Membangun Layanan RAG di Compute Nest dengan Model Studio Alibaba Cloud dan AnalyticDB for PostgreSQL
Oleh Farruh
Tutorial ini menyediakan panduan langkah demi langkah untuk menyiapkan layanan Retrieval-Augmented Generation (RAG) menggunakan Model Studio Alibaba Cloud, Compute Nest, dan AnalyticDB for PostgreSQL. Dengan Model Studio, Anda dapat memanfaatkan Model AI tingkat atas, seperti Qwen untuk mengembangkan, menyebarkan, dan mengelola aplikasi AI dengan mudah. Penyiapan ini memastikan penanganan data yang aman dan efisien dalam perusahaan Anda, yang meningkatkan kemampuan AI dan memungkinkan kueri bahasa alami tanpa hambatan.
Pengantar
Model Studio Alibaba Cloud menyediakan platform komprehensif untuk mengembangkan aplikasi AI generatif. Dengan menggunakan Compute Nest dan AnalyticDB for PostgreSQL, Anda dapat membuat layanan Retrieval-Augmented Generation (RAG) yang aman dan efisien untuk meningkatkan kemampuan AI dalam perusahaan Anda.
Gambaran Umum Model Studio Alibaba Cloud

Fitur yang ditunjukkan dalam gambar ini akan diluncurkan secara bertahap
Apa itu Model Studio?
Model Studio Alibaba Cloud adalah platform menyeluruh yang bertujuan untuk menyederhanakan pengembangan, penyebaran, dan pengelolaan model AI generatif. Dengan Akses ke model dasar terkemuka dalam industri, seperti Qwen-Max, Qwen-Plus, Qwen-Turbo, dan seri Qwen 2, Model Studio menyediakan alat untuk penyempurnaan model, evaluasi, penyebaran, dan integrasi dengan sistem perusahaan.
Kemampuan Utama Model Studio
1. Akses yang Mudah ke Model Dasar (FM) Terkemuka:
- Model seperti Qwen-Max, Qwen-Plus, Qwen-Turbo, dan seri Qwen 2 mendukung aplikasi Anda dengan kemampuan AI yang ditingkatkan.
2. Alur Kerja Inferensi dan Evaluasi Model Bawaan:
- Dukungan untuk Supervised Fine-Tuning (SFT) dan Low-Rank Adaptation (LoRA).
- Kompresi model, akselerasi inferensi, dan alat evaluasi multi-dimensi.
- Penyebaran model dengan satu klik.
3. Pengembangan Aplikasi AI Generatif yang Disederhanakan:
- Alur kerja visual untuk mengembangkan aplikasi.
- Rekayasa prompt berbasis template.
- API ekstensif untuk integrasi dengan sistem bisnis.
4. Tindakan Keamanan yang Komprehensif:
- Jaringan VPC terisolasi untuk mengamankan data.
- alat untuk tata kelola konten dan intervensi manusia dalam pembelajaran mesin untuk memastikan praktik AI yang bertanggung jawab.
5. Model Pihak Ketiga:
- Dukungan untuk model pihak ketiga seperti Tongyi, yang ditunjukkan dalam fungsi Q&A, menulis, dan NL2SQL (Natural Language to SQL).
6. Manajemen Data:
- Pembersihan dan pengelolaan set data.
- Retrieval-Augmented Generation (RAG) untuk pencarian dan akses data yang ditingkatkan.
7. Model Spesifik Industri:
- Model kustom untuk sektor seperti layanan perawatan kesehatan, keuangan, dan hukum.
8. API dan SDK:
- API asisten dan rangkaian SDK untuk integrasi dan pengembangan agen yang cepat.
Prasyarat
Sebelum memulai, pastikan Anda memiliki:
- Akun Alibaba Cloud yang aktif.
- Pemahaman tentang layanan cloud dan model AI.
Langkah 1: Penyiapan Akun Alibaba Cloud
Jika belum memiliki, daftar untuk akun Alibaba Cloud: Daftar.
Langkah 2: Akses Compute Nest
Navigasikan ke Compute Nest dan temukan layanan untuk AI Generatif: Compute Nest

Langkah 3: Siapkan Instans dan Parameternya
Konfigurasikan parameter yang diperlukan untuk instans:
- Nama Instant Layanan: Berikan nama yang bermakna untuk instans.
-
Parameter Elastic Computing Services (ECS): Direkomendasikan untuk memilih
ecs.c6.2xlargeuntuk pemrosesan dokumen yang lebih cepat. - Kata Sandi Instans: Buat kata sandi yang aman untuk instans.

Langkah 4: Siapkan AnalyticDB for PostgreSQL
Konfigurasikan instans AnalyticDB for PostgreSQL:
- Spesifikasi Instans: Pilih spesifikasi yang sesuai berdasarkan volume data Anda.
- Ukuran Penyimpanan Segmen: Sesuaikan dengan kebutuhan Anda.
-
Nama Pengguna DB: Secara default
kbsuser, atau pilih nama pengguna Anda sendiri. - Kata Sandi DB: Buat kata sandi yang kuat (jangan menggunakan simbol seperti "@").

Langkah 5: Konfigurasikan Kredensial WebUI
Konfigurasikan kredensial Web UI untuk mengelola dan berinteraksi dengan layanan RAG Anda:
-
Nama Pengguna: Defaultnya adalah
admin, atau pilih nama pengguna lain. - Kata Sandi: Buat kata sandi yang kuat dan aman.

Langkah 6: Tambahkan Kunci API Model Studio
Tambahkan kunci API Model Studio Anda untuk mengautentikasi dan memfasilitasi komunikasi antarlayanan:
Kunci API: Masukkan kunci API yang Anda peroleh dari pengaturan Model Studio Anda.

Ini adalah panduan cara mendapatkan Kunci API Model Studio Anda.
Langkah 7: Konfigurasi Jaringan
Pilih pengaturan jaringan yang sesuai untuk memastikan konektivitas yang aman dan andal:
Pilih Nonfigurasi Infrastruktur yang Sudah Ada
1. Pilih apakah akan membuat VPC (Virtual Private Cloud) baru atau menggunakan yang sudah ada.
-
WhetherCreateVpc: Pilih
Buatjika Anda perlu VPC baru.
2. ID VPC: Masukkan ID VPC yang sudah ada atau buat baru.
- Buat VPC: Jika membuat VPC baru, ikuti Panduan Pembuatan VPC Alibaba Cloud.
3. ID VSwitch: Pilih ID VSwitch yang sudah ada atau buat baru.
- Buat VSwitch: Petunjuk tersedia di Panduan Pembuatan VSwitch.
4. Tag and Grup Sumber Daya:
- Tag: Tentukan tag yang dilampirkan ke sumber daya yang dibuat.
- Kunci Tag: Pilih kunci tag.
- Nilai Tag: Pilih nilai label.
- Grup Sumber Daya: Pilih grup sumber daya sebagai tempat instans layanan yang dibuat.
- Buat Grup Sumber Daya: Ikuti petunjuk untuk Membuat Grup Sumber Daya.
Setelah mengkonfigurasi pengaturan ini, klik Berikutnya: Konfirmasikan Pesanan.

Dengan mengikuti langkah-langkah ini, Anda akan memastikan bahwa kredensial WebUI dan pengaturan jaringan Anda dikonfigurasi dengan benar untuk mendukung layanan RAG Model Studio Alibaba Cloud Anda secara efektif.
Setelah menyiapkan parameter ini, klik Berikutnya: Konfirmasikan Pesanan.

Langkah 7: Integrasikan Gradio untuk Web UI
Gunakan Gradio untuk membuat antarmuka web untuk berinteraksi dengan layanan Anda:
- Menyiapkan Gradio: Ikuti dokumentasi Gradio untuk penginstalan dan konfigurasi.
- Intergrasikan Layanan: Hubungkan Gradio ke layanan backend Anda (titik akhir API Model Studio dan AnalyticDB for PostgreSQL).
Langkah 8: Sebarkan Layanan RAG Anda
Tinjau semua konfigurasi dan terima Ketentuan Layanan. Klik Buat Sekarang untuk menyebarkan layanan RAG Anda.

Menggunakan Layanan RAG
Menjawab Pertanyaan Umum
Pengguna dapat mengajukan pertanyaan melalui antarmuka web Gradio, dan API Model Studio akan memberikan respons berdasarkan input.

Mengunggah Dokumen untuk Retrieval-Augmentation
Pengguna dapat mengunggah dokumen yang akan disimpan di database vektor, yang meningkatkan kemampuan pengambilan model.
Mengubah Layanan
Pengguna resmi dapat mengakses instans ECS untuk membuat perubahan yang diperlukan atau pembaruan bagi layanan.
Sumber Daya Tambahan
Untuk menjelajahi lebih lanjut dan optimalkan layanan RAG Anda, periksa sumber daya berikut:
- Situs Web Model Studio Alibaba Cloud
- Dokumentasi Model Studio Alibaba Cloud
- Dokumentasi Compute Nest
- Dokumentasi AnalyticDB for PostgreSQL
- Dokumentasi Gradio
Tutorial Terkait:
- Memberdayakan AI Generatif dengan Fitur LLM Canggih dan LangChain PAI Alibaba Cloud
- Membangun Dengan Cepat Layanan RAG di Compute Nest
- Penyebaran dan Integrasi Model Bahasa Besar yang Efisien dengan PAI-EAS
- Sebarkan Teman Obrolan AI Anda Sendiri - Penyebaran Model Obrolan Qwen dengan Panduan Hugging Face
- Memicu Revolusi AI - Sebuah Perjalanan bersama Qwen, RAG, dan LangChain
- Membangun Layanan Multimodal dengan Qwen dan Model Studio
- Percakapan Tingkat Berikutnya: LLM + VectorDB dengan Alibaba Cloud Dapat Disesuaikan dan Hemat Biaya
Kesimpulan
Tutorial ini telah memandu Anda melalui proses komprehensif untuk membangun layanan Retrieval-Augmented Generation (RAG) menggunakan Model Studio Alibaba Cloud, Compute Nest, dan AnalyticDB for PostgreSQL. Dengan memanfaatkan rangkaian model AI generatif yang andal dari Model Studio, termasuk Qwen, Anda dapat menyederhanakan pengembangan, penyebaran, dan pengelolaan aplikasi AI di dalam perusahaan Anda. Penyiapan ini memastikan interaksi yang aman, dapat diskalakan, dan efisien, dari kueri bahasa alami hingga peningkatan pengambilan dokumen. Mengikuti langkah-langkah ini akan memungkinkan Anda memanfaatkan kemampuan AI yang canggih, dengan demikian mengubah manajemen data dan pemanfaatan dalam organisasi Anda. Untuk pengoptimalan dan dukungan yang berkelanjutan, pertimbangkan untuk menjelajahi sumber daya tambahan dan tutorial terkait yang disediakan.
Artikel ini ditulis dalam bahasa Inggris. Lihat artikel aslinya di sini.
Read previous post:
Alibaba Cloud Model Studio 및 AnalyticDB for PostgreSQL로 Compute Nest에서 검색 증강 생성(RAG) 서비스 구축
Read next post:
-
-
Regional Content Hub
144 posts | 4 followers
Follow
Comments
-
-
Regional Content Hub
144 posts | 4 followers
Follow
Related Products
-
AnalyticDB for PostgreSQL
An online MPP warehousing service based on the Greenplum Database open source program
Learn More -
Compute Nest
Cloud Engine for Enterprise Applications
Learn More -
AnalyticDB for MySQL
AnalyticDB for MySQL is a real-time data warehousing service that can process petabytes of data with high concurrency and low latency.
Learn More -
PolarDB for PostgreSQL
Alibaba Cloud PolarDB for PostgreSQL is an in-house relational database service 100% compatible with PostgreSQL and highly compatible with the Oracle syntax.
Learn More
More Posts by Regional Content Hub
- ให้พื้นที่ทำงานชั่วคราวกับ AI เอเจนต์ของคุณด้วย Alibaba Cloud AgentRun
- Alibaba Cloud AgentRun으로 AI 에이전트에 일회용 워크스페이스 제공
- Alibaba Cloud AgentRun で AI エージェントに使い捨てワークスペースを与える
- Beri Agen AI Anda Ruang Kerja Sekali Pakai dengan Alibaba Cloud AgentRun
- Cung cấp không gian làm việc dùng một lần cho tác nhân AI của bạn với Alibaba Cloud AgentRun
- DeepSeek V4-Flash dalam Skala Besar: Panduan Deployment Berbasis Benchmark
- 大規模な DeepSeek V4-Flash の活用:ベンチマーク主導のデプロイガイド
- 대규모 DeepSeek V4-Flash: 벤치마크 기반 배포 가이드
- Alibaba Cloud ECS 上で Telegram 連携機能付きの OpenClaw をデプロイする
- Alibaba Cloud ECS에 Telegram 통합 기능을 갖춘 OpenClaw 배포