Azure 逻辑应用中的 AI 工作流的操作手册、示例和其他资源

适用于：Azure 逻辑应用（消耗 + 标准）

AI 功能通过执行有用的、节省时间或新颖的任务（如聊天交互）在应用程序和其他软件中扮演快速而不断增长的角色。 这些功能还可以与其他服务、系统、应用和数据源合作，帮助为企业和组织构建集成工作负载。

本指南提供构建基块、示例和其他资源，演示如何使用 Azure OpenAI、Azure AI Foundry 和 Azure AI 搜索等 AI 服务与 Azure 逻辑应用构建 AI 集成解决方案的自动化工作流。

AI 代理和模型支持的工作流（预览版）

Azure 逻辑应用支持标准逻辑应用工作流，这些工作流使用具有大型语言模型（LLM）的代理来完成任务。 代理使用迭代循环过程来解决复杂的多步骤问题。 LLM 是一个经过训练的程序，可识别模式并执行作业，而无需人工交互。

例如，LLM 可以执行以下任务：

• 分析、解释和推理有关信息，如说明、提示和输入。
• 根据结果和可用数据做出决策。
• 根据代理的指令拟定并向提示者返回答案。

创建标准逻辑应用后，可以添加使用 自治代理 或 对话代理 工作流类型的工作流。 这些工作流类型创建包含空 代理操作 的部分工作流。 然后，根据所选的工作流类型，可以设置代理以在没有人工交互的情况下工作，这通过集成的聊天界面进行。

代理分别使用自然语言和连接的 LLM 来解释先前提供的指令或进行实时人工交互。 代理还使用模型生成的输出来执行工作。 该模型可帮助代理提供以下功能：

• 接受有关代理角色、操作方法以及如何响应的信息。
• 接收并处理指令及快速请求。
• 处理输入、分析数据，并根据可用信息做出选择。
• 选择工具来完成任务以满足请求。 在 AI 场景中，工具是一个由一个或多个动作组成的序列，用于完成任务。
• 适应需要灵活性且变化多端、动态、不可预知或不稳定的环境。

代理工作流提供了超过 1,400 个连接器，帮助你构建供代理使用的工具，并支持许多可以从代理和模型功能中获得显著收益的方案。

有关详细信息，请参阅以下资源：

AI 解决方案的构建基块

本部分介绍内置作和文档链接，可帮助你为 AI 集成方案（例如文档引入）生成标准工作流。 这些作使客户能够“与数据聊天”。

例如，Azure OpenAI 和 Azure AI 搜索连接器通过无代码设置提供简化后端进程的操作。 这些操作不需要任何自定义代码、逻辑或配置即可使用。

这种无代码方法减少了将 AI 功能集成到工作流中的复杂性。 可以为文档分析、数据分块或为 AI 模型提供支持等任务自动执行复杂的工作流，以尽量减少工作量解锁数据的全部潜力。

AI 构建基块（如内置操作和连接器）可用于消耗工作流和标准工作流。 示例、样本和资源使用标准工作流进行说明。

有关详细信息，请参阅以下资源：

准备内容

以下内置动作和连接器可帮助你准备用于 AI 服务、数据摄取和聊天交互的内容。

数据索引和向量数据库

在处理矢量数据库、搜索和标准数据库时，以下连接器提供数据索引和检索操作。

更多资源

有关详细信息，请参阅以下资源：

准实时与数据聊天

以下部分介绍了如何使用 Azure 逻辑应用和各种 AI 服务为数据设置近实时聊天功能。

使用 Azure 逻辑应用生成 Azure OpenAI 助手

借助 Azure OpenAI，可以使用助手 API 轻松地将类似代理的功能构建到应用程序中。 尽管以前存在生成代理的功能，但该过程通常需要重要的工程、外部库和多个集成。

现在，你可以通过助手快速创建自定义的有状态副手，它们基于其企业数据训练，并且可以使用最新的生成式预训练转换器 (GPT) 模型、工具和知识来处理各种任务。 当前版本包括文件搜索和浏览工具、增强的数据安全功能、改进的控制、新模型和扩展区域支持等功能。 这些增强功能简化了从原型制作到生产过渡。

现在，可以通过将 Azure 逻辑应用工作流调用为 AI 函数来生成助手。 无需编写任何代码，即可从 Azure OpenAI 助手场发现、导入和调用 Azure OpenAI Studio 中的工作流。 助手操场会枚举并列出订阅中有资格调用函数的所有工作流。

若要使用函数调用测试助手，可以使用浏览和选择体验将工作流导入为 AI 函数。 系统会自动从 Swagger 为工作流拉取函数规范生成和其他配置。 函数调用会基于用户提示调用工作流。 所有适当的参数都基于定义传入。

有关详细信息，请参阅以下资源：

与语义内核集成

此轻型开源开发工具包可帮助你轻松生成 AI 代理并将最新的 AI 模型集成到 C#、Python 或 Java 代码库中。 在最简单的级别，内核是一个依赖项注入容器，用于管理 AI 应用程序需要运行的所有服务和插件。

如果将所有服务和插件提供给内核，AI 会根据需要无缝使用这些组件。 作为中心组件，内核充当一个高效的中间件，可帮助你快速交付企业级解决方案。

有关详细信息，请参阅以下资源：

管理智能文档收集和处理

可以使用 Azure AI 文档智能和 Azure 逻辑应用生成智能文档处理工作流。 文档智能连接器提供操作，帮助您从各种文档中提取文本和信息。 文档智能可帮助你管理收集和处理存储在表单和文档中的大量数据类型的数据的速度。

有关详细信息，请参阅以下资源：

检索增强生成 (RAG)

生成 AI 模型或 ChatGPT 等 LLM 经过训练，可以使用大量的静态数据和数十亿个参数为任务生成输出，例如回答问题和完成句子。 检索扩充生成 将信息检索功能添加到 LLM，并修改其交互，以便通过引用扩充训练数据的内容来响应用户查询。

LLM 可以使用 RAG，让聊天机器人访问特定领域或最新的信息。 RAG 可帮助你实现包含权威来源提供的内部公司数据或事实信息的用例。

RAG 将 LLM 已经强大的功能扩展到特定域或组织的内部知识库，而无需重新训练模型。 RAG 体系结构还提供了一种经济高效的方法来改进和保持 LLM 输出相关、准确且有用。

RAG 示例

以下示例演示了在 Azure 逻辑应用中使用标准工作流应用或实现 RAG 模式的方法。

使用 Azure 逻辑应用创建基于 RAG 的端到端 AI 应用程序

使用 Azure 逻辑应用构建基于 RAG 的端到端 AI 应用程序（标准版）

与保险数据聊天

此示例使用经典 RAG 模式，其中工作流引入保险公司的文档和数据，以便员工可以询问有关其福利和计划保险选项的问题。 有关详细信息，请参阅以下资源：

自动回答 StackOverflow 问题

此示例演示如何使用 Azure OpenAI 和 Azure AI 搜索 连接器自动回答具有特定标签的新 StackOverflow 问题。 该示例可以引入以前的文章和产品文档。 当有新问题可用时，解决方案可以使用知识库自动回答，然后在 StackOverflow 上发布之前要求人工批准回复。

可以自定义此工作流，以触发每日、每周或每月的操作，并通过设置自己的自动响应系统来简化社区对任何主题标签的支持。 你也可以使用 Azure 逻辑应用连接器为 Outlook、ServiceNow 或其他平台中的票证改编此解决方案，以确保安全访问。

有关详细信息，请参阅以下资源：

引入文档并与数据聊天

数据是任何 AI 应用程序的基石，对于每个组织都是唯一的。 构建 AI 应用程序时，高效的数据引入对于成功至关重要。 无论数据位于何处，都可以通过构建很少或不使用代码的标准工作流，将 AI 集成到新的和现有的业务流程中。

超过 1,400 个企业级连接器和操作让你能够使用 Azure Logic Apps 快速访问和执行与各种服务、系统、应用程序和数据库的任务。 将这些连接器用于 Azure OpenAI 和 Azure AI 搜索等 AI 服务时，组织可以转换工作负载，如下所示：

• 自动执行例程任务。
• 增强客户与聊天功能的交互。
• 在必要时提供对组织数据的访问权限。
• 生成智能见解或响应。

例如，在工作流中使用 Azure OpenAI 和 Azure AI 搜索 连接器作集成 AI 服务时，组织可以无缝实现 RAG 模式。 RAG 通过使用信息检索系统来引用特定领域或权威知识，并扩充 LLM 的训练，从而最大程度地降低成本，而不需重新训练模型。 有关详细信息，请参阅 检索扩充生成（RAG） 和以下资源：

使用工作流模板快速入门

为了支持 AI 集成并帮助快速生成应用程序，Azure 逻辑应用包括预生成的工作流模板，用于引入来自许多常见数据源的数据，例如 SharePoint、Azure 文件存储、Blob 存储和安全文件传输协议（SFTP）。 将新工作流添加到标准或消耗逻辑应用时，可以选择预生成的模板作为起点。

每个模板都遵循支持特定方案的常见工作流模式。 还可以创建工作流模板，并通过将它们发布到 GitHub 的模板存储库，与其他工作流开发人员共享这些模板。

下表介绍了一些示例工作流模板：

有关详细信息，请参阅以下资源：

相关内容

• 在 Azure 逻辑应用中分析标准工作流的内容或将其分块
• 使用 Azure 逻辑应用中的标准工作流连接到 Azure AI 服务