このソリューションアクセラレータは、Azure Postgres 上に構築された AI 対応アプリケーションのエンドツーエンドの例として設計されています。AI 駆動のデータ検証、ベクトル検索、DiskANN、セマンティックリランキング、LangChain エージェント/ツールフレームワーク、および Azure Database for PostgreSQL 上の GraphRAG を使用して既存のアプリケーションを強化する生成 AI 機能の実装を示し、インテリジェントなコパイロットを介して金融に関する質問に高品質な回答を提供する方法を示します。このアプリは、作業範囲記述書(SOW) と請求書で構成された小さなサンプルデータセットを使用します。
ワークショップの展開と完了に関する完全なドキュメントはこちらで見つけることができます: http://aka.ms/pg-byoac-docs/
- LangChain エージェントとツールフレームワーク: PostgreSQL とベクトルストアと対話する強力な LangChain ベースのエージェントを、ツールとチェーンを使用して構築する方法を示します。LLM とデータおよびアプリケーションロジックを橋渡しします。
- PostgreSQL に組み込まれた RAG パターンによるベクトル検索: このソリューションは、効率的なベクトル検索のために
pgvector拡張機能を使用して、データベース内の Retrieval-Augmented Generation (RAG) を可能にし、構造化データと生成 AI を組み合わせたインテリジェントアプリケーションの強力な基盤を提供します。 - クロスエンコーダーモデルによるセマンティックリランキング: 設定可能なクロスエンコーダーモデルを使用して、セマンティックリランキングを通じて関連性ランキングを強化します。アクセラレータは次の2つのオプションをサポートします:
cross-encoder/ms-marco-MiniLM-L-6-v2 (軽量で高速)bge-reranker-v2-m3 (高精度、重いモデル)
- 知識豊富なコンテキストのために Apache AGE を使用した GraphRAG: GraphRAG を使用して RAG を拡張し、知識グラフを介してリトリーバルとグラウンディングを強化するために
Apache AGE(PostgreSQL のためのグラフ拡張) を統合します。複雑な関係とセマンティックコンテキストに最適です。 - 高性能 DiskANN インデックス統合:
DiskANN(ディスク加速近似最近傍) をサポートし、大規模データセットと低遅延リトリーバルに最適化されたスケーラブルで高速なベクトル類似検索を提供し、PostgreSQL 内で直接実行します。 - PostgreSQL のための Azure AI 拡張機能: Azure AI 拡張機能を活用し、Azure OpenAI またはカスタムエンドポイントからの直接埋め込み生成とモデル推論を可能にし、外部モデル統合パイプラインの必要性を排除します。
- ドキュメントリンクワークフローのための Azure ストレージ拡張機能: Azure ストレージ拡張機能を使用して、PostgreSQL ワークフロー内で Blob ストレージから .csv やドキュメントなどの非構造化コンテンツにアクセスして取得します。
- ドキュメントインテリジェンス統合: Azure ドキュメントインテリジェンス (旧称 Form Recognizer) を統合し、ドキュメントから構造化コンテンツを抽出します。AI パイプラインのための高度なデータ取り込みと強化シナリオを実現します。
- ガイド付きラボを通じた実践的な学習: このソリューションには、実際の例を使用した包括的なステップバイステップのハンズオンガイドが含まれており、実践者が実際に手を動かして学び、AI ネイティブな PostgreSQL パターンに関する実践的な経験を得るのに最適です。