Guia de início rápido: receba respostas no playground de chat

Aprenda a usar o chat playground no Microsoft Foundry para explorar de forma interativa as capacidades dos modelos de IA. Este quickstart foca-se na experiência de interface baseada na web; para construir aplicações programaticamente, consulte Construir uma aplicação de chat personalizada usando o SDK.

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

Neste início rápido, vai aprender a:

• Configure uma mensagem do sistema para guiar o comportamento do modelo.
• Envie uma pergunta de utilizador e receba uma resposta.
• Interprete as respostas dos modelos e reconheça limitações.
• Adicione mensagens no sistema de segurança para garantir um uso responsável da IA.

Para esta introdução rápida, 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 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.
• São obrigatórias as seguintes funções Azure RBAC. Para verificar o seu cargo, consulte Gerenciar controlo de acessos.
  • Proprietário da subscrição para criar um projeto e atribuir funções.
  • Azure AI User no projeto para implementar modelos (atribuídos automaticamente quando crias o projeto como Proprietário da subscrição).

Implementar um modelo

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

1. Inicie sessão no Microsoft Foundry. Certifica-te de que a opção do New Foundry está desligada. Estes passos referem-se à Foundry (clássica).

   

2. Se estiver num projeto, selecione Microsoft Foundry no canto superior esquerdo para sair do projeto. Você criará um novo em um momento.

3. Na página de destino ou no 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. Revise 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 pousa no playground de bate-papo com o modelo pré-implantado e pronto para uso.

Se você estiver criando um agente, poderá começar com Criar um agente. Os passos são semelhantes, mas em uma ordem diferente. Depois que o projeto é criado, você chega ao playground do agente em vez do playground do bate-papo.

Use a ferramenta de bate-papo

Utilize o playground do Foundry para interagir com modelos de chat implementados e testar comandos em tempo real.

Para obter respostas do seu modelo implantado no playground de bate-papo:

1. Na caixa de texto da mensagem do sistema , forneça um prompt para orientar o assistente. Por exemplo, para um cenário de apoio ao cliente, use: "Você é um agente de apoio ao cliente prestável. Responda a perguntas sobre funcionalidades do produto, preços e resolução de problemas. Se não souberes a resposta, oferece-te para escalar para um especialista." Podes adaptar o enunciado para o teu caso de uso específico.

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

3. Selecione Aplicar alterações para salvar as alterações. Quando for solicitado para ver se quer atualizar a mensagem do sistema, selecione Continuar.

4. No painel de sessão de chat, insira a seguinte pergunta: "Quanto custam os sapatos 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 indicar a variabilidade do preço. Isto é esperado porque o modelo não tem acesso aos dados atuais do produto.

Compreendendo a resposta: O modelo gerava texto com base nos seus dados de treino e na mensagem do sistema, mas sem dados de base (como um catálogo de produtos), não consegue fornecer respostas precisas específicas do domínio. Esta limitação é normal e esperada neste cenário.

Em seguida, adicione seus dados para que o modelo possa responder a perguntas específicas do domínio. Experimente o tutorial do aplicativo Web de bate-papo empresarial.

Solução de problemas

Próximo passo

Conteúdo relacionado

• Implante um aplicativo Web de bate-papo corporativo.
• Adicione avaliações para medir a qualidade da resposta.
• Afina um modelo para melhorar o desempenho.