Introdução à avaliação de respostas em um aplicativo de chat no JavaScript

Este artigo mostra como avaliar as respostas de um aplicativo de chat em relação a um conjunto de respostas corretas ou ideais (conhecidas como verdade fundamental). Sempre que você alterar seu aplicativo de chat de uma forma que afete as respostas, execute uma avaliação para comparar as alterações. Este aplicativo de demonstração oferece ferramentas que você pode usar hoje para facilitar a execução de avaliações.

Seguindo as instruções neste artigo, você vai:

• Use prompts de exemplo fornecidos adaptados ao domínio do assunto. Esses prompts já estão no repositório.
• Gere exemplos de perguntas do usuário e respostas verdadeiras de seus próprios documentos.
• Execute avaliações usando um prompt de amostra com as perguntas do usuário geradas.
• Revise a análise das respostas.

Visão geral da arquitetura

Os principais componentes da arquitetura incluem:

• Aplicativo de chat hospedado no Azure: o aplicativo de chat é executado no Serviço de Aplicativo do Azure.
• O Protocolo de Chat de IA da Microsoft fornece contratos de API padronizados em soluções e linguagens de IA. O aplicativo de chat está em conformidade com o Protocolo de Chat de IA da Microsoft, que permite que o aplicativo de avaliações seja executado em qualquer aplicativo de chat que esteja em conformidade com o protocolo.
• Pesquisa de IA do Azure: o aplicativo de chat usa a Pesquisa de IA do Azure para armazenar os dados de seus próprios documentos.
• Gerador de perguntas de amostra: pode gerar muitas perguntas para cada documento, juntamente com a resposta da verdade. Quanto mais perguntas, mais longa será a avaliação.
• O avaliador executa exemplos de perguntas e prompts no aplicativo de chat e retorna os resultados.
• A ferramenta de revisão permite que você revise os resultados das avaliações.
• a ferramenta de comparação permite comparar as respostas entre as avaliações.

Quando você implanta essa avaliação no Azure, o ponto de extremidade do OpenAI do Azure é criado para o modelo GPT-4 com sua própria capacidade. Ao avaliar aplicativos de chat, é importante que o avaliador tenha seu próprio recurso OpenAI usando GPT-4 com sua própria capacidade.

Pré-requisitos

• Assinatura do Azure. Crie um gratuitamente

• Acesso permitido ao OpenAI do Azure na assinatura do Azure desejada.

  No momento, o acesso a esse serviço é permitido somente por aplicativo. Você pode solicitar acesso ao Serviço OpenAI do Azure preenchendo o formulário em https://aka.ms/oai/access.

• Implantar um aplicativo de chat

  • JavaScript
  • JavaScript com LangChain.js

• Esses aplicativos de chat carregam os dados no recurso Pesquisa de IA do Azure. Esse recurso é necessário para que o aplicativo de avaliações funcione. Não conclua a seção Limpar recursos do procedimento anterior.

  Você precisará das seguintes informações do recurso do Azure dessa implantação, chamado de aplicativo de chat neste artigo:

  • URI da API de Chat: o ponto de extremidade de back-end do serviço mostrado no final do processo azd up.
  • IA do Azure Search. Os valores a seguir são necessários:
    • Nome do recurso: o nome do nome do recurso Pesquisa de IA do Azure, relatado como Search service durante o processo azd up.
    • Nome do índice: o nome do índice da Pesquisa de IA do Azure em que seus documentos estão armazenados. Isso pode ser encontrado no portal do Azure para o serviço Pesquisa.

  A URL da API do Chat permite que as avaliações façam solicitações por meio do aplicativo de back-end. As informações da Pesquisa de IA do Azure permitem que os scripts de avaliação usem a mesma implantação que o back-end, carregados com os documentos.

  Depois de coletar essas informações, você não precisará usar o ambiente de desenvolvimento do aplicativo de chat novamente. Ele é mencionado posteriormente neste artigo várias vezes para indicar como o aplicativo de chat é usado pelo aplicativo Avaliações. Não exclua os recursos do aplicativo de chat até concluir todo o procedimento neste artigo.

• Um ambiente de contêiner de desenvolvimento está disponível com todas as dependências necessárias para concluir este artigo. Você pode executar o contêiner de desenvolvimento em Codespaces do GitHub (em um navegador) ou localmente usando o Visual Studio Code.

  • Codespaces (recomendado)
  • Visual Studio Code

  • Conta do GitHub

Abrir o ambiente de desenvolvimento

Comece agora com um ambiente de desenvolvimento que tenha todas as dependências instaladas para concluir este artigo. Você deve organizar o espaço de trabalho do monitor para que possa ver essa documentação e o ambiente de desenvolvimento ao mesmo tempo.

Este artigo foi testado com a região switzerlandnorth para a implantação de avaliação.

Preparar valores de ambiente e informações de configuração

Atualize os valores do ambiente e as informações de configuração com as informações coletadas durante Pré-requisitos para o aplicativo de avaliações.

1. Crie um .env arquivo com base em .env.sample:

   cp .env.sample .env
   

2. Execute estes comandos para obter os valores necessários de e AZURE_OPENAI_SERVICE para AZURE_OPENAI_EVAL_DEPLOYMENT o grupo de recursos implantado e cole esses valores no .env arquivo:

   azd env get-value AZURE_OPENAI_EVAL_DEPLOYMENT
   azd env get-value AZURE_OPENAI_SERVICE
   

3. Adicione os valores a seguir do aplicativo de chat à sua instância da Pesquisa de IA do Azure para o .env, que você coletou na seção de pré-requisitos:

   AZURE_SEARCH_SERVICE="<service-name>"
   AZURE_SEARCH_INDEX="<index-name>"
   

Usar o Protocolo de Chat de IA da Microsoft para obter informações de configuração

O aplicativo de chat e o aplicativo de avaliações implementam o Microsoft AI Chat Protocol specification, um contrato de API de endpoint de IA independente de nuvem e de linguagem de software livre usado para consumo e avaliação. Quando o cliente e os pontos de extremidade de camada intermediária aderem a essa especificação de API, você pode consumir e executar avaliações de forma consistente em seus back-ends de IA.

1. Crie um arquivo chamado my_config.json e copie este conteúdo para ele:

   {
       "testdata_path": "my_input/qa.jsonl",
       "results_dir": "my_results/experiment<TIMESTAMP>",
       "target_url": "http://localhost:50505/chat",
       "target_parameters": {
           "overrides": {
               "top": 3,
               "temperature": 0.3,
               "retrieval_mode": "hybrid",
               "semantic_ranker": false,
               "prompt_template": "<READFILE>my_input/prompt_refined.txt",
               "seed": 1
           }
       }
   }
   

   O script de avaliação cria a pasta my_results.

   O objeto overrides contém todas as definições de configuração necessárias para o aplicativo. Cada aplicativo define seu próprio conjunto de propriedades de configurações.

2. Use a tabela a seguir para entender o significado das propriedades de configurações enviadas ao aplicativo de chat:

   Propriedade Settings	Descrição
   semantic_ranker	Se o classificador semântico deve ser usado, um modelo que reclassifica os resultados da pesquisa com base na semelhança semântica com a consulta do usuário. Nós o desativamos neste tutorial para reduzir custos.
   retrieval_mode	O modo de recuperação a ser usado. O padrão é hybrid.
   temperatura	A configuração de temperatura do modelo. O padrão é 0.3.
   top	O número de resultados de pesquisa a ser retornado. O padrão é 3.
   prompt_template	Uma substituição do prompt usado para gerar a resposta com base na pergunta e nos resultados da pesquisa.
   seed	O valor de semente para todas as chamadas para modelos GPT. A definição de uma semente resulta em resultados mais consistentes entre as avaliações.

3. Altere o target_url para o valor de URI do seu aplicativo de chat, que você coletou na seção de pré-requisitos. O aplicativo de chat deve estar em conformidade com o protocolo de chat. O URI tem o formato https://CHAT-APP-URL/chat. Verifique se o protocolo e a rota chat fazem parte do URI.

Gerar dados de exemplo

Para avaliar novas respostas, elas devem ser comparadas a uma resposta de "verdade fundamental", que é a resposta ideal para uma pergunta específica. Gere perguntas e respostas de documentos armazenados na Pesquisa de IA do Azure para o aplicativo de chat.

1. Copie a pasta example_input para uma nova pasta chamadamy_input.

2. Em um terminal, execute o seguinte comando para gerar os dados de amostra:

   python -m evaltools generate --output=my_input/qa.jsonl --persource=2 --numquestions=14
   

Os pares de pergunta/resposta são gerados e armazenados em my_input/qa.jsonl (em formato JSONL) como entrada para o avaliador usado na próxima etapa. Para uma avaliação de produção, você geraria mais pares de controle de qualidade, mais de 200 para esse conjunto de dados.

Executar a primeira avaliação com um prompt refinado

1. Edite as propriedades do arquivo de configuração my_config.json:

   Propriedade	Novo valor
   results_dir	my_results/experiment_refined
   prompt_template	<READFILE>my_input/prompt_refined.txt

   O prompt refinado é específico sobre o domínio do assunto.

   If there isn't enough information below, say you don't know. Do not generate answers that don't use the sources below. If asking a clarifying question to the user would help, ask the question.
   
   Use clear and concise language and write in a confident yet friendly tone. In your answers ensure the employee understands how your response connects to the information in the sources and include all citations necessary to help the employee validate the answer provided.
   
   For tabular information return it as an html table. Do not return markdown format. If the question is not in English, answer in the language used in the question.
   
   Each source has a name followed by colon and the actual information, always include the source name for each fact you use in the response. Use square brackets to reference the source, e.g. [info1.txt]. Don't combine sources, list each source separately, e.g. [info1.txt][info2.pdf].
   

2. Em um terminal, execute o seguinte comando para executar a avaliação:

   python -m evaltools evaluate --config=my_config.json --numquestions=14
   

   Esse script criou uma pasta de experimento em my_results/ com a avaliação. A pasta contém os resultados da avaliação, incluindo:

   Nome do arquivo	Descrição
   config.json	Uma cópia do arquivo de configuração usado para a avaliação.
   evaluate_parameters.json	Os parâmetros utilizados para a avaliação. Muito semelhante, config.json mas inclui metadados adicionais, como carimbo de data/hora.
   eval_results.jsonl	Cada pergunta e resposta, juntamente com as métricas GPT para cada par de controle de qualidade.
   summary.json	Os resultados gerais, como as métricas médias do GPT.

Executar a segunda avaliação com um prompt fraco

1. Edite as propriedades do arquivo de configuração my_config.json:

   Propriedade	Novo valor
   results_dir	my_results/experiment_weak
   prompt_template	<READFILE>my_input/prompt_weak.txt

   Esse prompt fraco não tem contexto sobre o domínio do assunto:

   You are a helpful assistant.
   

2. Em um terminal, execute o seguinte comando para executar a avaliação:

   python -m evaltools evaluate --config=my_config.json --numquestions=14
   

Execute a terceira avaliação com uma temperatura específica

Use um prompt que permita mais criatividade.

1. Edite as propriedades do arquivo de configuração my_config.json:

   Existente	Propriedade	Novo valor
   Existente	results_dir	my_results/experiment_ignoresources_temp09
   Existente	prompt_template	<READFILE>my_input/prompt_ignoresources.txt
   Novo	temperatura	0.9

   O temperature padrão é 0.7. Quanto mais alta a temperatura, mais criativas são as respostas.

   O prompt ignore é curto:

   Your job is to answer questions to the best of your ability. You will be given sources but you should IGNORE them. Be creative!
   

2. O objeto de configuração deve ter a aparência a seguir, mas substitua results_dir pelo seu caminho:

   {
       "testdata_path": "my_input/qa.jsonl",
       "results_dir": "my_results/prompt_ignoresources_temp09",
       "target_url": "https://YOUR-CHAT-APP/chat",
       "target_parameters": {
           "overrides": {
               "temperature": 0.9,
               "semantic_ranker": false,
               "prompt_template": "<READFILE>my_input/prompt_ignoresources.txt"
           }
       }
   }
   

3. Em um terminal, execute o seguinte comando para executar a avaliação:

   python -m evaltools evaluate --config=my_config.json --numquestions=14
   

Examinar os resultados da avaliação

Você executou três avaliações com base em diferentes prompts e configurações do aplicativo. Os resultados são armazenados na pasta my_results. Revise como os resultados diferem com base nas configurações.

1. Use a ferramenta de revisão para ver os resultados das avaliações:

   python -m evaltools summary my_results
   

2. Os resultados se parecem com algo assim:

   

   Cada valor é retornado como um número e uma porcentagem.

3. Use a tabela a seguir para entender o significado dos valores.

   Valor	Descrição
   Fundamentação	Isso se refere a quão bem as respostas do modelo são baseadas em informações factuais e verificáveis. Uma resposta é considerada fundamentada se for factualmente precisa e refletir a realidade.
   Relevância	Isso mede o quanto as respostas do modelo se alinham com o contexto ou o prompt. Uma resposta relevante aborda diretamente a consulta ou a instrução do usuário.
   Coerência	Isso se refere a quão logicamente consistentes são as respostas do modelo. Uma resposta coerente mantém um fluxo lógico e não se contradiz.
   Citação	Isso indica se a resposta foi retornada no formato solicitado no prompt.
   Length	Isso mede a duração da resposta.

4. Os resultados devem indicar que todas as três avaliações tiveram alta relevância, enquanto experiment_ignoresources_temp09 tinha a menor relevância.

5. Selecione a pasta para ver a configuração da avaliação.

6. Insira Ctrl + C para sair do aplicativo e retornar ao terminal.

Compare as respostas

Compare as respostas retornadas das avaliações.

1. Selecione duas das avaliações para comparar e use a mesma ferramenta de revisão para comparar as respostas:

   python -m evaltools diff my_results/experiment_refined my_results/experiment_ignoresources_temp09
   

2. Revise os resultados. Seus resultados podem variar.

   

3. Insira Ctrl + C para sair do aplicativo e retornar ao terminal.

Sugestões para avaliações adicionais

• Edite os prompts em my_input para personalizar as respostas, como domínio do assunto, comprimento e outros fatores.
• Edite o arquivo my_config.json para alterar os parâmetros, como temperature e semantic_ranker e execute novamente os experimentos.
• Compare respostas diferentes para entender como o prompt e a pergunta afetam a qualidade da resposta.
• Gere um conjunto separado de perguntas e respostas verdadeiras para cada documento no índice da Pesquisa de IA do Azure. Em seguida, execute novamente as avaliações para ver como as respostas diferem.
• Altere os prompts para indicar respostas mais curtas ou mais longas, adicionando o requisito ao final do prompt. Por exemplo, Please answer in about 3 sentences..

Limpar recursos e dependências

Limpar recursos do Azure

Os recursos do Azure criados neste artigo são cobrados para sua assinatura do Azure. Se você não espera precisar desses recursos no futuro, exclua-os para evitar incorrer em mais encargos.

Para excluir os recursos do Azure e remover o código-fonte, execute o seguinte comando da Azure Developer CLI:

azd down --purge

Limpar GitHub Codespaces

Retorne ao artigo sobre o aplicativo de chat para limpar esses recursos.

• JavaScript
• Python

Próximas etapas

• Repositório de avaliações
• Repositório GitHub do aplicativo de chat empresarial
• Criar um aplicativo de chat com a arquitetura de solução de práticas recomendadas do Azure OpenAI
• Controle de acesso em aplicativos da IA Generativa com a Pesquisa de IA do Azure
• Criar uma solução OpenAI pronta para empresas com o Gerenciamento de API do Azure
• Superando a busca em vetores com recursos de recuperação e classificação híbridas