Rychlý start: Vektorové vyhledávání na portálu Azure

V tomto rychlém startu použijete průvodce Import dat na portálu Azure k zahájení práce s integrovanou vektorizací. Průvodce rozdělí váš obsah na části a zavolá embeddingový model, který vektorizuje tyto části při indexování a dotazování.

V tomto rychlém startu se používají textové soubory PDF a jednoduché obrázky z úložiště azure-search-sample-data. Můžete ale použít různé soubory a přesto tento rychlý start dokončit.

Požadavky

• Účet Azure s aktivním předplatným. Vytvořte si bezplatný účet.

• Služba Azure AI Vyhledávač. Tento rychlý start vyžaduje úroveň Basic nebo vyšší pro podporu spravované identity.

• Podporovaný zdroj dat.

• Podporovaný model vkládání.

• Znalost průvodce Viz průvodce Import dat na portálu Azure.

Podporované zdroje dat

Průvodce podporuje několik zdrojů dat Azure. Tento rychlý start ale pokrývá pouze zdroje dat, které pracují s celými soubory, které jsou popsány v následující tabulce.

Podporované modely vkládání

Portál podporuje následující modely vkládání pro integrovanou vektorizaci. Pokyny k nasazení najdete v další části.

¹ Pro účely fakturace musíte připojit váš účet pro více služeb k sadě dovedností Azure AI Vyhledávač. Průvodce vyžaduje, aby vaše vyhledávací služba a účet s více službami byly ve stejné podporované oblasti pro dovednosti s vícemodálními vkládáními ve službě Azure Vision (Preview).

² Průvodce podporuje pouze nasazení bezserverového rozhraní API pro tento model. K zřízení bezserverového nasazení (Preview) můžete použít Azure CLI.

³ Koncový bod prostředku Azure OpenAI musí mít subdoménu custom subdomain, například https://my-unique-name.openai.azure.com. Pokud jste prostředek vytvořili na portálu Azure, tato subdoména se během instalace prostředku automaticky vygenerovala.

⁴ Azure prostředky OpenAI (s přístupem k modelům vkládání), které byly vytvořeny na portálu Microsoft Foundry portal nejsou podporované. Na portálu Azure musíte vytvořit prostředek Azure OpenAI.

Nejnovější pokyny k životnímu cyklu modelů, včetně informací o vyřazení a zastarávání, najdete v tématu Vyřazení a zastarávání modelů.

Požadavky na veřejný koncový bod

Všechny předchozí prostředky musí mít povolený veřejný přístup, aby k nim mohl získat přístup průvodce. Jinak průvodce selže. Po spuštění průvodce můžete pro zabezpečení povolit brány firewall a privátní koncové body na integračních komponentách. Další informace naleznete v tématu Zabezpečené připojení v průvodci importem.

Pokud už existují privátní koncové body a nemůžete je zakázat, je alternativní možností spuštění příslušného kompletního toku ze skriptu nebo programu na virtuálním počítači. Virtuální počítač musí být ve stejné virtuální síti jako privátní koncový bod. Tady je ukázka kódu Python pro integrovanou vektorizaci. Stejné úložiště GitHub obsahuje ukázky v jiných programovacích jazycích.

Konfigurace přístupu

Než začnete, ujistěte se, že máte oprávnění pro přístup k obsahu a operacím. Tento rychlý start používá Microsoft Entra ID pro ověřování a přístup na základě role k autorizaci. Abyste mohli přiřadit role, musíte být vlastníkem nebo správcem uživatelských přístupů . Pokud role nejsou proveditelné, použijte místo toho ověřování založené na klíči .

Nakonfigurujte požadované role a podmíněné role identifikované v této části.

Požadované role

Azure AI Vyhledávač poskytuje kanál vektorového vyhledávání. Nakonfigurujte přístup pro sebe a svou vyhledávací službu ke čtení dat, spuštění potrubí a interakci s dalšími zdroji Azure.

Ve službě Azure AI Vyhledávač:

1. Povolte přístup na základě role.

2. Nakonfigurujte spravovanou identitu přiřazenou systémem.

3. Přiřaďte sobě následující role .

   • Přispěvatel vyhledávací služby

   • Přispěvatel dat indexu vyhledávání

   • Čtečka dat indexu vyhledávání

Podmíněné role

Následující karty pokrývají všechny prostředky kompatibilní s průvodcem pro vektorové vyhledávání. Vyberte pouze karty, které platí pro vybraný zdroj dat a model vkládání.

Příprava ukázkových dat

V této části připravíte ukázková data pro vybraný zdroj dat.

Příprava modelu vkládání

Průvodce podporuje několik modelů vkládání z Azure OpenAI a katalogu modelů Microsoft Foundry. Pokud chcete nasadit modely potřebné pro zvolený model embedding, podívejte se na nasazení modelů Microsoft Foundry ve Foundry portálu.

Spusťte průvodce

1. Přejděte do vyhledávací služby na portálu Azure.

2. Na stránce Přehled vyberte Importovat data.

   

3. Vyberte zdroj dat: Azure Blob Storage, ADLS Gen2 nebo OneLake.

4. Vyberte RAG.

   

Spustit průvodce

Průvodce vás provede několika kroky konfigurace. Tato část popisuje jednotlivé kroky v posloupnosti.

Připojení k datům

V tomto kroku připojíte Azure AI Vyhledávač ke zvolenému zdroji dat pro příjem a indexování obsahu.

Vektorizace textu

Během tohoto kroku průvodce použije vybraný model pro vložení k vektorizaci blokovaných dat. Funkce chunkování je vestavěná a nekonfigurovatelná. Platná nastavení jsou:

"textSplitMode": "pages",
"maximumPageLength": 2000,
"pageOverlapLength": 500,
"maximumPagesToTake": 0, #unlimited
"unit": "characters"

Vektorizace a rozšiřování obrázků

Soubory PDF s plánem stavu obsahují firemní logo, ale jinak neexistují žádné obrázky. Pokud používáte ukázkové dokumenty, můžete tento krok přeskočit.

Pokud ale váš obsah obsahuje užitečné obrázky, můžete AI použít jedním nebo oběma způsoby:

• K vektorizaci obrázků použijte podporovaný model vkládání obrázků z katalogu modelů Microsoft Foundry nebo Azure rozhraní API pro multimodální vkládání obrazu (prostřednictvím účtu s více službami).

• K extrakci textu z obrázků použijte optické rozpoznávání znaků (OCR). Tato možnost vyvolá dovednost OCR.

Přidání sémantického řazení

Na stránce Upřesnit nastavení můžete volitelně přidat sémantické řazení , aby se výsledky na konci provádění dotazu přeřadily. Přerovnání umísťuje nejvíce sémanticky relevantní shody na začátek.

Mapování nových polí

Na stránce Upřesnit nastavení můžete volitelně přidat nová pole za předpokladu, že zdroj dat poskytuje metadata nebo pole, která se při prvním průchodu nenabírají. Ve výchozím nastavení průvodce generuje pole popsaná v následující tabulce.

Vygenerovaná pole ani jejich atributy nemůžete upravovat, ale pokud je zdroj dat poskytuje, můžete přidat nová pole. Například Azure Blob Storage poskytuje kolekci polí metadat.

Přidání polí do schématu indexu:

1. Na stránce Pokročilá nastavení v části Pole rejstříku vyberte Náhled a upravit.

2. Vyberte Přidat pole.

3. Vyberte zdrojové pole z dostupných polí, zadejte název pole pro index a přijměte (nebo přepsat) výchozí datový typ.

4. Pokud chcete obnovit schéma do původní verze, vyberte Obnovit.

Klíčové body týkající se tohoto kroku:

• Schéma indexu poskytuje vektorová a nevektorová pole pro datové úseky.

• Režim analýzy dokumentů vytváří bloky dat (jeden vyhledávací dokument na jeden blok dat).

Plánování indexování

U zdrojů dat, kde jsou podkladová data nestálá, můžete naplánovat indexování , aby zaznamenávaly změny v konkrétních intervalech nebo v konkrétních datech a časech.

Naplánování indexování:

1. Na stránce Upřesnit nastavení v části Naplánovat indexování zadejte plán spuštění indexeru. Pro tento rychlý start doporučujeme Once.

   

2. Vyberte Další.

Dokončete průvodce

Posledním krokem je zkontrolovat konfiguraci a vytvořit potřebné objekty pro vektorové vyhledávání. V případě potřeby se vraťte na předchozí stránky průvodce a upravte konfiguraci.

Pro dokončení průvodce:

1. Na stránce Zkontrolovat a vytvořit zadejte předponu pro objekty, které průvodce vytvoří. Běžná předpona vám pomůže udržet si přehled.

   

2. Vyberte Vytvořit.

Objekty vytvořené průvodcem

Po dokončení konfigurace průvodce vytvoří následující objekty:

Kontrola výsledků

Průzkumník služby Search přijímá textové řetězce jako vstup a pak vektorizuje text pro provádění vektorového dotazu.

Dotazování vektorových indexů:

1. Na portálu Azure přejděte na Search Management>Indexes a pak vyberte index.

2. Vyberte Možnosti dotazu a pak ve výsledcích hledání vyberte Skrýt vektorové hodnoty. Díky tomuto kroku budou výsledky čitelnější.

   

3. V nabídce Zobrazení vyberte zobrazení JSON , abyste mohli do parametru vektorového text dotazu zadat text pro vektorový dotaz.

   

   Výchozí dotaz je prázdné hledání ("*"), ale obsahuje parametry pro vrácení odpovídajících čísel. Jedná se o hybridní dotaz, který paralelně spouští textové a vektorové dotazy. Obsahuje také sémantické řazení a určuje, která pole se mají vrátit do výsledků prostřednictvím select příkazu.

    {
      "search": "*",
      "count": true,
      "vectorQueries": [
        {
          "kind": "text",
          "text": "*",
          "fields": "text_vector,image_vector"
        }
      ],
      "queryType": "semantic",
      "semanticConfiguration": "my-demo-semantic-configuration",
      "captions": "extractive",
      "answers": "extractive|count-3",
      "queryLanguage": "en-us",
      "select": "chunk_id,text_parent_id,chunk,title,image_parent_id"
    }
   

4. Zástupce hvězdičky (*) nahraďte otázkou související se zdravotními plány, například Which plan has the lowest deductible?.

    {
      "search": "Which plan has the lowest deductible?",
      "count": true,
      "vectorQueries": [
        {
          "kind": "text",
          "text": "Which plan has the lowest deductible?",
          "fields": "text_vector,image_vector"
        }
      ],
      "queryType": "semantic",
      "semanticConfiguration": "my-demo-semantic-configuration",
      "captions": "extractive",
      "answers": "extractive|count-3",
      "queryLanguage": "en-us",
      "select": "chunk_id,text_parent_id,chunk,title"
    }
   

5. Pokud chcete dotaz spustit, vyberte Hledat.

   

   Každý dokument je blokem původního souboru PDF. Pole title ukazuje, ze kterého souboru PDF blok pochází. Každý chunk je dlouhý. Pokud chcete přečíst celou hodnotu, můžete ho zkopírovat a vložit do textového editoru.

6. Pokud chcete zobrazit všechny bloky dat z konkrétního dokumentu, přidejte filtr pro title_parent_id pole pro konkrétní PDF. Zkontrolujte kartu Pole v indexu a ověřte, že je pole filtrovatelné.

   {
      "select": "chunk_id,text_parent_id,chunk,title",
      "filter": "text_parent_id eq 'aHR0cHM6Ly9oZWlkaXN0c3RvcmFnZWRlbW9lYXN0dXMuYmxvYi5jb3JlLndpbmRvd3MubmV0L2hlYWx0aC1wbGFuLXBkZnMvTm9ydGh3aW5kX1N0YW5kYXJkX0JlbmVmaXRzX0RldGFpbHMucGRm0'",
      "count": true,
      "vectorQueries": [
          {
             "kind": "text",
             "text": "*",
             "k": 5,
             "fields": "text_vector"
          }
       ]
   }
   

Vyčištění prostředků

Když pracujete ve vlastním předplatném, je vhodné dokončit projekt odebráním prostředků, které už nepotřebujete. Prostředky, které zůstaly spuštěné, vám můžou stát peníze.

Na portálu Azure vyberte Všechny prostředky nebo Zdrojové skupiny v levém podokně a vyhledejte a spravujte prostředky. Prostředky můžete odstranit jednotlivě nebo odstranit skupinu prostředků a odebrat tak všechny prostředky najednou.

Další krok

V tomto rychlém startu jste se seznámili s průvodcem importem dat , který vytvoří všechny potřebné objekty pro integrovanou vektorizaci. Podrobné prozkoumání jednotlivých kroků najdete v tématu Nastavování integrované vektorizace v Azure AI Vyhledávač.