▋Azure聊天機器人實例

延續並更深入地討論架構圖上方的知識庫搜尋引擎，如果你是開發者或是深度使用者，也許會想知道更多READ ME上面沒寫的事，所以今天的文章會以上傳文檔並將文檔內容存入資料庫為例，分享筆者當時自己從程式碼解讀出來的程式運作流程。

聊天機器人餵食秀，跟著文檔來趟消化之旅

文檔上傳流程圖

• Server

從流程圖的左上角開始，你將扮演一個想要餵文檔給聊天機器人的工程師。沿著箭頭往右，把檔案送到執行程式的Server端，如果你在個人電腦執行，就是本地的應用程式。當然，也可以直接佈署上雲，讓聊天機器人完全成為雲端上的服務。

• Blob Storage

Azure Blob Storage是Azure儲存空間服務，把前一步準備好的文檔，存放在此，未來需要的時候都可以隨時來取用。

• Document Intelligence

但前面的文章有說過，機器人不會像人類一樣直接閱讀文件，會需要做些轉換。首先，轉換的第一步，我們需要把各類檔案中的文字擷取出來，Azure Document Intelligence就有提供這個服務，如果是像PDF一樣，多頁式的文檔，透過這個服務，我們可以萃取出每一頁的文字，並且知道這些內文分別在哪分文檔的哪一頁。

• Embedding Service

取得文字內容之後，轉換還沒結束。此時雖然已經從各式文檔，統一格式成為相對好讀的文字了，但再多做一個關鍵步驟，可以有效提升資料查找成果，也就是將文字像量化。文字向量化，這個步驟讓資訊內容不再是人類可以閱讀的文字形式，而是以向量的方式儲存資訊，透過多組數字組成的向量，反而讓機器人可以查找到字面意義以外的相關性，進而提高搜尋成效。

• AI Search Service

有了向量化的資訊內容、儲存位置（來源文檔名稱、頁數）後，我們已經把所需的元素都消化得差不多了，接下來透過先前介紹過的Azure AI Search，把相關資訊都儲存到這個服務後，以後需要什麼資訊，就可以來到這裡，查找到對應的內容！

最後，回到流程圖的左下角，在經歷中間這些消化之旅時，有時候也可能會消化不良而導致出錯阿，所以無論檔案上傳成功與否，身為工程師，傳送成功或失敗的結果通知給自己，絕對就像飯後甜點一樣，是一餐完美的結尾。如果有開發上傳介面給使用者的話，使用者也可以透過操作介面，達成上述的檔案上傳任務，讓聊天機器人餵食秀，變得更廣為親民，家家戶戶都有機會使用。

▋下回預告

查找資料的兩篇文章中，我們其實提到了一些特別的名詞，這些都是生成式聊天機器人的關鍵字之一，接下來我們會用一些篇幅，和大家科普一下，這些名詞到底是什麼意思。

▋參考資料

azure-search-openai-demo
Azure Blob Storage
Azure Document Intelligence
Azure AI Search

▋後記

今天提供的流程圖，是筆者挖出2023年下半年，初次使用Azure聊天機器人時的研究手稿，經過複習與查找資料後再製而成的，感謝鐵人賽的契機才能有這個機會，不過也提醒大家閱讀的同時，要注意到這個github程式是不斷地在更新改版的。希望能透過這篇分享，幫助到大家更快速地理解使用當下的程式版本內容。