, Dostosowywanie funkcji sztucznej inteligencji używając biblioteki pandas

Funkcje sztucznej inteligencji są zaprojektowane tak, aby działać od razu po uruchomieniu, z domyślnie skonfigurowanym bazowym modelem i ustawieniami. Użytkownicy, którzy chcą bardziej elastycznych konfiguracji, mogą jednak dostosować swoje rozwiązania za pomocą kilku dodatkowych wierszy kodu.

Konfiguracje

Domyślnie funkcje sztucznej inteligencji są obsługiwane przez wbudowany punkt końcowy AI w systemie Fabric. Ustawienia modelu języka dużego (LLM) są globalnie konfigurowane w aifunc.Conf klasie. Jeśli pracujesz z funkcjami AI w bibliotece Python pandas, możesz użyć klasy aifunc.Conf, aby zmodyfikować niektóre lub wszystkie te ustawienia.

Poniższy przykładowy kod pokazuje, jak zastąpić aifunc.Conf ustawienia globalnie, tak aby były stosowane do wszystkich wywołań funkcji sztucznej inteligencji w sesji:

# This code uses AI. Always review output for mistakes.

aifunc.default_conf.temperature = 0.5 # Default: 0.0
aifunc.default_conf.concurrency = 300 # Default: 200

df = pd.DataFrame([
        "Hello! How are you doing today?", 
        "Tell me what you'd like to know, and I'll do my best to help.", 
        "The only thing we have to fear is fear itself.",
    ], columns=["text"])

df["translations"] = df["text"].ai.translate("spanish")
df["sentiment"] = df["text"].ai.analyze_sentiment()
display(df)

Możesz również dostosować te ustawienia dla każdego wywołania poszczególnych funkcji. Każda funkcja sztucznej inteligencji akceptuje opcjonalny parametr conf. Poniższy przykładowy kod modyfikuje domyślne ustawienia aifunc wyłącznie dla wywołania funkcji ai.translate, używając niestandardowej wartości temperatury. (Wywołanie ai.analyze_sentiment nadal używa wartości domyślnych, ponieważ nie ustawiono żadnych wartości niestandardowych).

# This code uses AI. Always review output for mistakes. 

from synapse.ml.aifunc import Conf

df = pd.DataFrame([
        "Hello! How are you doing today?", 
        "Tell me what you'd like to know, and I'll do my best to help.", 
        "The only thing we have to fear is fear itself.",
    ], columns=["text"])

df["translations"] = df["text"].ai.translate("spanish", conf=Conf(temperature=0.5))
df["sentiment"] = df["text"].ai.analyze_sentiment()
display(df)

Poniższy przykładowy kod pokazuje, jak skonfigurować gpt-5 i inne modele rozumowania dla wszystkich funkcji.

aifunc.default_conf.model_deployment_name = "gpt-5"
aifunc.default_conf.temperature = 1  # gpt-5 only accepts default value of temperature
aifunc.default_conf.top_p = 1  # gpt-5 only accepts default value of top_p
aifunc.default_conf.verbosity = "low"
aifunc.default_conf.reasoning_effort = "low"

Modele niestandardowe

Aby użyć modelu AI innego niż domyślny, możesz wybrać inny model obsługiwany przez Fabric lub skonfigurować niestandardowy punkt końcowy dla modelu.

Wybieranie innego obsługiwanego dużego modelu językowego

Wybierz jeden z modeli obsługiwanych przez Fabric i skonfiguruj go za pomocą parametru model_deployment_name. Tę konfigurację można wykonać na jeden z dwóch sposobów:

• Na poziomie globalnym w klasie aifunc.Conf. Przykład:

  aifunc.default_conf.model_deployment_name = "<model deployment name>"
  

• Indywidualnie w każdym wywołaniu funkcji sztucznej inteligencji:

  df["translations"] = df["text"].ai.translate(
      "spanish",
      conf=Conf(model_deployment_name="<model deployment name>"),
  )
  

Wybieranie innego obsługiwanego modelu osadzania

Wybierz jeden z modeli obsługiwanych przez Fabric i skonfiguruj go za pomocą parametru embedding_deployment_name. Tę konfigurację można wykonać na jeden z dwóch sposobów:

• Na poziomie globalnym w klasie aifunc.Conf. Przykład:

  aifunc.default_conf.embedding_deployment_name = "<embedding deployment name>"
  

• Indywidualnie przy każdym wywołaniu funkcji sztucznej inteligencji. Przykład:

  df["embedding"] = df["text"].ai.embed(
      conf=Conf(embedding_deployment_name="<embbedding deployment name>"),
  )
  

Skonfiguruj niestandardowy punkt końcowy modelu

Domyślnie funkcje sztucznej inteligencji używają interfejsu API punktu końcowego LLM Fabric do zunifikowanego rozliczania i łatwego uruchomienia. Możesz użyć własnego punktu końcowego modelu, konfigurując klienta zgodnego z Azure OpenAI lub kompatybilnego z OpenAI, w tym ustawienia punktu końcowego oraz klucza. W poniższym przykładzie pokazano, jak przenieść własny zasób rozwiązania Microsoft AI Foundry (dawniej Azure OpenAI) przy użyciu polecenia aifunc.setup:

from openai import AzureOpenAI

# Example to create client for Microsoft AI Foundry OpenAI models
client = AzureOpenAI(
    azure_endpoint="https://<ai-foundry-resource>.openai.azure.com/",
    api_key="<API_KEY>",
    api_version=aifunc.session.api_version,  # Default "2025-04-01-preview"
    max_retries=aifunc.session.max_retries,  # Default: sys.maxsize ~= 9e18
)
aifunc.setup(client)  # Set the client for all functions.

Poniższy przykładowy kod używa wartości zastępczych, aby pokazać, jak zastąpić wbudowany punkt końcowy Fabric AI za pomocą niestandardowego zasobu rozwiązania Microsoft AI Foundry do korzystania z modeli innych niż OpenAI.

from openai import OpenAI

# Example to create client for Azure AI Foundry models
client = OpenAI(
    base_url="https://<ai-foundry-resource>.services.ai.azure.com/openai/v1/",
    api_key="<API_KEY>",
    max_retries=aifunc.session.max_retries,  # Default: sys.maxsize ~= 9e18
)
aifunc.setup(client)  # Set the client for all functions.

aifunc.default_conf.model_deployment_name = "grok-4-fast-non-reasoning"

Treści powiązane

• Dostosowywanie konfiguracji funkcji sztucznej inteligencji za pomocą narzędzia PySpark.

• Wykryj nastrój za pomocą ai.analyze_sentiment.

• Kategoryzuj tekst przy użyciu ai.classify.

• Wyodrębnij jednostki przy użyciu ai_extract.

• Napraw gramatykę za pomocą ai.fix_grammar.

• Odpowiedz na niestandardowe polecenia użytkownika przy użyciu ai.generate_response.

• Oblicz podobieństwo przy użyciu ai.similarity.

• Podsumowywanie tekstu przy użyciu ai.summarize.

• Przetłumacz tekst przy użyciu ai.translate.

• Dowiedz się więcej o pełnym zestawie funkcji sztucznej inteligencji.

• Czy brakowało nam potrzebnej funkcji? Zaproponuj to na forum Fabric Ideas.