Commencez à évaluer les réponses dans une application de chat en JavaScript

Cet article vous montre comment évaluer les réponses d’une application de chat par rapport à un ensemble de réponses correctes ou idéales (connues sous le nom de vérité terrain). Chaque fois que vous modifiez votre application de chat d’une manière qui affecte les réponses, exécutez une évaluation pour comparer les modifications. Cette application de démonstration offre des outils que vous pouvez utiliser dès aujourd’hui pour faciliter l’exécution des évaluations.

En suivant les instructions de cet article, vous allez :

• Utilisez les flux d’invite fournis, adaptés au domaine du sujet. Ces flux d’invite sont déjà dans le référentiel.
• Générez des questions d’utilisateur exemple et des réponses de vérité terrain à partir de vos propres documents.
• Exécutez des évaluations en utilisant un flux d’invite exemple avec les questions d’utilisateur générées.
• Passez en revue l’analyse des réponses.

Vue d’ensemble de l’architecture

Les principaux composants de l’architecture sont les suivants :

• Application de chat hébergée sur Azure : L’application de chat s’exécute dans Azure App Service.
• Microsoft AI Chat Protocol fournit des contrats d’API standardisés pour les solutions et les langages d’IA. L’application de chat est conforme au Microsoft AI Chat Protocol, ce qui permet à l’application d’évaluation de fonctionner avec toute application de chat conforme au protocole.
• Recherche Azure AI : L’application de chat utilise Azure AI Search pour stocker les données de vos propres documents.
• Générateur de questions d’exemple : Peut générer de nombreuses questions pour chaque document avec la réponse basée sur la réalité terrain. Plus il y a de questions, plus l’évaluation est longue.
• L’évaluateur exécute des questions et flux d’invite exemples contre l’application de chat et renvoie les résultats.
• L’outil de révision vous permet de passer en revue les résultats des évaluations.
• L’outil Diff vous permet de comparer les réponses entre les évaluations.

Lorsque vous déployez cette évaluation sur Azure, le point de terminaison Azure OpenAI est créé pour le modèle GPT-4 avec sa propre capacité. Lors de l’évaluation des applications de chat, il est important que l’évaluateur dispose de sa propre ressource OpenAI en utilisant GPT-4 avec sa propre capacité.

Prérequis

• Abonnement Azure. Créez-en un gratuitement

• Déployez une application de conversation.

  • JavaScript
  • JavaScript avec LangChain.js

• Ces applications de chat chargent les données dans la ressource Azure AI Search. Cette ressource est requise pour que l’application d’évaluation fonctionne. Ne complétez pas la section Nettoyer les ressources de la procédure précédente.

  Vous avez besoin des informations suivantes concernant les ressources Azure de ce déploiement, désignées sous le nom de application de chat dans cet article :

  • URI de l’API de chat : Le point de terminaison de backend de service affiché à la fin du processus azd up.
  • Recherche Azure AI. Les valeurs suivantes sont requises :
    • Nom de la ressource : Le nom de la ressource Azure AI Search, rapporté comme Search service pendant le processus azd up.
    • Nom de l’index : Le nom de l’index Azure AI Search où vos documents sont stockés. Cela peut être trouvé dans le portail Azure pour le service de recherche.

  L’URL de l’API de chat permet aux évaluations d’effectuer des requêtes via votre application backend. Les informations d’Azure AI Search permettent aux scripts d’évaluation d’utiliser le même modèle de déploiement que votre backend, chargé avec les documents.

  Une fois que vous avez collecté ces informations, vous ne devriez plus avoir besoin d’utiliser à nouveau l’environnement de développement de l’application de chat. Il est mentionné plus loin dans cet article à plusieurs reprises pour indiquer comment l’application de chat est utilisée par l’application d’évaluations. Ne supprimez pas les ressources de l’application de chat tant que vous n’avez pas terminé la procédure complète de cet article.

• Un environnement de conteneur de développement est disponible avec toutes les dépendances requises pour terminer cet article. Vous pouvez exécuter le conteneur de développement dans GitHub Codespaces (dans un navigateur) ou localement à l’aide de Visual Studio Code.

  • Codespaces (recommandé)
  • Visual Studio Code

  • Compte GitHub

Environnement de développement ouvert

Commencez maintenant par un environnement de développement sur lequel toutes les dépendances sont installées pour terminer cet article. Vous devriez organiser votre espace de travail de moniteur afin de pouvoir voir à la fois cette documentation et l’environnement de développement en même temps.

Cet article a été testé avec la région switzerlandnorth pour le déploiement d’évaluation.

Préparez les valeurs d’environnement et les informations de configuration

Mettez à jour les valeurs d’environnement et les informations de configuration avec les informations que vous avez recueillies lors des prérequis pour l’application d’évaluations.

1. Créez un .env fichier basé sur .env.sample:

   cp .env.sample .env
   

2. Exécutez ces commandes pour obtenir les valeurs requises pour AZURE_OPENAI_EVAL_DEPLOYMENT et AZURE_OPENAI_SERVICE à partir de votre groupe de ressources déployé et collez ces valeurs dans le .env fichier :

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

3. Ajoutez les valeurs suivantes de l’application de chat pour son instance Azure AI Search au .env, que vous avez rassemblé dans la section prérequis :

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

Utilisez le Microsoft AI Chat Protocol pour obtenir des informations de configuration.

L’application de chat et l’application d’évaluations implémentent toutes deux le Microsoft AI Chat Protocol specification, un contrat d’API de point de terminaison AI open source, cloud et indépendant de la langue, utilisé pour la consommation et l’évaluation. Lorsque vos points de terminaison client et intermédiaire adhèrent à cette spécification d’API, vous pouvez consommer et exécuter des évaluations de manière cohérente sur vos backends AI.

1. Créez un nouveau fichier nommé my_config.json et copiez-y le contenu suivant :

   {
       "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
           }
       }
   }
   

   script d’évaluation crée le dossier my_results.

   L’objet overrides contient tous les paramètres de configuration nécessaires à l’application. Chaque application définit son propre ensemble de propriétés de paramètres.

2. Utilisez le tableau suivant pour comprendre la signification des propriétés des paramètres envoyées à l’application de conversation :

   Propriété de paramètres	Description
   semantic_ranker	Indique s’il faut utiliser le ranker sémantique, un modèle qui réécrit les résultats de recherche en fonction de la similarité sémantique de la requête de l’utilisateur. Nous le désactivons pour ce didacticiel afin de réduire les coûts.
   retrieval_mode	Mode de récupération à utiliser. Par défaut, il s’agit de hybrid.
   température	Paramètre de température du modèle. Par défaut, il s’agit de 0.3.
   haut	Nombre de résultats de recherche à retourner. Par défaut, il s’agit de 3.
   prompt_template	Remplacement de l’invite utilisée pour générer la réponse en fonction de la question et des résultats de la recherche.
   seed	Valeur de départ pour tous les appels aux modèles GPT. La définition d’une valeur initiale entraîne des résultats plus cohérents entre les évaluations.

3. Changez le target_url en valeur URI de votre application de chat, que vous avez recueillie dans la section prérequis. L’application de chat doit être conforme au protocole de chat. L’URI a le format suivant https://CHAT-APP-URL/chat. Assurez-vous que le protocole et la route chat font partie de l’URI.

Générer un exemple de données

Pour évaluer de nouvelles réponses, elles doivent être comparées à une réponse « vérité terrain », qui est la réponse idéale pour une question particulière. Générez des questions et des réponses à partir de documents stockés dans Azure AI Search pour l’application de chat.

1. Copiez le dossier example_input dans un nouveau dossier nommé my_input.

2. Dans un terminal, exécutez la commande suivante pour générer les données d’exemple :

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

les paires question/réponse sont générées et stockées dans my_input/qa.jsonl (au format JSONL) en tant qu’entrée pour l’évaluateur utilisé à l’étape suivante. Pour une évaluation en production, vous généreriez plus de paires QA, plus de 200 pour cet ensemble de données.

Exécutez la première évaluation avec un flux d’invite raffiné

1. Modifiez les propriétés du fichier config my_config.json :

   Propriété	Nouvelle valeur
   results_dir	my_results/experiment_refined
   prompt_template	<READFILE>my_input/prompt_refined.txt

   Le flux d’invite raffiné est spécifique au domaine du sujet.

   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. Dans un terminal, exécutez la commande suivante pour exécuter l’évaluation :

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

   Ce script a créé un nouveau dossier d’expérimentation dans my_results/ avec l’évaluation. Le dossier contient les résultats de l’évaluation, y compris :

   Nom de fichier	Description
   config.json	Copie du fichier de configuration utilisé pour l’évaluation.
   evaluate_parameters.json	Paramètres utilisés pour l’évaluation. Très similaire à config.json mais inclut des métadonnées supplémentaires telles que l’horodatage.
   eval_results.jsonl	Chaque question et réponse, ainsi que les métriques GPT pour chaque paire QA.
   summary.json	Les résultats globaux, comme la moyenne des métriques GPT.

Exécutez la deuxième évaluation avec un flux d’invite faible.

1. Modifiez les propriétés du fichier config my_config.json :

   Propriété	Nouvelle valeur
   results_dir	my_results/experiment_weak
   prompt_template	<READFILE>my_input/prompt_weak.txt

   Ce flux d’invite faible n’a aucun contexte sur le domaine du sujet :

   You are a helpful assistant.
   

2. Dans un terminal, exécutez la commande suivante pour exécuter l’évaluation :

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

Exécutez la troisième évaluation avec une température spécifique

Utilisez un flux d’invite qui permet plus de créativité.

1. Modifiez les propriétés du fichier config my_config.json :

   Existing	Propriété	Nouvelle valeur
   Existing	results_dir	my_results/experiment_ignoresources_temp09
   Existing	prompt_template	<READFILE>my_input/prompt_ignoresources.txt
   Nouvelle	température	0.9

   La valeur par défaut de temperature est 0,7. Plus la température est élevée, plus les réponses sont créatives.

   Le flux d’invite ignore est court :

   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. L’objet config doit ressembler à ce qui suit, sauf que remplacez results_dir par votre chemin d’accès :

   {
       "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. Dans un terminal, exécutez la commande suivante pour exécuter l’évaluation :

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

Examiner les résultats de l’évaluation

Vous avez effectué trois évaluations basées sur différents flux d’invite et paramètres de l’application. Les résultats sont stockés dans le dossier my_results. Examinez comment les résultats diffèrent en fonction des paramètres.

1. Utilisez l’outil de révision pour voir les résultats des évaluations :

   python -m evaltools summary my_results
   

2. Les résultats ressemblent à quelque chose comme :

   

   Chaque valeur est renvoyée sous forme de nombre et de pourcentage.

3. Utilisez le tableau suivant pour comprendre la signification des valeurs.

   Valeur	Description
   Fondement	Cela fait référence à la qualité des réponses du modèle basée sur des informations factuelles et vérifiables. Une réponse est considérée comme fondée si elle est factuellement exacte et reflète la réalité.
   Pertinence	Cela mesure dans quelle mesure les réponses du modèle s’alignent sur le contexte ou le flux d’invite. Une réponse pertinente répond directement à la requête ou à l’énoncé de l’utilisateur.
   Cohérence	Cela fait référence à la cohérence logique des réponses du modèle. Une réponse cohérente maintient un flux logique et ne se contredit pas.
   Citation	Cela indique si la réponse a été renvoyée dans le format demandé dans le flux d’invite.
   Longueur	Cela mesure la longueur de la réponse.

4. Les résultats devraient indiquer que les trois évaluations avaient une pertinence élevée tandis que le experiment_ignoresources_temp09 avait la pertinence la plus basse.

5. Sélectionnez le dossier pour voir la configuration de l’évaluation.

6. Entrez Ctrl + C quittez l’application et revenez au terminal.

Comparez les réponses

Comparez les réponses renvoyées des évaluations.

1. Sélectionnez deux des évaluations à comparer, puis utilisez le même outil de révision pour comparer les réponses :

   python -m evaltools diff my_results/experiment_refined my_results/experiment_ignoresources_temp09
   

2. Passez en revue les résultats. Vos résultats peuvent varier.

   

3. Entrez Ctrl + C quittez l’application et revenez au terminal.

Suggestions pour d’autres évaluations

• Modifiez les flux d’invite dans my_input pour adapter les réponses telles que le domaine du sujet, la longueur et d’autres facteurs.
• Modifiez le fichier my_config.json pour modifier les paramètres tels que temperature, et semantic_ranker et relancez les expériences.
• Comparez différentes réponses pour comprendre comment le flux d’invite et la question affectent la qualité de la réponse.
• Générez un ensemble distinct de questions et de réponses de vérité terrain pour chaque document de l’index Azure AI Search. Puis relancez les évaluations pour voir comment les réponses diffèrent.
• Modifiez les flux d’invite pour indiquer des réponses plus courtes ou plus longues en ajoutant l’exigence à la fin du flux d’invite. Par exemple : Please answer in about 3 sentences..

Nettoyez les ressources et les dépendances

Nettoyage des ressources Azure

Les ressources Azure créées dans cet article sont facturées dans votre abonnement Azure. Si vous pensez ne plus avoir besoin de ces ressources, supprimez-les pour éviter des frais supplémentaires.

Pour supprimer les ressources Azure et supprimer le code source, exécutez la commande CLI Azure Developer suivante :

azd down --purge

Nettoyer GitHub Codespaces

Revenez à l’article application de chat pour nettoyer ces ressources.

• JavaScript
• Python

Étapes suivantes

• Référentiel d’évaluations
• Référentiel GitHub de l’application de conversation d’entreprise
• Créer une application de chat avec Azure OpenAI Architecture de solution recommandée
• Contrôle d’accès dans les applications d’IA générative avec Recherche Azure AI
• Créer une solution OpenAI prête pour l’entreprise avec Gestion des API Azure
• Recherche vectorielle plus performante avec des fonctionnalités de récupération et de classement hybrides