适用于：
SQL Server 2025（17.x） 预览版Azure SQL 数据库Azure SQL 托管实例Microsoft Fabric 预览版中的 SQL 数据库
本文包含有关向量和嵌入 SQL 数据库引擎中的常见问题。
有关示例和示例，请访问 SQL AI 示例存储库。
是否可以在 T-SQL 中完全创建检索扩充生成（RAG）解决方案？
可以，可以使用 T-SQL 创建 Retrieval-Augmented 代（RAG）解决方案。 这种类型的解决方案利用 SQL 数据库引擎的功能有效地管理和查询数据。 可以使用 T-SQL 实现必要的数据检索和处理逻辑，同时与外部 AI 服务集成以实现生成方面。 矢量可以本机存储在 SQL 引擎中，并且可以通过这种 sp_invoke_external_rest_endpoint方式连接到提供自然语言理解功能的 LLM。
- 实现 RAG 解决方案，直接从 Azure SQL DB 调用 OpenAI 来提问有关数据的问题
- 具有结构化输出和sp_invoke_external_rest_endpoint的可预测 LLM 结果
为什么在 T-SQL 中完全创建 RAG 解决方案？
如果要改进现有应用程序，而无需重新构建它以支持 AI 功能，请使用 SQL 引擎内置功能直接在数据库查询中实现 AI 功能。 只需更新 T-SQL 代码即可合并 AI 功能，而不是对应用程序体系结构进行广泛的更改。
是否有使用 Azure SQL 或 Fabric SQL for RAG 的端到端示例？
当然，可在此处找到使用 Azure SQL 和 Fabric SQL 的 RAG 的端到端示例：
是否可以让 RAG 处理结构化数据，如列和行？
如果需要处理结构化数据，仍可以通过将 RAG 与其他技术（例如使用嵌入来表示结构化数据）结合使用来利用 RAG，从而通过 AI 模型可以理解的方式表示结构化数据。 这样，就可以对结构化数据执行检索和生成任务，同时仍受益于 RAG 的功能。
为什么将完整复杂架构发送到 LLM 会导致 SQL 生成不佳，以及如何修复它？
如果你有一个复杂的大型数据库架构，并且具有数百个表和视图，最好使用多代理方法来帮助降低干扰，并允许 AI 模型专注于架构的特定区域。 此处提供了完整的说明以及工作端到端示例：
是否可以使用托管标识连接到 Azure OpenAI？
是的，可以使用托管标识连接到 Azure OpenAI。 这样就可以安全地对 Azure OpenAI 服务进行身份验证和访问，而无需直接管理凭据。 有关详细信息，请参见:
我的数据是否由Microsoft用于训练模型？
否。 Microsoft不对训练模型使用数据。 有关详细信息，请参阅 “负责任的 AI”文档 。
Azure OpenAI 服务处理哪些数据？
有关详细信息，请参阅 Azure OpenAI 服务文档的数据、隐私和安全性 。
如何保护我的数据免受未经授权的 AI 代理访问？
Azure SQL 和 SQL Server 为精细访问安全性提供广泛的支持：
- 数据库引擎权限入门：使用权限在精细级别控制对数据库对象的访问。
- 行级安全性（RLS）：根据执行查询用户的特征来控制对表中行的访问权限。 在此 视频中可以看到 RLS 的运行情况。
- 动态数据掩码：通过将敏感数据屏蔽给非特权用户来限制敏感数据的公开。
- Always Encrypted：通过对敏感数据进行静态加密和传输来保护敏感数据，确保只有经过授权的用户才能访问未加密的数据。
还可以使用 Azure SQL 和 SQL Server 中的审计功能来审核对数据库执行的任何操作。