Microsoft Reactor - Implementando RAG utilizando Vector Search no Azure Cosmos DB ❤️

Walter Coan e Renato Groffe

PowerPoint

PowerPoint Deck

Youtube

Configuração do Jupyter Notebook para C# ❤️

• Instalar a ultima versão do .NET

• Instalar o Python

• Instalar a extensão do VSCode Jupyter

• Instalar a extensão Polyglot Notebooks

apt-get update
apt-get install python3 -y

dotnet tool install --global Microsoft.dotnet-interactive

dotnet interactive jupyter install

• Criar na pasta notebooks um arquivo .env com as seguintes variáveis

COSMOSDB_ENDPOINT=https://<NOME DA INSTANCIA DO COSMOSDB>.documents.azure.com:443/
COSMOSDB_PRIMARY_KEY=<CHAVE DO COSMOSDB>

OPENAI_ENDPOINT=https://<NOME DA INSTANCIA DO MODELO NO CHATGPT>.openai.azure.com/
OPENAI_KEY=<CHAVE DO MODELO NO CHATGPT>

OPENAI_EMBEDDING_ENDPOINT=https://<NOME DA INSTANCIA DO MODELO EMBEDDING>.azure.com/openai/deployments/text-embedding-ada-002/embeddings?api-version=2023-05-15
OPENAI_EMBEDDING_KEY=<CHAVE DO MODELO EMBEDDING>

Fonte

• Azure Data Retrieval Augmented Generation Samples
• Retrieval Augmented Generation (RAG) in Azure Cosmos DB
• Vector Search in Azure Cosmos DB for NoSQL
• Vector Search with Azure Cosmos DB for NoSQL
• Vector Distance
• Index and query vectors in Azure Cosmos DB for NoSQL in .NET
• Introdução ao Azure Cosmos DB for NoSQL usando .NET
• Learn how to generate embeddings with Azure OpenAI