企業級 RAG 實作指南：.NET AI 遇上 Azure SQL

在當今以數據為核心的環境中，運用人工智慧從企業數據中挖掘寶貴洞見至關重要。 檢索增強生成（RAG）正是實現此目標的高效技術。本文將詳述如何運用 .NET AI 與 Azure SQL 在您的數據上實現 RAG，將資訊轉化為互動式智能資源。我們將重點探討如何構建強大的混合向量搜索系統，融合語義向量搜索與傳統全文搜索及過濾機制。透過採用 Azure SQL 作為核心 AI 資料庫，您可輕鬆將 AI 能力嵌入現有企業應用程式。

重點摘要

掌握檢索增強生成（RAG）的基礎原理，理解其對企業數據的優勢

探索 Azure SQL 作為當代多模型關聯式資料庫，專為管理多元資料格式而設計。

學習建立混合式搜尋方法的技術，整合向量語義搜尋與全文本搜尋及過濾器。

掌握如何運用 .NET AI 函式庫建立向量嵌入，並直接在 Azure SQL 中執行相似度搜尋。

運用 Azure Functions、靜態網頁應用程式與 Azure OpenAI，從零開始建構完整的 RAG 應用程式。

運用資料 API 建構器，將資料庫實體轉為 REST 和 GraphQL 端點。

透過實務演示建構會議 AI 助理，探索其為企業數據帶來的效益與適應性。

識別將人工智慧與 SQL 整合能帶來顯著效益的各種情境。

發掘 Azure SQL 的優勢與適應性如何滿足企業複雜的資料儲存需求。

運用 .NET AI 與 Azure SQL 釋放 RAG 潛能

何謂 Azure SQL？

Azure SQL 是一項現代化關聯式資料庫服務，提供真正的多模型體驗

此能力使其能處理 JSON、圖形、XML、地理空間及列式儲存資料。可擴展至 100 TB 容量，配備 80 個核心，並支援 30 個複本。 Azure SQL 具備企業級安全與稽核功能，並能無縫整合常見 Azure 服務、.NET EF Core、.NET Aspire、LangChain 及 Semantic Kernel。其真正優勢在於能與開發團隊熟悉且信賴的技術無縫整合。為實現資料的 AI 應用，Azure SQL 將於早期採用者預覽階段提供向量支援，您可申請存取私有預覽版以探索其功能。

Azure SQL 重點功能：

• 現代化關聯式資料庫
• 真正的多模型支援（JSON、圖形、XML、地理空間、列式儲存）
• 可擴展至 100TB 儲存空間、80 個 v-Core 運算核心、30 個複本
• 向量支援（早期採用者預覽）
• 企業級安全性與稽核功能
• 與常見 Azure 服務整合
• 整合熱門開發者函式庫（.NET EF Core、.NET Aspire、LangChain、Semantic Kernel 等）

企業資料的 AI + SQL 應用場景

將人工智慧與 Azure SQL 相結合，可開啟眾多應用場景，將企業數據轉化為戰略資產

以下是此整合技術的幾個關鍵應用場景：

• 混合搜尋：結合向量（語義）搜尋與全文檢索及篩選功能。此強大工具可精準提取數據洞察，例如執行「查找所有來自 Acme 客戶、由 John Doe 撰寫且與新安全政策相關的文件」。
• 聊天機器人記憶體：運用 Azure SQL 儲存與管理對話歷史，實現更個人化且具情境感知能力的互動。強化聊天機器人記憶體能顯著提升產品支援與客戶服務品質，為您創造競爭優勢。
• 檢索增強生成（RAG）：此為我們將示範建構的技術。RAG 透過將內容錨定於特定數據，提升人工智慧生成內容的品質與相關性。

採用 Azure SQL 的高階 RAG 架構

此方法將向量搜尋、語義搜尋及其他篩選機制整合於單一位置

。流程包含檢索相關資料，再透過人工智慧大型語言模型（LLM）構建答案。必要步驟如下：

1. 透過相似度搜尋從 MSSQL 資料庫擷取資料
2. 將檢索到的會話結果注入為上下文，傳送至 AI LLM。
3. AI LLM 生成並傳遞回應。

建構會話推薦系統：詳細範例

架構概覽

此會話推薦系統運用多項 Azure 服務，提供無縫的 RAG 體驗

：

• 客戶端應用程式：支援使用者以自然語言輸入問題。
• 後端：
  • 資料 API 建構器：公開資料庫實體。
  • GraphQL/REST API：提供連接資料與客戶端的介面。
  • Azure Functions：觸發 AI 處理管道。

設定 Azure 函式觸發器

Azure Functions 可監控並透過 SQL 資料變更觸發

。此自動化機制確保新增或更新的資料能立即處理並提供使用。設定步驟包含：

1. 建立 Azure 函式。
2. 從數據中生成代表主題的向量。
3. 將這些向量儲存於資料庫中，以實現高效的相似性搜尋。

   透過自動化數據向量轉換流程，我們充分釋放 Azure SQL 的潛能與實用價值。

為 RAG 實作資料 API 建構器

運用資料 API 建構器

整合所有元件需進行適當配置

。這包含建立資料庫並定義可供 SQL 可靠運作的實體（如表格與檢視）。資料 API 建構器能簡化此流程，使資料存取更直觀。同時需設定靜態網頁應用程式以託管函數。本專案關鍵指令如下：

• azdt 命令列
• data-api builder init
• data-api builder add
• azdt start

Azure SQL 定價方案

選擇合適的 Azure SQL 層級

Azure SQL 為新使用者提供免費層級。此免費層級為永久性方案，讓任何人都能無需長期財務承諾，即可在 Azure 生態系統中試用 Azure SQL 並開發新解決方案

透過 Azure SQL，您能以可負擔的成本實現企業級解決方案。

Azure SQL 中的向量搜尋支援：權衡優缺點

優點

現代化關聯式資料庫平台，適用於多元解決方案。

具備企業級安全防護功能。

高度擴展性，滿足嚴苛的效能需求。

缺點

向量運算支援仍處於早期開發階段。

定價結構可能較為複雜，取決於資源消耗量。

與其他資料模型的整合可能增加複雜性。

Azure SQL 核心功能

Azure SQL 企業解決方案

作為託管服務，Azure SQL 為各類企業的複雜數據需求提供解決方案。其具備強大的安全性，因 Azure 管理核心安全層面

。憑藉多重資料加密選項與對主流開發者函式庫的簡易連線能力，Azure SQL 始終是資料優先計畫的完整解決方案。其企業級 AI 資料庫功能可深度整合 .NET EF Core、.NET Aspire、LangChain、Semantic Kernel 等技術。

Azure AI 與 SQL：重塑產業格局

保險

主要應用場景為向量搜尋結合過濾機制。例如保險公司需定位符合特定條件的合約，此時增強型向量搜尋搭配過濾器便能完美勝任此任務。

常見問題

這些資源能否在本地運作？

是的，.NET、Azure SQL 以及我們使用的許多其他工具在本地開發環境中均可完全運作。這使得專案不受連線狀態限制，讓您能隨時隨地運用 AI 處理數據。

常見問題

為何要將 AI 移至數據端？

核心理念在於將人工智慧帶到資料所在之處，而非將海量資料搬運至人工智慧端。透過向量搜尋技術實現此目標，使語義理解能直接融入查詢流程，大幅簡化篩選作業。此方法更可透過整合 Azure Functions 等 Azure 服務進一步優化。