保存の確認メッセージ

標準ノートブック

1. プロジェクトの 「資産」 タブからノートブック資産を開きます。

2. 「編集 」アイコンをクリックして ノートブックを起動し、コードをステップ実行できるようにします。

   ノートブックには、以下のステップを管理する実行可能コードが含まれています。

   • サービスで認証します。
   • Python クラスを定義します。
   • モデルの入力テキストを定義し、プロンプト変数を宣言します。 静的プロンプト・テキストを編集して、プロンプト変数に値を割り当てることができます。
   • 定義されたクラスを使用して watsonx.ai 推論 API を呼び出し、入力を基盤モデルに渡します。
   • 基盤モデルによって生成される出力を示します。
   注： プロジェクトに保存されている推論用チューニング済みモデルを呼び出すプロンプトについては、スペースIDをプロジェクトIDに置き換えてください。

3. ノートブックをそのまま使用するか、ユース・ケースのニーズに合わせて変更します。

   Prompt Lab を使って生成された Python コードは正常に実行される。 コードに対して行った変更をテストして検証する必要があります。

配備ノートブック

1. プロジェクトの 「資産」 タブからノートブック資産を開きます。

2. 「編集 」アイコンをクリックして ノートブックを起動し、コードをステップ実行できるようにします。

   ノートブックには、以下のステップを管理する実行可能コードが含まれています。

   • サービスで認証します。
   • ターゲット空間に接続し、ベクトルのインデックスを更新します。
   • デプロイするAIサービスを定義します。 これには、ベクトルインデックスの初期化、ベクトルインデックスに対するクエリの実行、モデルへの入力データの整形、および推論の実行を行うためのコードが含まれています。
   • AIサービスをローカル環境でテストします。
   • AIサービスをターゲット領域にデプロイします。
   • デプロイされたAIサービスをテストします。

3. ノートブックをそのまま使用するか、ユース・ケースのニーズに合わせて変更します。

   Prompt Lab を使って生成された Python コードは正常に実行される。 コードに対して行った変更をテストして検証する必要があります。

4. このノートブックでデプロイされたAIサービスは、REST APIを使用して利用できます。 以下はデプロイメントを呼び出すための ` cURL ` リクエストの例です：

   curl --location '${PUBLIC_ENDPOINT}' \
   --header 'Content-Type: application/json' \
   --header 'Authorization: Bearer ${IAM_TOKEN}' \
   --data '{ \
     "messages": [${MESSAGES}]
   }'
   

   ここで

   • PUBLIC_ENDPOINT は、 デプロイメントプロイメントのパブリックエンドポイントです。 参照 オンラインデプロイメントの作成。
   • IAM_TOKEN は、 IBM Cloud サービスにアクセスするための認証トークンです。 プログラムによるアクセスについては、「認証情報」を参照してください。 使用するアクセストークンは、ノートブックで参照されているプロジェクトと同じアカウントに関連付けられている必要があります。
   • MESSAGES は、以下のスキーマを持つチャット履歴のテキストエントリの配列です：

   {
      "role": type, // "user" or "assistant"
      "content": content // The text content of the message
   }
   

AIサービスのデプロイおよび推論の実行方法の詳細については、 「ツールを使用したAIサービスのデプロイ」 を参照してください。