Início Rápido: Obter respostas no playground de chat

Saiba como usar o playground de chat no Microsoft Foundry para explorar os recursos do modelo de IA interativamente. Este início rápido se concentra na experiência de interface do usuário baseada na Web; para criar aplicativos programaticamente, consulte Criar um aplicativo de chat personalizado usando o SDK.

Implante (ou reutilize) um modelo de chat e envie prompts para receber respostas geradas por IA.

Neste guia de início rápido, você aprende a:

• Configure uma mensagem do sistema para orientar o comportamento do modelo.
• Envie uma pergunta de usuário e receba uma resposta.
• Interpretar respostas de modelo e reconhecer limitações.
• Adicione mensagens do sistema de segurança para garantir o uso responsável da IA.

Para estes primeiros passos, você pode usar um projeto baseado em hub ou um projeto Foundry. Para obter mais informações sobre as diferenças entre esses dois tipos de projeto, consulte os tipos de projeto.

Pré-requisitos

• Uma conta do Azure com uma assinatura ativa. Se você não tiver uma, crie uma conta gratuita do Azure, que inclui uma assinatura de avaliação gratuita.
• As seguintes funções RBAC do Azure são necessárias. Para verificar sua função, consulte Gerenciar controle de acesso.
  • Proprietário da assinatura para criar um projeto e atribuir funções.
  • Usuário de IA do Azure no projeto para implantar modelos (atribuídos automaticamente quando você cria o projeto como Proprietário da assinatura).

Implantar um modelo

No portal, você pode explorar um catálogo avançado de modelos de ponta de vários provedores diferentes. Para este tutorial, pesquise e selecione o modelo gpt-4o .

1. Entre no Microsoft Foundry. Certifique-se de que o botão New Foundry está desativado. Estas etapas referem-se à Fábrica (clássico).

   

2. Se você estiver em um projeto, selecione Microsoft Foundry na barra de navegação no canto superior esquerdo para deixar o projeto. Você criará um novo em um momento.

3. Na página inicial ou catálogo de modelos, selecione gpt-4o (ou gpt-4o-mini).

   

4. Selecione Usar este modelo. Quando solicitado, insira um novo nome de projeto e selecione Criar.

5. Examine o nome da implantação e selecione Criar.

6. Em seguida, selecione Conectar e implantar depois de selecionar um tipo de implantação.

7. Selecione Abrir no playground na página de implantação após a implantação.

8. Você chega ao playground do Chat com o modelo pré-implantado e pronto para uso.

Se você estiver criando um agente, poderá começar com Criar um agente. As etapas são semelhantes, mas em uma ordem diferente. Depois que o projeto for criado, você chegará ao playground do Agente em vez do playground do Chat.

Usar o playground de chat

Use o playground do Foundry para interagir com modelos de chat que foram implantados e testar prompts em tempo real.

Para obter respostas do seu modelo implantado no playground de chat:

1. Na caixa de texto da mensagem do sistema , forneça um prompt para orientar o assistente. Por exemplo, para um cenário de suporte ao cliente, use: "Você é um agente de suporte ao cliente útil. Responda a perguntas sobre recursos do produto, preços e solução de problemas. Se você não souber a resposta, ofereça-se para escalar para um especialista." Você pode adaptar a solicitação para seu caso de uso específico.

2. Opcionalmente, adicione uma mensagem do sistema de segurança selecionando o botão Adicionar seção e, em seguida, mensagens do sistema de segurança. Escolha entre as mensagens predefinidas e edite-as de acordo com suas necessidades.

3. Selecione Aplicar alterações para salvar suas alterações. Quando solicitado a ver se deseja atualizar a mensagem do sistema, selecione Continuar.

4. No painel da sessão de chat, insira a seguinte pergunta: "Quanto custam os tênis de caminhada TrailWalker?"

5. Selecione o ícone de seta para a direita para enviar.

   

6. O assistente responde que não sabe a resposta ou fornece uma resposta genérica, como notar variabilidade de preço. Isso é esperado porque o modelo não tem acesso aos dados atuais do produto.

Entendendo a resposta: O modelo gerou texto com base em seus dados de treinamento e mensagem do sistema, mas sem dados de referência (como um catálogo de produtos), ele não pode fornecer respostas precisas ao domínio. Essa limitação é normal e esperada nesse cenário.

Em seguida, adicione seus dados para que o modelo possa responder a perguntas específicas do domínio. Experimente o tutorial do aplicativo Web de chat corporativo.

Resolução de problemas

Próxima etapa

Conteúdo relacionado

• Implantar um aplicativo web de chat corporativo.
• Adicione avaliações para medir a qualidade da resposta.
• Ajuste um modelo para melhorar o desempenho.