, consulte el repositorio azure-openai-chat-frontend GitHub.
Vídeo de demostración de una aplicación de front-end de chat de JavaScript.
Esta plantilla muestra el uso de estas funciones.
| Azure solución de hospedaje | Tecnologías | Modelos de IA |
|---|---|---|
| Azure Static Web Apps | Azure AI Search Azure OpenAI |
GPT 3.5 Turbo GPT4 |
Chat de IA sin servidor con RAG usando LangChain.js
La plantilla es un bot de chat de IA sin servidor con recuperación de generación aumentada mediante LangChain.js y Azure que usa un conjunto de documentos empresariales para generar respuestas a las consultas del usuario. Usa una empresa ficticia llamada Contoso Real Estate y la experiencia permite a sus clientes hacer preguntas de soporte sobre el uso de sus productos. La muestra de datos incluye un conjunto de documentos que describen sus condiciones de servicio, su política de privacidad y una guía de soporte técnico.
Para saber cómo implementar y ejecutar esta plantilla, consulte Introducción al chat de IA sin servidor con RAG usando LangChain.js. Para acceder al código fuente y leer detalles detallados sobre la plantilla, consulte el repositorio serverless-chat-langchainjs GitHub.
Descubra cómo implementar y ejecutar esta plantilla de referencia de JavaScript.
Vídeo de navegador de demostración de aplicación de chat JavaScript usando RAG y Langchain.js
Esta plantilla muestra el uso de estas funciones.
| Azure solución de hospedaje | Tecnologías | Modelos de IA |
|---|---|---|
| Azure Static Web Apps Azure Functions |
Azure AI Search Azure OpenAI Azure Cosmos DB Azure Storage Identidad Administrada de Azure |
GPT4 Mistral Ollama |