Introduzione rapida: richiedi un modello di base con il modello di creazione incrementato di recupero

È necessario un progetto per memorizzare il notebook di esempio.

Guarda un video per vedere come creare un progetto sandbox e associare un servizio. Quindi seguire la procedura per verificare di disporre di un progetto esistente o creare un progetto sandbox.

Seguire la procedura per verificare di disporre di un progetto esistente o per creare un progetto.

1. Dalla schermata home di watsonx , scorri alla sezione Projects . Se vedi elencati dei progetti, vai a Associare il servizio Watson Machine Learning. Se non viene visualizzato alcun progetto, attenersi alla seguente procedura per creare un progetto.

2. Fare clic su Crea un progetto sandbox. Quando il progetto viene creato, verrà visualizzata la sandbox nella sezione Progetti .

3. Aprire un progetto esistente o il nuovo progetto sandbox.

Il notebook di esempio utilizza una piccola knowledge base e un componente di ricerca semplice per dimostrare il modello di base. Lo scenario utilizzato in questo notebook è per una società che vende semi per piantare in un giardino. Il sito web per un catalogo di semi online ha molti articoli per aiutare i clienti a pianificare il loro giardino e infine selezionare quali semi acquistare. Il nuovo widge viene aggiunto al sito per rispondere alle domande dei clienti sui contenuti degli articoli.

Guarda questo video per vedere come aggiungere un notebook di esempio ad un progetto, quindi segui i passaggi per aggiungere il notebook al tuo progetto.

1. Accedi all' Introduzione semplice alla generazione aumentata del richiamo con watsonx.ai nell' hub di risorse.

2. Fare clic su Aggiungi al progetto.

3. Selezionare il progetto dall'elenco e fare clic su Aggiungi.

4. Immettere il nome e la descrizione del notebook (facoltativo).

5. Selezionare un ambiente di runtime per questo notebook.

6. Fare clic su Crea. Attendere il caricamento dell'editor del notebook.

7. Dal menu, fare clic su Kernel> Riavvia & Cancella output, quindi confermare facendo clic su Riavvia e Cancella tutti gli output per cancellare l'output dall'ultima esecuzione salvata.

Per ulteriori informazioni sui servizi associati, consultare Aggiunta di servizi associati.

Per visualizzare un'anteprima di questa attività, guardare il video a partire dalle 00:57.

Prima di poter eseguire il notebook, è necessario configurare l'ambiente. Attenersi alla seguente procedura per verificare i prerequisiti del notebook:

1. Scorri fino alla sezione Per IBM watsonx on IBM Cloud nel blocco note per vedere i due prerequisiti per eseguire il blocco note.

2. Nella sezione Crea una chiave API IBM Cloud , devi passare le tue credenziali alla API Watson Machine Learning utilizzando una chiave API. Se non disponi già di una chiave API salvata, attieniti a questa procedura per creare una chiave API.
   

   1. Accedi alla pagina delle chiavi API della consoleIBM Cloud.

   2. Fai clic su Crea una chiave API IBM Cloud. Se hai delle chiavi API esistenti, il pulsante può essere etichettato come Crea.

   3. Immettere un nome e una descrizione.

   4. Fare clic su Crea.

   5. Copia la chiave API.

   6. Scarica la chiave API per un utilizzo futuro.

3. Esamina la sezione Associa un'istanza del servizio Watson Machine Learning al progetto corrente . Questo prerequisito è stato completato in Attività 1.

4. Scorri fino alla sezione Esegui la cella per fornire la chiave API IBM Cloud :

   1. Fare clic su Esegui per eseguire la cella.

   2. Incollare la chiave API e premere Enter.

5. In Esegui la cella per impostare le credenziali per IBM watsonx su IBM Cloud, fai clic su Esegui icona per eseguire e impostare le credenziali.

Per visualizzare in anteprima questa attività, guardare il video a partire dalle 01:03.

Il notebook di esempio include informazioni sulla generazione aumentata del richiamo e su come è possibile adattare il notebook per il caso di utilizzo specifico. Seguire questa procedura per eseguire il notebook ed esaminare l'output:

1. Scorrere la sezione Passo 2: creare una Knowledge Base nel blocco note:

   1. Fare clic su Esegui per ognuna delle tre celle in tale sezione.

   2. Rivedere l'output per le tre celle nella sezione. Il codice in queste celle imposta la knowledge base come una raccolta di due articoli. Questi articoli sono stati scritti come esempi per watsonx.ai, non sono veri articoli pubblicati altrove. Gli autori e le date di pubblicazione sono fittizi.

2. Scorrere la sezione Passo 3: creazione di un componente di ricerca semplice nel notebook:

   1. Fare clic su Esegui per ognuna delle due celle in tale sezione.

   2. Esaminare l'emissione per le due celle nella sezione. Il codice in queste celle crea un componente di ricerca semplice. Molti articoli che discutono la generazione aumentata di recupero presuppongono che il componente di recupero utilizzi un database vettoriale. Tuttavia, per eseguire il modello di generazione aumentata del richiamo generale, qualsiasi metodo di ricerca e richiamo che possa restituire in modo affidabile il contenuto pertinente dalla knowledge base lo farà. In questo blocco note, il componente di ricerca è una funzione di ricerca banale che restituisce l'indice di uno o dell'altro dei due articoli nella knowledge base, basato su una semplice corrispondenza di espressione regolare.

3. Scorrere la sezione Passo 4: testo prompt qualifica nel blocco note:

   1. Fare clic su Esegui per ognuna delle due celle in tale sezione.

   2. Esaminare l'emissione per le due celle nella sezione. Il codice in queste celle consente di creare il testo del prompt. Non c'è nessuno, la richiesta migliore per una determinata attività. Tuttavia, i modelli che sono stati ottimizzati, come bigscience/mt0-xxl-13b, google/flan-t5-xxl-11bo google/flan-ul2-20b, possono generalmente eseguire questa attività con un prompt di esempio. I metodi di decodifica conservativi tendono verso risposte succinte. Nel prompt, notare due segnaposto di stringa (contrassegnati con %s) che verranno sostituiti al momento della creazione:

      • Il primo segnaposto sarà sostituito con il testo dell'articolo pertinente della knowledge base
      • Il secondo segnaposto verrà sostituito con la domanda a cui rispondere

4. Scorri al Passo 5: genera l'output utilizzando la sezione Python library dei modelli di base nel notebook:

   1. Fare clic su Esegui per ognuna delle tre celle in tale sezione.

   2. Rivedere l'output per le tre celle nella sezione. Il codice in queste celle genera output utilizzando la libreria Python . Puoi richiedere i modelli di base in watsonx.ai in modo programmatico utilizzando la libreria Python . Per ulteriori informazioni sulla libreria, consultare i seguenti argomenti:

   • Introduzione alla libreria dei modelli di base Python
   • Guida di riferimento alla libreria dei modelli Foundation Python

5. Scorri fino alla sezione Passo 6: esegui il pull di tutti insieme per eseguire la generazione aumentata del richiamo nel notebook:

   1. Fare clic su Esegui per ognuna delle due celle in tale sezione. Questo codice estrae tutto insieme per eseguire la generazione aumentata di recupero.

   2. Rivedere l'output per la prima cella nella sezione. Il codice in questa cella imposta gli elementi di input utente.

   3. Per la seconda cella della sezione, digitare una domanda relativa ai pomodori o ai cetrioli per vedere la risposta e la fonte. Ad esempio, Do I use mulch with tomatoes?.

   4. Esamina la risposta alla tua domanda.