クイック・スタート: 取得拡張された生成パターンを使用して基盤モデルにプロンプトを出す

サンプル・ノートブックを保存するプロジェクトが必要です。

サンドボックスプロジェクトを作成し、サービスを関連付ける方法をビデオでご覧ください。 次に、既存のプロジェクトを確認するか、サンドボックス・プロジェクトを作成する手順に従ってください。

手順に従って、既存のプロジェクトを確認するか、プロジェクトを作成してください。

1. watsonx ホーム画面で、プロジェクト セクションまでスクロールします。 プロジェクトが表示されている場合は、Watson Machine Learning サービスに関連付けるまでスキップしてください。 プロジェクトが表示されない場合は、以下の手順に従ってプロジェクトを作成してください。

2. サンドボックスプロジェクトを作成をクリックします。 プロジェクトが作成されると、プロジェクトセクションにサンドボックスが表示されます。

3. 既存のプロジェクトまたは新しいサンドボックスプロジェクトを開きます。

サンプル・ノートブックでは、基本的なパターンを示すために、小さな知識ベースとシンプルな検索コンポーネントを使用しています。 このノートで使用するシナリオは、庭に植える種を販売する会社のものである。 オンライン種子カタログのウェブサイトには、顧客が庭造りを計画し、最終的にどの種子を購入するかを選択するのに役立つ記事が多数掲載されている。 新しいウィッジは、記事の内容に関する顧客の質問に答えるためにウェブサイトに追加されている。

このビデオで、サンプルノートブックをプロジェクトに追加する方法をご覧ください。

1. リソースハブのRAG：簡単な導入ノートにアクセスしてください。

2. プロジェクトに追加をクリックしてください。

3. リストからプロジェクトを選択し、追加をクリックします。

4. ノートブックの名前と説明（オプション）を入力します。

5. このノートブックのランタイム環境を選択してください。

6. 「作成」 をクリックします。 ノートブック・エディターがロードされるまで待ちます。

7. メニューからKernel > Restart & Clear Outputをクリックし、Restart and Clear All Outputsをクリックして確認すると、最後に保存した実行の出力がクリアされます。

関連サービスの詳細については、関連サービスの追加を参照してください。

このタスクをプレビューするには、00:57から始まるビデオを見てください。

ノートブックを実行する前に、環境をセットアップする必要があります。 以下の手順に従って、ノートブックの前提条件を確認してください：

1. ノートブックの For IBM watsonx on IBM Cloud セクションまでスクロールすると、ノートブックを実行するための 2 つの前提条件が表示されます。

2. Create an IBM Cloud API key セクションでは、API キーを使用して Watson Machine Learning API に認証情報を渡す必要があります。 保存された API キーがまだない場合は、以下の手順に従って API キーを作成します。
   

   1. IBM Cloud コンソール API キーのページにアクセスします。

   2. 「IBM Cloud API キーの作成」をクリックします。 既存のAPIキーがある場合、ボタンは作成と表示されます。

   3. 名前および説明を入力します。

   4. 「作成」 をクリックします。

   5. API キーをコピーします 。

   6. 将来使用するために API キーをダウンロードします。

3. Associate an instance of Watson Machine Learning service with current project セクションを確認してください。 この前提条件はタスク1で完了しました。

4. Run cell to provide IBM Cloud API key セクションまでスクロールします：

   1. 実行アイコンをクリックしてセルを実行します。

   2. APIキーを貼り付け、Enterを押します。

5. Run the cell to set credentials for IBM watsonx on IBM Cloud では、Run アイコン をクリックしてセルを実行し、資格情報を設定します。

このタスクをプレビューするには、 01:03から始まるビデオをご覧ください。

サンプル・ノートブックには、検索機能を追加した世代に関する情報と、特定のユースケースにノートブックを適応させる方法が含まれています。 以下の手順に従ってノートブックを実行し、出力を確認してください：

1. ノートブックのステップ2：ナレッジベースの作成セクションまでスクロールしてください：

   1. そのセクションの3つのセルそれぞれについて、実行アイコンをクリックします。

   2. セクション内の3つのセルの出力を確認する。 これらのセル内のコードは、知識ベースを2つの記事のコレクションとしてセットアップする。 これらの記事はwatsonx.aiのサンプルとして書かれたもので、他のどこかで発表された本物の記事ではありません。 著者と出版年は架空のものである。

2. ノートブックのステップ3：シンプルな検索コンポーネントを作成するセクションまでスクロールしてください：

   1. そのセクションの2つのセルそれぞれについて、実行アイコンをクリックする。

   2. セクションの2つのセルの出力を確認する。 これらのセル内のコードは、単純な検索コンポーネントを構築する。 検索機能付き生成について論じた多くの記事は、検索コンポーネントがベクトルデータベースを使用することを前提としている。 しかし、一般的な検索-拡張生成パターンを実行するためには、知識ベースから関連するコンテンツを確実に返すことができる検索-検索方法であれば何でもよい。 このノートブックでは、検索コンポーネントは、単純な正規表現のマッチに基づき、知識ベース内の2つの記事のどちらか一方のインデックスを返す些細な検索機能である。

3. ノートブックのステップ4：プロンプトテキストの作成セクションまでスクロールします：

   1. そのセクションの2つのセルそれぞれについて、実行アイコンをクリックする。

   2. セクションの2つのセルの出力を確認する。 これらのセルのコードは、プロンプト・テキストを作成する。 どのような仕事にも、最適なプロンプトは存在しない。 しかし、bigscience/mt0-xxl-13b、google/flan-t5-xxl-11b、google/flan-ul2-20bのようなインストラクションチューニングされたモデルは、一般的にサンプルプロンプトでこのタスクを実行できます。 保守的な解読法では、簡潔な答えになる傾向がある。 プロンプトでは、生成時に置き換えられる2つの文字列プレースホルダー（%sでマークされている）に注目してほしい：

      • 最初のプレースホルダは、ナレッジベースの関連記事のテキストに置き換えられます
      • 2番目のプレースホルダは、回答する質問で置き換えられます

4. ノートブックのStep 5: 基礎モデルPythonライブラリを使用して出力を生成するセクションまでスクロールしてください：

   1. そのセクションの3つのセルそれぞれについて、実行アイコンをクリックします。

   2. セクション内の3つのセルの出力を確認する。 これらのセル内のコードは、Pythonライブラリを使って出力を生成します。 Python ライブラリーを使用して、 watsonx.ai で基盤モデルのプロンプトをプログラマチックに出すことができます。 ライブラリーの詳細については、以下のトピックを参照：

   • 基盤モデルの概要 Python ライブラリー
   • ibm-watsonx-ai Python ライブラリ・リファレンス

5. ノートブックのステップ6：検索-拡張生成を実行するためにすべてをまとめるセクションまでスクロールしてください：

   1. そのセクションの2つのセルそれぞれについて、実行アイコンをクリックする。 このコードは、検索補強された生成を実行するためにすべてをまとめている。

   2. セクションの最初のセルの出力を確認する。 このセルのコードは、ユーザー入力要素を設定する。

   3. セクションの2番目のセルに、トマトまたはキュウリに関する質問を入力すると、答えと出典が表示されます。 例えば、Do I use mulch with tomatoes? などです。

   4. 質問の答えを見直してください。