Vytvoření indexovaného zdroje znalostí OneLake

Poznámka

Azure AI Vyhledávač je k dispozici prostřednictvím portálu Azure, rozhraní REST API a Sady Azure SDK. Podporuje také Foundry IQ, spravovanou znalostní vrstvu, která transformuje podnikový obsah na opakovaně použitelné znalostní báze s podporou oprávnění pro agenty na portálu Microsoft Foundry.

Important

Na funkce, možnosti nebo vlastnosti označené jako (Preview) se nevztahuje smlouva o úrovni služeb, nejsou doporučené pro produkční úlohy a mohou se změnit nebo být omezeny dříve, než budou obecně k dispozici. Podmínky Azure AI Vyhledávač Preview platí pro všechny funkce ve verzi Preview, ať už jsou samostatné nebo součástí obecně dostupné funkce.

indexovaný zdroj znalostí OneLake načítá soubory z Microsoft OneLake do agentního kanálu pro vyhledávání v Azure AI Vyhledávač. Zdroje znalostí se vytvářejí nezávisle, odkazují na znalostní bázi a používají se jako podkladová data při dotazování znalostní báze za běhu.

Při vytváření indexovaného zdroje znalostí OneLake zadáte externí zdroj dat, modely a vlastnosti, které automaticky vygenerují následující Azure AI Vyhledávač objekty:

  • Zdroj dat, který představuje jezerní dům.
  • Sada dovedností, která rozčleňuje a volitelně vektorizuje multimodální obsah z data lakehouse.
  • Index, který ukládá obsah s přidanou hodnotou a splňuje kritéria pro agentní vyhledávání.
  • Indexer, který používá předchozí objekty k řízení procesu indexování a obohacovacího řetězce.

Vygenerovaný indexer odpovídá indexeru OneLake, jehož požadavky, podporované úlohy, podporované formáty dokumentů, podporované klávesové zkratky a omezení platí také pro zdroje znalostí OneLake. Další informace najdete v dokumentaci k indexeru OneLake a omezení indexeru. Pokud vygenerovaná sada dovedností volá externí službu, platí i limity pro vstupy a služby této dovednosti.

Podpora využití

portál Azure Microsoft portál Foundry .NET SDK Python SDK Java SDK JavaScript SDK REST API
✔️ ✔️ ✔️ ✔️ ✔️ ✔️ ✔️

Požadavky

  • Požadovaný balíček Azure.Search.Documents:

    • Pro funkce 2026-08-01-preview je k dispozici nejnovější balíček Preview: dotnet add package Azure.Search.Documents --prerelease

    • Pro funkce 2026-04-01: nejnovější stabilní balíček: dotnet add package Azure.Search.Documents

  • Balíček Azure.Identity pro bezklíčové ověřování: dotnet add package Azure.Identity

  • Požadovaný balíček azure-search-documents:

    • Pro funkce 2026-08-01-preview je k dispozici nejnovější balíček Preview: pip install --pre azure-search-documents

    • Pro funkce 2026-04-01: nejnovější stabilní balíček: pip install azure-search-documents

  • Balíček azure-identity pro bezklíčové ověřování: pip install azure-identity

  • Požadovaná verze rozhraní REST API vyhledávací služby:

  • Pro bezklíčové ověřování uveďte v Authorization hlavičce každého požadavku HTTP token Microsoft Entra ID.

Limitations

Pro indexované zdroje znalostí OneLake se nepodporuje privátní synchronizace. Ponechte networkAccessMode nastavenou hodnotu public.

Kontrola existujících zdrojů znalostí

Zdroj znalostí je objekt nejvyšší úrovně, který lze opakovaně použít. Znalost existujících zdrojů znalostí je užitečná pro opakované použití nebo pojmenování nových objektů.

Spuštěním následujícího kódu zobrazíte seznam zdrojů znalostí podle názvu a typu.

// List knowledge sources by name and type
using Azure.Search.Documents.Indexes;

var indexClient = new SearchIndexClient(new Uri(searchEndpoint), credential);
var knowledgeSources = indexClient.GetKnowledgeSourcesAsync();

Console.WriteLine("Knowledge Sources:");

await foreach (var ks in knowledgeSources)
{
    Console.WriteLine($"  Name: {ks.Name}, Type: {ks.GetType().Name}");
}

Reference:SearchIndexClient

# List knowledge sources by name and type
from azure.core.credentials import AzureKeyCredential
from azure.search.documents.indexes import SearchIndexClient

index_client = SearchIndexClient(endpoint = "search_url", credential = AzureKeyCredential("api_key"))

for ks in index_client.list_knowledge_sources():
    print(f"  - {ks.name} ({ks.kind})")

Reference:SearchIndexClient

### List knowledge sources by name and type
GET {{search-url}}/knowledgesources?api-version={{api-version}}&$select=name,kind
Authorization: Bearer {{token}}

Referenční informace:Zdroje znalostí – seznam

Pokud chcete zkontrolovat jeho definici JSON, můžete také vrátit jeden zdroj znalostí podle názvu.

using Azure.Search.Documents.Indexes;
using System.Text.Json;

var indexClient = new SearchIndexClient(new Uri(searchEndpoint), credential);

// Specify the knowledge source name to retrieve
string ksNameToGet = "earth-knowledge-source";

// Get its definition
var knowledgeSourceResponse = await indexClient.GetKnowledgeSourceAsync(ksNameToGet);
var ks = knowledgeSourceResponse.Value;

// Serialize to JSON for display
var jsonOptions = new JsonSerializerOptions 
{ 
    WriteIndented = true,
    DefaultIgnoreCondition = System.Text.Json.Serialization.JsonIgnoreCondition.Never
};
Console.WriteLine(JsonSerializer.Serialize(ks, ks.GetType(), jsonOptions));

Reference:SearchIndexClient

# Get a knowledge source definition
from azure.core.credentials import AzureKeyCredential
from azure.search.documents.indexes import SearchIndexClient
import json

index_client = SearchIndexClient(endpoint = "search_url", credential = AzureKeyCredential("api_key"))

ks = index_client.get_knowledge_source("knowledge_source_name")
print(json.dumps(ks.as_dict(), indent = 2))

Reference:SearchIndexClient

### Get a knowledge source definition
GET {{search-url}}/knowledgesources/{{knowledge-source-name}}?api-version={{api-version}}
Authorization: Bearer {{token}}

Referenční informace:Zdroje znalostí – Získání

Následující JSON je ukázková odpověď pro indexovaný zdroj znalostí OneLake.

{
  "name": "my-onelake-ks",
  "kind": "indexedOneLake",
  "description": "A sample indexed OneLake knowledge source.",
  "encryptionKey": null,
  "indexedOneLakeParameters": {
    "fabricWorkspaceId": "<REDACTED>",
    "lakehouseId": "<REDACTED>",
    "targetPath": null,
    "ingestionParameters": {
      "disableImageVerbalization": false,
      "ingestionPermissionOptions": [],
      "contentExtractionMode": "standard",
      "identity": null,
      "embeddingModel": {
        "kind": "azureOpenAI",
        "azureOpenAIParameters": {
          "resourceUri": "<REDACTED>",
          "deploymentId": "text-embedding-3-large",
          "modelName": "text-embedding-3-large"
        }
      },
      "chatCompletionModel": {
        "kind": "azureOpenAI",
        "azureOpenAIParameters": {
          "resourceUri": "<aoai-endpoint>",
          "deploymentId": "gpt-5-mini",
          "modelName": "gpt-5-mini"
        }
      },
      "ingestionSchedule": null,
      "aiServices": {
        "uri": "<aoai-endpoint>",
      }
    },
    "createdResources": {
    "datasource": "my-onelake-ks-datasource",
    "indexer": "my-onelake-ks-indexer",
    "skillset": "my-onelake-ks-skillset",
    "index": "my-onelake-ks-index"
    }
  }
}

Vytvoření zdroje znalostí

Spuštěním následujícího kódu vytvořte indexovaný zdroj znalostí OneLake.

// Create an indexed OneLake knowledge source
using Azure.Search.Documents.Indexes;
using Azure.Search.Documents.Indexes.Models;
using Azure.Search.Documents.KnowledgeBases.Models;
using Azure.Search.Documents.Models;
using Azure.Identity;

var indexClient = new SearchIndexClient(new Uri(searchEndpoint), new DefaultAzureCredential());

var chatCompletionParams = new AzureOpenAIVectorizerParameters
{
    ResourceUri = new Uri(aoaiEndpoint),
    DeploymentName = aoaiGptDeployment,
    ModelName = aoaiGptModel
};

var embeddingParams = new AzureOpenAIVectorizerParameters
{
    ResourceUri = new Uri(aoaiEndpoint),
    DeploymentName = aoaiEmbeddingDeployment,
    ModelName = aoaiEmbeddingModel
};

var ingestionParams = new KnowledgeSourceIngestionParameters
{
    NetworkAccessMode = KnowledgeSourceNetworkAccessMode.Public,
    DisableImageVerbalization = false,
    ChatCompletionModel = new KnowledgeBaseAzureOpenAIModel(azureOpenAIParameters: chatCompletionParams),
    EmbeddingModel = new KnowledgeSourceAzureOpenAIVectorizer
    {
        AzureOpenAIParameters = embeddingParams
    },
    IngestionPermissionOptions = new List<KnowledgeSourceIngestionPermissionOption>
    {
        KnowledgeSourceIngestionPermissionOption.UserIds,
        KnowledgeSourceIngestionPermissionOption.GroupIds
    }
};

var oneLakeParams = new IndexedOneLakeKnowledgeSourceParameters(
    fabricWorkspaceId: fabricWorkspaceId,
    lakehouseId: lakehouseId)
{
    IngestionParameters = ingestionParams
};

var knowledgeSource = new IndexedOneLakeKnowledgeSource(
    name: "my-onelake-ks",
    indexedOneLakeParameters: oneLakeParams)
{
    Description = "This knowledge source pulls content from a lakehouse."
};

await indexClient.CreateOrUpdateKnowledgeSourceAsync(knowledgeSource);
Console.WriteLine($"Knowledge source '{knowledgeSource.Name}' created or updated successfully.");

Reference:SearchIndexClient, IndexedOneLakeKnowledgeSource

# Create an indexed OneLake knowledge source
from azure.identity import DefaultAzureCredential
from azure.search.documents.indexes import SearchIndexClient
from azure.search.documents.indexes.models import IndexedOneLakeKnowledgeSource, IndexedOneLakeKnowledgeSourceParameters, KnowledgeBaseAzureOpenAIModel, AzureOpenAIVectorizerParameters, KnowledgeSourceAzureOpenAIVectorizer, KnowledgeSourceContentExtractionMode, KnowledgeSourceIngestionParameters
from azure.search.documents.knowledgebases.models import KnowledgeSourceNetworkAccessMode

index_client = SearchIndexClient(endpoint = "<search-endpoint>", credential = DefaultAzureCredential())

knowledge_source = IndexedOneLakeKnowledgeSource(
    name = "my-onelake-ks",
    description= "This knowledge source pulls content from a lakehouse.",
    encryption_key = None,
    indexed_one_lake_parameters = IndexedOneLakeKnowledgeSourceParameters(
        fabric_workspace_id = "fabric_workspace_id",
        lakehouse_id = "lakehouse_id",
        target_path = None,
        ingestion_parameters = KnowledgeSourceIngestionParameters(
            network_access_mode = KnowledgeSourceNetworkAccessMode.PUBLIC,
            identity = None,
            disable_image_verbalization = False,
            chat_completion_model = KnowledgeBaseAzureOpenAIModel(
                azure_open_ai_parameters = AzureOpenAIVectorizerParameters(
                    resource_url = "<aoai-endpoint>",
                    deployment_name = "<aoai-gpt-deployment>",
                    model_name = "<aoai-gpt-model>",
                )
            ),
            embedding_model = KnowledgeSourceAzureOpenAIVectorizer(
                azure_open_ai_parameters=AzureOpenAIVectorizerParameters(
                    resource_url = "<aoai-endpoint>",
                    deployment_name = "<aoai-embedding-deployment>",
                    model_name = "<aoai-embedding-model>",
                )
            ),
            content_extraction_mode = KnowledgeSourceContentExtractionMode.MINIMAL,
            ingestion_schedule = None,
            ingestion_permission_options = ["user_ids", "group_ids"]
        )
    )
)

index_client.create_or_update_knowledge_source(knowledge_source)
print(f"Knowledge source '{knowledge_source.name}' created or updated successfully.")

Reference:SearchIndexClient

### Create an indexed OneLake knowledge source
PUT {{search-endpoint}}/knowledgesources/my-onelake-ks?api-version=2026-08-01-preview
Authorization: Bearer {{search-access-token}}
Content-Type: application/json

{
    "name": "my-onelake-ks",
    "kind": "indexedOneLake",
    "description": "This knowledge source pulls content from a lakehouse.",
    "indexedOneLakeParameters": {
      "fabricWorkspaceId": "<fabric-workspace-id>",
      "lakehouseId": "<lakehouse-id>",
      "targetPath": null,
      "ingestionParameters": {
        "networkAccessMode": "public",
        "identity": null,
        "disableImageVerbalization": null,
        "chatCompletionModel": {
            "kind": "azureOpenAI",
            "azureOpenAIParameters": {
                "resourceUri": "{{aoai-endpoint}}",
                "deploymentId": "{{aoai-gpt-deployment}}",
                "modelName": "{{aoai-gpt-model}}"
            }
        },
        "embeddingModel": {
            "kind": "azureOpenAI",
            "azureOpenAIParameters": {
                "resourceUri": "{{aoai-endpoint}}",
                "deploymentId": "{{aoai-embedding-deployment}}",
                "modelName": "{{aoai-embedding-model}}"
            }
        },
        "contentExtractionMode": "minimal",
        "ingestionSchedule": null,
        "ingestionPermissionOptions": ["userIds", "groupIds"]
    }
  }
}

Referenční informace:Zdroje znalostí – Vytvoření nebo aktualizace

Poznámka

Chcete-li vynutit oprávnění na úrovni dokumentu pomocí ingestionPermissionOptions, použijte verzi rozhraní API 2026-08-01-preview. Verze rozhraní API z 4. 4. 2026 tuto funkci nepodporuje.

Použití automatických analyzátorů pro jednotlivé jazyky (Preview)

2026-08-01-preview Počínaje verzí rozhraní API jsou automatické analyzátory pro jednotlivé jazyky dostupné pro objekty blob, indexované OneLake a indexované SharePoint zdroje znalostí. Pokud je tato možnost povolená, Azure AI Vyhledávač rozpozná jazyk jednotlivých zdrojových dokumentů a automaticky použije odpovídající analyzátor jazyka Microsoft. V definici zdroje znalostí ani v dotazu nezadáte analyzátor.

Pokud chcete povolit automatické analyzátory pro jednotlivé jazyky, nastavte contentExtractionModeminimal a nakonfigurujte ingestionParameters.aiServices v definici zdroje znalostí.

Pro ověřování bez klíčů vynecháte aiServices.apiKey a přiřaďte roli uživatele služeb Cognitive Services ve vašem prostředku Microsoft Foundry spravované identitě vyhledávací služby. Pro ověřování na základě klíčů nastavte aiServices.apiKey platný klíč pro váš prostředek Foundry.

Podporují se následující jazyky:

  • Angličtina
  • Japanese
  • French
  • Spanish
  • Němčina
  • Dutch
  • Italian
  • Brazilská portugalština
  • Evropská portugalština
  • Zjednodušená čínština
  • Tradiční čínština
  • Korean

Pro vícejazyčný obsah Azure AI Vyhledávač vybere analyzátor založený na převládajícím zjištěném jazyce. Používá standardní analyzátor, pokud jazyk není podporovaný nebo nejistý.

Když povolíte automatické analyzátory pro jednotlivé jazyky, Azure AI Vyhledávač přidá pole obsahu specifická pro jazyk pro každý podporovaný jazyk do vygenerovaného schématu indexu bez ohledu na to, jestli vaše data v těchto jazycích obsahují dokumenty. Během příjmu dat se dokumenty směrují do příslušného pole specifického jazyka na základě zjištěného jazyka.

Nepoužitá jazyková pole neobsahují indexovaný obsah a mají minimální dopad na úložiště, ale zůstávají součástí schématu indexu a započítávají se do limitu pole indexu. Při plánování návrhu indexu, počtu polí a požadavků na úložiště zvažte další pole. Další informace najdete v tématu Omezení indexu a Odhad a správa kapacity vyhledávací služby.

Rozpoznávání jazyka se účtuje po přidělení bezplatného rozšiřování AI. Další informace naleznete v tématu Bezplatné rozšiřování.

Kontrola stavu příjmu dat

Spuštěním následujícího kódu monitorujte průběh a stav příjmu, včetně druhu zdroje znalostí a podrobných chyb indexování pro zdroje znalostí, které generují kanál indexeru a naplní index vyhledávání.

using Azure.Search.Documents.Indexes;
using System.Text.Json;

var indexClient = new SearchIndexClient(new Uri(searchEndpoint), new AzureKeyCredential(apiKey));

// Get knowledge source ingestion status
var statusResponse = await indexClient.GetKnowledgeSourceStatusAsync(knowledgeSourceName);
var status = statusResponse.Value;

// Serialize to JSON for display
var json = JsonSerializer.Serialize(status, new JsonSerializerOptions { WriteIndented = true });
Console.WriteLine(json);

Reference:SearchIndexClient

# Check knowledge source ingestion status
from azure.core.credentials import AzureKeyCredential
from azure.search.documents.indexes import SearchIndexClient
import json

index_client = SearchIndexClient(endpoint="search_url", credential=AzureKeyCredential("api_key"))

status = index_client.get_knowledge_source_status("knowledge_source_name")
print(json.dumps(status.as_dict(), indent=2))

Reference:SearchIndexClient

### Check knowledge source ingestion status
GET {{search-url}}/knowledgesources/{{knowledge-source-name}}/status?api-version={{api-version}}
Authorization: Bearer {{token}}
Content-Type: application/json

Reference:Zdroje znalostí – Získání stavu

Odpověď na požadavek, který obsahuje parametry příjmu dat a aktivně ingestuje obsah, může vypadat jako v následujícím příkladu.

{
  "kind": "azureBlob",
  "synchronizationStatus": "active",
  "synchronizationInterval": "1d",
  "currentSynchronizationState": {
    "startTime": "2026-04-10T19:30:00Z",
    "itemUpdatesProcessed": 1100,
    "itemsUpdatesFailed": 100,
    "itemsSkipped": 1100,
    "errors": [
      {
        "key": "Item id 1",
        "docURL": "https://contoso.blob.core.windows.net/contracts/2024/Q4/doc-00023.csv",
        "statusCode": 400,
        "componentName": "DocumentExtraction.AzureBlob.MyDataSource",
        "errorMessage": "Could not read the value of column 'foo' at index '0'.",
        "details": "The file could not be parsed.",
        "documentationLink": "https://go.microsoft.com/fwlink/?linkid=2049388"
      }
    ]
  },
  "lastSynchronizationState": {
    "status": "partialSuccess",
    "startTime": "2026-04-09T19:30:00Z",
    "endTime": "2026-04-09T19:40:01Z",
    "itemUpdatesProcessed": 1100,
    "itemsUpdatesFailed": 100,
    "itemsSkipped": 1100,
    "errors": null
  },
  "statistics": {
    "totalSynchronizations": 25,
    "averageSynchronizationDuration": "00:15:20",
    "averageItemsProcessedPerSynchronization": 500
  }
}

Poznámka

Vlastnost kind a currentSynchronizationState.errors[] pole s podrobnostmi o chybě na úrovni dokumentu jsou k dispozici od verze rozhraní API 2026-04-01. U starších verzí rozhraní API se tato pole nevrácejí. Pole lastSynchronizationState.status je také nové v roce 2026-04-01.

Kontrola vygenerovaných objektů

Když tento zdroj znalostí vytvoříte, Azure AI Vyhledávač automaticky vygeneruje zdroj dat, sadu dovedností, indexer a index. Odpověď na vytvoření uvádí každý objekt pod createdResources.

Tyto objekty se generují podle pevné šablony a jejich názvy jsou založeny na názvu zdroje znalostí. Názvy objektů nemůžete změnit. Vyhněte se úpravám těchto objektů přímo, protože změny můžou představovat chyby nebo nekompatibility, které přeruší kanál indexeru.

K ověření vytváření objektů můžete použít portál Azure. Pracovní postup je:

  1. Zkontrolujte indexer kvůli zprávám o úspěchu nebo selhání. Tady se zobrazí chyby připojení nebo kvóty.

  2. Zkontrolujte zdroj dat a ověřte připojení k úložišti dat. Připojení používá připojovací řetězec nebo spravovanou identitu podle toho, jak jste nakonfigurovali zdroj znalostí.

  3. Zkontrolujte sadu dovedností a podívejte se, jak je váš obsah rozdělen na části a případně převeden na vektory.

  4. Zkontrolujte index a podívejte se, jak se váš obsah indexuje a zobrazuje pro načtení, včetně polí, která jsou prohledávatelná a filtrovatelná a která pole ukládají vektory pro vyhledávání podobnosti. Pomocí Průzkumníka služby Search můžete spouštět dotazy na vygenerovaný index.

Přiřazení ke znalostní bázi

Pokud jste s zdrojem znalostí spokojení, přidejte ho do znalostní báze.

Pro jakoukoli znalostní bázi, která určuje indexovaný zdroj znalostí OneLake, nezapomeňte nastavit includeReferenceSourceData na truehodnotu. Tento krok je nezbytný pro načtení adresy URL zdrojového dokumentu do citace.

Dotazování znalostní báze

Jakmile nakonfigurujete znalostní bázi, zavolejte akci načtení nebo koncový bod MCP a dotazujte se na zdroj znalostí. Zvolte konfiguraci, která odpovídá vašemu scénáři.

Vynucení oprávnění na úrovni dokumentu (Preview)

Pokud chcete vynutit oprávnění na úrovni dokumentu, nastavte ingestionPermissionOptions při vytváření tohoto zdroje znalostí a pak do žádosti o načtení zahrňte přístupový token uživatele. Další informace najdete v tématu Vynucení oprávnění v době dotazu (Preview).

Zobrazit obrázky vložené v dokumentu (preview)

Chcete-li v odpovědích generovaných syntézou odpovědí zobrazovat obrázky vložené do dokumentů (například diagramy nebo skeny), nakonfigurujte na tomto zdroji znalostí možnost assetStore a potom v bázi znalostí povolte zobrazování obrázků. Poskytování obrázků není podporováno, když je nakonfigurováno ingestionPermissionOptions. Další informace najdete v tématu Zobrazení obrázků vložených do dokumentu v agentním vyhledávání (verze Preview).

Odstranění zdroje znalostí

Než budete moct odstranit zdroj znalostí, musíte odstranit jakoukoli znalostní bázi, která na ni odkazuje, nebo aktualizovat definici znalostní báze, aby se odkaz odebral. Pro zdroje znalostí, které generují kanál indexu a indexeru, se odstraní také všechny vygenerované objekty . Pokud jste ale k vytvoření zdroje znalostí použili existující index, index se neodstraní.

Pokud se pokusíte odstranit zdroj znalostí, který se používá, akce selže a vrátí seznam ovlivněných znalostních bází.

Odstranění zdroje znalostí:

  1. Získejte seznam všech znalostních bází ve vyhledávací službě.

    using Azure.Search.Documents.Indexes;

var indexClient = new SearchIndexClient(new Uri(searchEndpoint), credential);
var knowledgeBases = indexClient.GetKnowledgeBasesAsync();

Console.WriteLine("Knowledge Bases:");

await foreach (var kb in knowledgeBases)
{
    Console.WriteLine($"  - {kb.Name}");
}

    Reference:SearchIndexClient

    Příklad odpovědi může vypadat takto:

     {
     "@odata.context": "https://my-search-service.search.windows.net/$metadata#knowledgebases(name)",
     "value": [
     {
         "name": "my-kb"
     },
     {
         "name": "my-kb-2"
     }
     ]
 }

  2. Získejte individuální definici znalostní báze a zkontrolujte odkazy na zdroje znalostí.

    using Azure.Search.Documents.Indexes;
using System.Text.Json;

var indexClient = new SearchIndexClient(new Uri(searchEndpoint), credential);

// Specify the knowledge base name to retrieve
string kbNameToGet = "earth-knowledge-base";

// Get a specific knowledge base definition
var knowledgeBaseResponse = await indexClient.GetKnowledgeBaseAsync(kbNameToGet);
var kb = knowledgeBaseResponse.Value;

// Serialize to JSON for display
string json = JsonSerializer.Serialize(kb, new JsonSerializerOptions { WriteIndented = true });
Console.WriteLine(json);

    Reference:SearchIndexClient

    Příklad odpovědi může vypadat takto:

     {
   "Name": "earth-knowledge-base",
   "KnowledgeSources": [
     {
       "Name": "earth-knowledge-source"
     }
   ],
   "Models": [
     {}
   ],
   "RetrievalReasoningEffort": {},
   "OutputMode": {},
   "ETag": "\u00220x8DE278629D782B3\u0022",
   "EncryptionKey": null,
   "Description": null,
   "RetrievalInstructions": null,
   "AnswerInstructions": null
 }

  3. Odstraňte znalostní bázi nebo pokud máte více zdrojů znalostí, aktualizujte znalostní bázi tak, aby zdroj odebral. Tento příklad ukazuje odstranění.

    using Azure.Search.Documents.Indexes;
var indexClient = new SearchIndexClient(new Uri(searchEndpoint), credential);

await indexClient.DeleteKnowledgeBaseAsync(knowledgeBaseName);
System.Console.WriteLine($"Knowledge base '{knowledgeBaseName}' deleted successfully.");

    Reference:SearchIndexClient

  4. Odstraňte zdroj znalostí.

    await indexClient.DeleteKnowledgeSourceAsync(knowledgeSourceName);
System.Console.WriteLine($"Knowledge source '{knowledgeSourceName}' deleted successfully.");

    Reference:SearchIndexClient

  1. Získejte seznam všech znalostních bází ve vyhledávací službě.

    # Get knowledge bases
from azure.core.credentials import AzureKeyCredential
from azure.search.documents.indexes import SearchIndexClient

index_client = SearchIndexClient(endpoint = "search_url", credential = AzureKeyCredential("api_key"))

print("Knowledge Bases:")
for kb in index_client.list_knowledge_bases():
    print(f"  - {kb.name}")

    Reference:SearchIndexClient

    Příklad odpovědi může vypadat takto:

     {
     "@odata.context": "https://my-search-service.search.windows.net/$metadata#knowledgebases(name)",
     "value": [
     {
         "name": "my-kb"
     },
     {
         "name": "my-kb-2"
     }
     ]
 }

  2. Získejte individuální definici znalostní báze a zkontrolujte odkazy na zdroje znalostí.

    # Get a knowledge base definition
from azure.core.credentials import AzureKeyCredential
from azure.search.documents.indexes import SearchIndexClient

index_client = SearchIndexClient(endpoint = "search_url", credential = AzureKeyCredential("api_key"))
kb = index_client.get_knowledge_base("knowledge_base_name")
print(kb)

    Reference:SearchIndexClient

    Příklad odpovědi může vypadat takto:

     {
   "name": "my-kb",
   "description": null,
   "retrievalInstructions": null,
   "answerInstructions": null,
   "outputMode": null,
   "knowledgeSources": [
     {
       "name": "my-blob-ks"
     }
   ],
   "models": [],
   "encryptionKey": null,
   "retrievalReasoningEffort": {
     "kind": "low"
   }
 }

  3. Odstraňte znalostní bázi nebo pokud máte více zdrojů znalostí, aktualizujte znalostní bázi tak, aby zdroj odebral. Tento příklad ukazuje odstranění.

    # Delete a knowledge base
from azure.core.credentials import AzureKeyCredential 
from azure.search.documents.indexes import SearchIndexClient

index_client = SearchIndexClient(endpoint = "search_url", credential = AzureKeyCredential("api_key"))
index_client.delete_knowledge_base("knowledge_base_name")
print(f"Knowledge base deleted successfully.")

    Reference:SearchIndexClient

  4. Odstraňte zdroj znalostí.

    # Delete a knowledge source
from azure.core.credentials import AzureKeyCredential 
from azure.search.documents.indexes import SearchIndexClient

index_client = SearchIndexClient(endpoint = "search_url", credential = AzureKeyCredential("api_key"))
index_client.delete_knowledge_source("knowledge_source_name")
print(f"Knowledge source deleted successfully.")

    Reference:SearchIndexClient

  1. Získejte seznam všech znalostních bází ve vyhledávací službě.

    ### Get knowledge bases
GET {{search-url}}/knowledgebases?api-version={{api-version}}&$select=name
Authorization: Bearer {{token}}

    Referenční informace:Znalostní báze – seznam

    Příklad odpovědi může vypadat takto:

     {
     "@odata.context": "https://my-search-service.search.windows.net/$metadata#knowledgebases(name)",
     "value": [
     {
         "name": "my-kb"
     },
     {
         "name": "my-kb-2"
     }
     ]
 }

  2. Získejte individuální definici znalostní báze a zkontrolujte odkazy na zdroje znalostí.

    ### Get a knowledge base definition
GET {{search-url}}/knowledgebases/{{knowledge-base-name}}?api-version={{api-version}}
Authorization: Bearer {{token}}

    Referenční informace:Znalostní báze – Získat

    Příklad odpovědi může vypadat takto:

     {
   "name": "my-kb",
   "description": null,
   "retrievalInstructions": null,
   "answerInstructions": null,
   "outputMode": null,
   "knowledgeSources": [
     {
       "name": "my-blob-ks"
     }
   ],
   "models": [],
   "encryptionKey": null,
   "retrievalReasoningEffort": {
     "kind": "low"
   }
 }

  3. Odstraňte znalostní bázi nebo pokud máte více zdrojů znalostí, aktualizujte znalostní bázi tak, aby zdroj odebral. Tento příklad ukazuje odstranění.

    ### Delete a knowledge base
DELETE {{search-url}}/knowledgebases/{{knowledge-base-name}}?api-version={{api-version}}
Authorization: Bearer {{token}}

    Referenční informace:Znalostní báze – Odstranění

  4. Odstraňte zdroj znalostí.

    ### Delete a knowledge source
DELETE {{search-url}}/knowledgesources/{{knowledge-source-name}}?api-version={{api-version}}
Authorization: Bearer {{token}}

    Referenční informace:Zdroje znalostí – Odstranění

Související obsah

  • Last updated on