本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

# 集成
<a name="integration"></a>


| **问题** | **响应示例** | 
| --- | --- | 
| 将生成式 AI 解决方案与现有系统或数据源集成的要求是什么？ | REST APIs、消息队列、数据库连接器等。 | 
| 生成式人工智能解决方案将如何摄取和预处理数据？ | 通过使用批处理、流数据、数据转换和特征工程。 | 
| 生成式人工智能解决方案的输出将如何被消耗或与下游系统集成？ | 通过 API 端点、消息队列、数据库更新等。 | 
| 哪些事件驱动的集成模式可用于生成式 AI 解决方案？ | 消息队列（例如 Amazon SQS、Apache Kafka、RabbitMQ）、发布/订阅系统、网络挂钩、事件流平台。 | 
| 哪些基于 API 的集成方法可用于将生成式 AI 解决方案与其他系统连接起来？ | RESTful APIs、GraphQL APIs、SOAP APIs （适用于遗留系统）。 | 
| 哪些微服务架构组件可用于生成式 AI 解决方案集成？ | 用于服务间通信的服务网格、API 网关、容器编排（例如 Kubernetes）。 | 
| 如何为生成式 AI 解决方案实现混合集成？ | 通过结合事件驱动的模式进行实时更新、历史数据的批处理和外部系统 APIs 集成。 | 
| 如何将生成式 AI 解决方案输出与下游系统集成？ | 通过 API 端点、消息队列、数据库更新、Webhook 和文件导出。 | 
| 要集成生成式人工智能解决方案，应考虑采取哪些安全措施？ | 身份验证机制（例如 OAuth 或 JWT）、加密（传输中和静态加密）、API 速率限制和访问控制列表 (ACLs)。 | 
| 您计划如何将开源框架（例如 LlamaIndex 或整合）集成 LangChain 到现有的数据管道和生成式人工智能工作流程中？ | 我们计划使用它 LangChain 来构建复杂的生成式 AI 应用程序，特别是其代理和内存管理功能。我们的目标是在未来 6 个月 LangChain 内让 60% 的生成式人工智能项目投入使用。 | 
| 您将如何确保所选的开源框架与现有数据基础设施之间的兼容性？ | 我们正在组建一个专门的集成团队，以确保流畅的兼容性。到第三季度，我们的目标是建立一个完全集成的管道， LlamaIndex 用于在我们当前的数据湖结构中进行高效的数据索引和检索。 | 
| 您计划如何利用框架的模块化组件，例如 LangChain 用于快速原型设计和实验？ | 我们正在建立一个沙盒环境，开发人员可以在其中使用 LangChain组件快速制作原型。 | 
| 在这些快速发展的开源框架中，你有什么策略可以跟上更新和新功能的步伐？ | 我们已经指派了一个团队来监控和的 GitHub 仓库 LangChain 和社区论坛 LlamaIndex。我们计划每季度评估和整合主要更新，重点是性能改进和新功能。 |