Guía de implementación de Enterprise RAG: .NET AI se une a Azure SQL

En el panorama actual, centrado en los datos, es fundamental aprovechar la IA para obtener información valiosa a partir de los datos empresariales. La generación aumentada de recuperación (RAG) es una técnica muy eficaz para este fin. En este artículo se detalla cómo implementar RAG en sus datos utilizando .NET AI y Azure SQL, convirtiendo su información en un recurso interactivo e inteligente. En concreto, trataremos la construcción de potentes búsquedas vectoriales híbridas que fusionan la búsqueda vectorial semántica con la búsqueda y el filtrado de texto completo convencionales. Al utilizar Azure SQL como base de datos central de IA, puede integrar sin esfuerzo las capacidades de IA en sus aplicaciones empresariales actuales.

Puntos clave

Comprenda los fundamentos de la generación aumentada por recuperación (RAG) y conozca sus ventajas para los datos empresariales.

Examine Azure SQL como una base de datos relacional multimodelo contemporánea diseñada para gestionar diversos formatos de datos.

Aprenda la metodología para crear un enfoque de búsqueda híbrida, integrando la búsqueda semántica vectorial con la búsqueda de texto completo y los filtros.

Descubra cómo utilizar las bibliotecas de IA de .NET para crear incrustaciones vectoriales y realizar búsquedas por similitud directamente en Azure SQL.

Cree una aplicación RAG completa de principio a fin utilizando Azure Functions, Static Web Apps y Azure OpenAI.

Emplee el generador de API de datos para que las entidades de la base de datos estén disponibles como puntos finales REST y GraphQL.

Siga una demostración práctica de la creación de un asistente de IA para conferencias con el fin de explorar las ventajas y la adaptabilidad para los datos de su empresa.

Identifique los distintos escenarios en los que la integración de la IA con SQL resulta muy beneficiosa.

Descubra cómo las ventajas y la adaptabilidad de Azure SQL pueden satisfacer los complejos requisitos de almacenamiento de datos de su organización.

Liberar el potencial de RAG con .NET AI y Azure SQL

¿Qué es Azure SQL?

Azure SQL es un servicio de base de datos relacional moderno que ofrece una auténtica experiencia multimodelo

. Esta capacidad le permite manejar datos JSON, gráficos, XML, geoespaciales y de almacenamiento en columnas. Se escala hasta 100 terabytes con 80 núcleos y admite 30 réplicas. Azure SQL incluye características de seguridad y auditoría de nivel empresarial y se integra perfectamente con los servicios comunes de Azure, .NET EF Core, .NET Aspire, LangChain y Semantic Kernel. Su verdadera fortaleza radica en la integración con las tecnologías que su equipo de desarrollo ya conoce y en las que confía. Para aprovechar la IA en sus datos, Azure SQL ofrecerá compatibilidad con vectores en una versión preliminar para usuarios pioneros, lo que significa que puede solicitar acceso a la versión preliminar privada y explorar sus capacidades.

Características destacadas de Azure SQL:

• Base de datos relacional moderna
• Compatibilidad multimodelo real (JSON, Graph, XML, geoespacial, Columnstore)
• Escalable hasta 100 TB, 80 v-Cores y 30 réplicas
• Compatibilidad con vectores (vista previa para usuarios pioneros)
• Funciones de seguridad y auditoría de nivel empresarial
• Integración con los servicios comunes de Azure
• Integración con bibliotecas de desarrolladores populares (.NET EF Core, .NET Aspire, LangChain, Semantic Kernel, etc.)

Casos de uso de IA + SQL para los datos de su empresa

La combinación de IA con Azure SQL abre las puertas a numerosas aplicaciones que pueden transformar los datos de su empresa en un activo estratégico

. A continuación se presentan varios escenarios clave en los que destaca esta integración:

• Búsqueda híbrida: combina la búsqueda vectorial (semántica) con la búsqueda de texto completo y los filtros. Esta potente herramienta permite extraer información precisa de los datos. Por ejemplo, puede «Buscar todos los documentos de Acme escritos por John Doe relacionados con las nuevas políticas de seguridad».
• Memorias de chatbot: utilice Azure SQL para almacenar y administrar los historiales de conversaciones de chatbot, lo que permite interacciones más personalizadas y sensibles al contexto. La mejora de las memorias de chatbot puede mejorar significativamente el soporte al producto y al cliente, lo que le brinda una ventaja competitiva.
• Generación aumentada de recuperación (RAG): esta es la técnica que demostraremos cómo crear. RAG mejora la calidad y la relevancia del contenido generado por IA al anclarlo en sus datos específicos.

Arquitectura RAG de alto nivel con Azure SQL

Este enfoque combina de forma óptima la búsqueda vectorial, la búsqueda semántica y otros filtros en una única ubicación

. El proceso consiste en recuperar los datos relevantes y, a continuación, utilizar un LLM de IA para formular la respuesta. Los pasos necesarios son los siguientes:

1. Recuperar datos de la base de datos MSSQL utilizando una búsqueda por similitud.
2. Inyectar los resultados de la sesión recuperados como contexto y enviarlos al LLM de IA.
3. El AI LLM genera y entrega una respuesta.

Creación de un recomendador de sesiones: un ejemplo detallado

Descripción general de la arquitectura

El sistema de recomendación de sesiones utiliza varios servicios de Azure para ofrecer una experiencia RAG fluida

:

• Aplicaciones cliente: permiten a los usuarios introducir preguntas utilizando lenguaje natural.
• Backend:
  • Generador de API de datos: expone las entidades de la base de datos.
  • API GraphQL/REST: proporcionan la interfaz que conecta los datos con el cliente.
  • Funciones de Azure: activan el proceso de procesamiento de IA.

Configuración de los desencadenadores de Azure Functions

Azure Functions puede supervisar y activarse por cambios en los datos SQL

. Esta automatización garantiza que los datos nuevos o actualizados se procesen para su disponibilidad inmediata. La configuración implica:

1. Crear la función de Azure.
2. Generar vectores que representen temas a partir de nuestros datos.
3. Guardar estos vectores en su base de datos para permitir búsquedas de similitud eficientes.

   Al automatizar la conversión de datos a vectores, aprovechamos al máximo el potencial y la utilidad de Azure SQL.

Implementación del generador de API de datos para RAG

Utilización de Data API Builder

Para integrar todos los componentes, es necesaria una configuración adecuada

. Esto implica configurar la base de datos y definir entidades como tablas y vistas con las que SQL pueda trabajar de forma fiable. El generador de API de datos simplifica este proceso, facilitando el acceso a los datos. También debemos configurar aplicaciones web estáticas, que alojarán nuestras funciones. Los comandos clave para este proyecto son:

• línea de comandos azdt
• data-api builder init
• data-api builder add
• azdt start

Precios de Azure SQL

Elegir el nivel adecuado de Azure SQL

Azure SQL ofrece un nivel gratuito para los nuevos usuarios de Azure. Este nivel gratuito es permanente, lo que permite a cualquiera probar Azure SQL y desarrollar nuevas soluciones dentro del ecosistema de Azure sin compromiso financiero a largo plazo

. Con Azure SQL, puede implementar soluciones de nivel empresarial sin un coste prohibitivo.

Compatibilidad con la búsqueda vectorial en Azure SQL: sopesar las ventajas y los inconvenientes

Ventajas

Una plataforma de base de datos relacional moderna para soluciones versátiles.

Funciones de seguridad de nivel empresarial.

Altamente escalable para necesidades de rendimiento exigentes.

Contras

El soporte vectorial aún se encuentra en sus primeras fases de desarrollo.

La estructura de precios puede ser compleja, dependiendo del consumo de recursos.

La integración con otros modelos de datos puede introducir complejidad.

Características principales de Azure SQL

Soluciones empresariales con Azure SQL

Como servicio gestionado, Azure SQL ofrece soluciones para los complejos requisitos de datos de una amplia gama de empresas. Esto incluye una seguridad robusta, ya que Azure gestiona los aspectos básicos de seguridad

. Con múltiples opciones de cifrado de datos y una fácil conectividad con las bibliotecas de desarrolladores más populares, Azure SQL sigue siendo una solución integral para las iniciativas centradas en los datos. Sus capacidades de base de datos de IA empresarial ofrecen una profunda integración con .NET EF Core, .NET Aspire, LangChain, Semantic Kernel y mucho más.

Azure AI y SQL: transformando industrias

Seguros

Un caso de uso principal implica la búsqueda vectorial combinada con el filtrado. Por ejemplo, una compañía de seguros podría necesitar localizar contratos que cumplan criterios específicos. Una búsqueda vectorial mejorada con filtros es perfecta para esta tarea.

Preguntas frecuentes

¿Estos recursos pueden funcionar de forma local?

Sí, .NET, Azure SQL y muchas de las otras herramientas que utilizamos son totalmente funcionales en un entorno de desarrollo local. Esto hace que el proyecto sea accesible independientemente de su conectividad, lo que le permite aprovechar la IA en sus datos en cualquier lugar.

Preguntas frecuentes

¿Por qué trasladar la IA a los datos?

El principio es llevar la IA a los datos, en lugar de trasladar grandes cantidades de datos a la IA. Esto se consigue mediante la búsqueda vectorial, que nos permite incorporar la comprensión semántica directamente en las consultas, lo que simplifica el filtrado. Este enfoque se optimiza aún más mediante la integración con servicios de Azure como Azure Functions.