Hinweis
Für den Zugriff auf diese Seite ist eine Autorisierung erforderlich. Sie können versuchen, sich anzumelden oder das Verzeichnis zu wechseln.
Für den Zugriff auf diese Seite ist eine Autorisierung erforderlich. Sie können versuchen, das Verzeichnis zu wechseln.
Note
Foundry IQ (Azure KI-Suche) bietet direkte Indizierungs- und Abfrage-APIs zusammen mit Wissensquellen- und Knowledge Base-APIs auf höherer Ebene für den verwalteten Abruf. Verwenden Sie das Azure Portal, REST-APIs oder Azure SDKs, um diese Funktionen zu konfigurieren, oder verbinden Sie Agents mit Wissensdatenbanken im Microsoft Foundry-Portal.
Important
Features oder Funktionen, die in diesem Artikel als "Vorschau" gekennzeichnet sind, befinden sich in der öffentlichen Vorschau und unterliegen den ergänzenden Nutzungsbedingungen für Microsoft Azure Previews.
Bestimmungen für die Vorschau speziell für Foundry IQ (Azure KI-Suche) finden Sie unter Vorschaufunktionen.
Eine Datei-Wissensquelle lädt kleine bis mittlere Dateisätze direkt in Foundry IQ hoch, um agentisch abzurufen. Wissensquellen werden unabhängig erstellt, in einer Wissensbasis referenziert und als Erdungsdaten verwendet, wenn die Wissensbasis zur Laufzeit abgefragt wird.
Dateibasierte Wissensquellen sind nützlich, wenn Sie eine verwaltete Uploadumgebung wünschen, anstatt Azure Storage bereitzustellen, den Zugriff zu konfigurieren und eine Indexerpipeline für einen externen Container zu erstellen. Foundry IQ verarbeitet hochgeladene Dateien, damit ihre extrahierten Inhalte aus einer Wissensbasis abgerufen werden können.
Verwenden Sie stattdessen eine Blob-Wissensquelle, wenn sich Ihre Dateien bereits in Azure Blob Storage oder Azure Data Lake Storage Gen2 befinden, wenn Ihr Dateisatz die Grenzwerte der Dateiwissensquelle überschreitet oder voraussichtlich überschreiten wird oder wenn Sie eine geplante Erfassung benötigen. Verwenden Sie auch eine Blob-Wissensquelle, wenn Sie Quell-Blobs mit Azure Blob Storage Lifecycle-Verwaltungsrichtlinien verwalten möchten oder wenn Sie Berechtigungen auf Dokumentebene basierend auf Berechtigungen in Azure Storage benötigen.
Nutzungssupport
| Azure Portal | Microsoft Foundry-Portal | .NET SDK | Python SDK | Java SDK | JavaScript SDK | REST-API |
|---|---|---|---|---|---|---|
| ❌ | ✔️ | ✔️ | ✔️ | ✔️ | ✔️ | ✔️ |
Voraussetzungen
Ein Foundry IQ-Dienst in jeder Region, die agentische Abrufe ermöglicht. Dateibasierte Wissensquellen unterstützen sowohl die Preismodelle „Dedicated“ als auch „Serverless“. Einzelheiten zu Modell und Dienstebene finden Sie unter Ein Preismodell und eine Dienstebene auswählen.
Informieren Sie sich über Foundry IQ-Kosten. Modellaufrufe, Vektorisierung und andere KI-Verarbeitungen können separate Gebühren verursachen.
Bei Serverless verbrauchen erfolgreiche Dateiaufnahmevorgänge eine abrechnungsfähige Berechnung. Für fehlgeschlagene Uploads fallen keine Serverless-Compute-Gebühren an.
Wenn Sie einen kostenpflichtigen agentischen Abruf über das monatliche kostenlose Freigeld hinaus benötigen, aktivieren Sie den standardmäßigen agentischen Abrufplan. Die
knowledgeRetrieval=standardEinstellung unterscheidet sich von Serverless Compute- und Speichergebühren und wählt kein Preismodell aus.Dateien in einem unterstützten Format.
Berechtigung zum Erstellen von Wissensquellen. Konfigurieren Sie die schlüssellose Authentifizierung mit der Rolle "Mitwirkender des Suchdiensts ", die Ihrem Benutzerkonto zugewiesen ist (empfohlen), oder verwenden Sie einen Administrator-API-Schlüssel.
Weisen Sie für Aufrufe verwalteter Identitäten an Azure OpenAI-Einbettungen der ausgewählten Identität auf der Azure OpenAI- oder übergeordneten Foundry-Ressource, die
resourceUrientspricht, Cognitive Services OpenAI User zu. Die Inhaltsverständnisextraktion erfordert separate Berechtigungen. Siehe Rolle zuweisen.Wenn die Foundry-Ressource den Zugriff auf das öffentliche Netzwerk deaktiviert hat, verwenden Sie einen berechtigten dedizierten Dienst, um eine
foundry_accountfreigegebene private Verknüpfung mit der Foundry-Ressource zu erstellen. Lassen Sie die Einstellung der Ressource Zulassen, dass Azure-Dienste in der Liste vertrauenswürdiger Dienste aufgeführt werden aktiviert. Serverless unterstützt diese Konfiguration für freigegebene private Links nicht. Unterstützte Zugriffskontrollen für öffentliche Endpunkte finden Sie unter Netzwerksicherheitsperimeter; ein Umkreis erstellt keine private Verbindung.Überprüfen Sie die Konfiguration der Wissensquelle und die Ebenenmatrix. Der Dateiupload erstellt keinen Indexer, sodass die Netzwerküberschreibung des generierten Indexers nicht angewendet wird.
Wenn die Wissensquelle den
standardInhaltsextraktionsmodus angibt, überprüfen Sie die Anforderungen für die Azure Fähigkeit zum Inhaltsverständnis.- Für das Beispiel in diesem Artikel benötigen Sie den Foundry-Ressourcenendpunkt und den Schlüssel sowie Azure OpenAI-Einbettungs- und Chatabschlussmodellinformationen.
Das neueste
Azure.Search.DocumentsVorschaupaket:dotnet add package Azure.Search.Documents --prereleaseFür die schlüssellose Authentifizierung das Paket
Azure.Identity:dotnet add package Azure.Identity
Das neueste
azure-search-documentsVorschaupaket:pip install --pre azure-search-documentsFür die schlüssellose Authentifizierung das Paket
azure-identity:pip install azure-identity
Die Version 2026-10-01 der REST-API des Suchdiensts.
Fügen Sie für die schlüssellose Authentifizierung ein Microsoft Entra ID-Token in den
AuthorizationHeader jeder HTTP-Anforderung ein.
Dateiunterstützung und -beschränkungen
Bevor Sie eine Dateiwissensquelle erstellen, überprüfen Sie die Anforderungen und Grenzwerte, die sich auf das Hochladen, Extrahieren und Verwalten von Dateien auswirken.
Unterstützte Inhaltstypen
Foundry IQ erkennt den MIME-Typ anhand der Dateibytes.
minimal Die Extraktion unterstützt unterstützte Dokumentformate, einschließlich erkannter text/*-Typen.
standardDie Extraktion hat eine eingeschränktere Auswahl basierend auf den Dateiformaten, die von der Azure Content Understanding-Funktion unterstützt werden. Bilder erfordern standard Extraktion und ein erkanntes, unterstütztes Dateiformat.
Unterstützte Extraktionsmodi
minimal verwendet integrierte Extraktion und ist die Standardeinstellung.
standard sendet jede Datei zur Inhaltsanalyse und erfordert eine Konfiguration von aiServices.
- Inhalt, der als
image/*erkannt wurde, wird in2026-05-01-previewnicht unterstützt. Verwenden Sie in2026-10-01die Extraktionstandard.minimalDie Extraktion gibt den HTTP-Status415in beiden Versionen zurück.
Grenzwerte und Dateivorgänge
Grenzwerte und unterstützte Dateivorgänge unterscheiden sich je nach API-Version und Erfassungsmethode.
| Fähigkeit |
2026-11-01-preview asynchron |
2026-10-01 synchron |
2026-08-01-preview synchron |
|---|---|---|---|
| Maximale Anzahl von Dateien pro Wissensquelle | 10.000 | 200 | 200 |
| Maximale Dateigröße | 512 MiB | 50 MiB auf Free und Basic; 100 MiB auf anderen unterstützten Ebenen | 50 MiB auf Free und Basic; 100 MiB auf anderen unterstützten Dedicated Tarifen und Serverless |
| Verarbeitungsdauer | Umfrage bis zum Abschluss | 180 Sekunden | 180 Sekunden |
Ein generierter Suchindex speichert den hochgeladenen Inhalt. Informationen zu Gesamtspeicherlimits nach Preisniveau finden Sie unter Dienstgrenzwerte. Wenn Sie die Vektorisierung konfigurieren, gelten auch Modell- und Downstreamverarbeitungsgrenzwerte.
Überprüfen auf vorhandene Wissensquellen
In den Beispielen C# und Python werden die Vorschau-SDKs für November verwendet. Legen Sie für REST-Anforderungen {{api-version}} auf 2026-11-01-preview.
Eine Wissensquelle ist ein wiederverwendbares Objekt auf oberster Ebene. Das Wissen über vorhandene Wissensquellen ist hilfreich, um neue Objekte wiederzuverwenden oder zu benennen.
Führen Sie den folgenden Code aus, um Wissensquellen nach Namen und Typ auflisten.
// 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}}
Referenz:Wissensquellen - Liste
Sie können auch eine einzelne Wissensquelle anhand des Namens zurückgeben, um die JSON-Definition zu überprüfen.
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}}
Referenz:Wissensquellen - Abrufen
Der folgende JSON-Code ist eine Beispielantwort für eine Dateiwissensquelle.
{
"name": "my-file-ks",
"kind": "file",
"description": "A sample file knowledge source.",
"encryptionKey": null,
"fileParameters": {
"ingestionParameters": {
"contentExtractionMode": "minimal",
"embeddingModel": {
"kind": "azureOpenAI",
"azureOpenAIParameters": {
"resourceUri": "<REDACTED>",
"deploymentId": "text-embedding-3-large",
"modelName": "text-embedding-3-large"
}
}
}
}
}
Erstellen einer Wissensquelle
Erstellen Sie eine Dateiwissensquelle, die das Einbettungsmodell angibt, das zum Vektorisieren von hochgeladenen Inhalten verwendet wird.
Jede dateibasierte Wissensquelle erstellt einen Index, aber keinen Indexer oder Zeitplan. Sie müssen das fileParameters.ingestionParameters Objekt einschließen. Der Dienst lehnt Anfragen ab, die networkAccessMode angeben.
using Azure.Identity;
using Azure.Search.Documents.Indexes;
using Azure.Search.Documents.Indexes.Models;
using Azure.Search.Documents.KnowledgeBases.Models;
var indexClient = new SearchIndexClient(new Uri(searchEndpoint), new DefaultAzureCredential());
var embeddingParams = new AzureOpenAIVectorizerParameters
{
ResourceUri = new Uri(aoaiEndpoint),
DeploymentName = aoaiEmbeddingDeployment,
ModelName = aoaiEmbeddingModel
};
var ingestionParams = new KnowledgeSourceIngestionParameters
{
ContentExtractionMode = "minimal",
EmbeddingModel = new KnowledgeSourceAzureOpenAIVectorizer
{
AzureOpenAIParameters = embeddingParams
}
};
var fileParams = new FileKnowledgeSourceParameters
{
IngestionParameters = ingestionParams
};
var knowledgeSource = new FileKnowledgeSource(
name: "my-file-ks",
fileParameters: fileParams
)
{
Description = "This knowledge source uses directly uploaded product manuals."
};
await indexClient.CreateOrUpdateKnowledgeSourceAsync(knowledgeSource);
Reference:SearchIndexClient
from azure.identity import DefaultAzureCredential
from azure.search.documents.indexes import SearchIndexClient
from azure.search.documents.indexes.models import (
AzureOpenAIVectorizerParameters,
FileKnowledgeSource,
FileKnowledgeSourceParameters,
)
from azure.search.documents.knowledgebases.models import (
KnowledgeSourceAzureOpenAIVectorizer,
KnowledgeSourceIngestionParameters,
)
index_client = SearchIndexClient(endpoint="<search-endpoint>", credential=DefaultAzureCredential())
embedding_params = AzureOpenAIVectorizerParameters(
resource_url="<aoai-endpoint>",
deployment_name="<aoai-embedding-deployment>",
model_name="<aoai-embedding-model>",
)
ingestion_params = KnowledgeSourceIngestionParameters(
content_extraction_mode="minimal",
embedding_model=KnowledgeSourceAzureOpenAIVectorizer(
azure_open_ai_parameters=embedding_params
),
)
knowledge_source = FileKnowledgeSource(
name="my-file-ks",
description="This knowledge source uses directly uploaded product manuals.",
file_parameters=FileKnowledgeSourceParameters(ingestion_parameters=ingestion_params),
)
index_client.create_or_update_knowledge_source(knowledge_source=knowledge_source)
Reference:SearchIndexClient
PUT {{searchEndpoint}}/knowledgesources('my-file-ks')?api-version=2026-10-01
Authorization: ******
Content-Type: application/json
Prefer: return=representation
{
"name": "my-file-ks",
"kind": "file",
"description": "This knowledge source uses directly uploaded product manuals.",
"encryptionKey": null,
"fileParameters": {
"ingestionParameters": {
"embeddingModel": {
"kind": "azureOpenAI",
"azureOpenAIParameters": {
"resourceUri": "{{aoai-endpoint}}",
"deploymentId": "{{aoai-embedding-deployment}}",
"modelName": "{{aoai-embedding-model}}"
}
},
"contentExtractionMode": "minimal"
}
}
}
Referenz:Wissensquellen – Erstellen oder Aktualisieren
Für eine neue Quelle erwarten 201 (200 aktualisiert eine vorhandene Quelle). Lesen Sie die Definition erneut, um den Namen, die Art und den generierten Index zu bestätigen.
GET {{searchEndpoint}}/knowledgesources('my-file-ks')?api-version=2026-10-01
Authorization: ******
Referenz:Wissensquellen
Konfigurieren der Standardextraktion
Ab der API-Version standard verwendet die 2026-08-01-preview-Extraktion Content Understanding, um hochgeladene Dateien zu extrahieren, semantisch zu segmentieren und anzureichern. Foundry IQ verwaltet die Aufnahmepipeline, wobei die in aiServicesder Datei angegebene Foundry-Ressource verwendet wird.
Die C#- und Python-Konfigurationsbeispiele verwenden die November-Vorschau-SDKs. Das REST-Beispiel verwendet 2026-11-01-preview. Überprüfen Sie die Anforderungen für das Inhaltsverständnis , bevor Sie sie verwenden.
Die Standardkonfiguration kann dem konfigurierten Content Understanding-Konto kontoweite Modellzuordnungen hinzufügen. Überprüfen Sie die freigegebene Konfiguration, bevor Sie eine Standardquelle erstellen oder aktualisieren. Bei minimalem Setup wird dieses Konto nicht konfiguriert und es werden keine Modellanmeldeinformationen verwendet.
Die Standardextraktion verursacht Gebühren für das Inhaltsverständnis und, wenn die Bildversprechung aktiviert ist, Modellnutzungsgebühren. Weitere Informationen finden Sie unter Abrechnungs- und Bildbeschreibungssteuerelemente.
using Azure.Identity;
using Azure.Search.Documents.Indexes;
using Azure.Search.Documents.Indexes.Models;
using Azure.Search.Documents.KnowledgeBases.Models;
var indexClient = new SearchIndexClient(new Uri(searchEndpoint), new DefaultAzureCredential());
var embeddingParameters = new AzureOpenAIVectorizerParameters
{
ResourceUri = new Uri(aoaiEndpoint),
DeploymentName = aoaiEmbeddingDeployment,
ModelName = aoaiEmbeddingModel
};
var ingestionParameters = new KnowledgeSourceIngestionParameters
{
ContentExtractionMode = KnowledgeSourceContentExtractionMode.Standard,
AiServices = new AIServices(new Uri(foundryEndpoint)) { ApiKey = foundryKey },
EmbeddingModel = new KnowledgeSourceAzureOpenAIVectorizer
{
AzureOpenAIParameters = embeddingParameters
},
ChatCompletionModel = new KnowledgeBaseAzureOpenAIModel(
new AzureOpenAIVectorizerParameters
{
ResourceUri = new Uri(aoaiEndpoint),
DeploymentName = aoaiChatDeployment,
ModelName = aoaiChatModel
})
};
var knowledgeSource = new FileKnowledgeSource(
"my-file-ks",
new FileKnowledgeSourceParameters { IngestionParameters = ingestionParameters });
await indexClient.CreateOrUpdateKnowledgeSourceAsync(knowledgeSource);
Reference:SearchIndexClient
from azure.identity import DefaultAzureCredential
from azure.search.documents.indexes import SearchIndexClient
from azure.search.documents.indexes.models import (
AzureOpenAIVectorizerParameters,
FileKnowledgeSource,
FileKnowledgeSourceParameters,
KnowledgeBaseAzureOpenAIModel,
)
from azure.search.documents.knowledgebases.models import (
AIServices,
KnowledgeSourceAzureOpenAIVectorizer,
KnowledgeSourceIngestionParameters,
)
index_client = SearchIndexClient(endpoint="<search-endpoint>", credential=DefaultAzureCredential())
embedding_parameters = AzureOpenAIVectorizerParameters(
resource_url="<aoai-endpoint>",
deployment_name="<aoai-embedding-deployment>",
model_name="<aoai-embedding-model>",
)
ingestion_parameters = KnowledgeSourceIngestionParameters(
content_extraction_mode="standard",
ai_services=AIServices(
uri="<foundry-resource-endpoint>",
api_key="<foundry-resource-key>",
),
embedding_model=KnowledgeSourceAzureOpenAIVectorizer(
azure_open_ai_parameters=embedding_parameters
),
chat_completion_model=KnowledgeBaseAzureOpenAIModel(
azure_open_ai_parameters=AzureOpenAIVectorizerParameters(
resource_url="<aoai-endpoint>",
deployment_name="<aoai-gpt-deployment>",
model_name="<aoai-gpt-model>",
)
),
)
knowledge_source = FileKnowledgeSource(
name="my-file-ks",
file_parameters=FileKnowledgeSourceParameters(
ingestion_parameters=ingestion_parameters
),
)
index_client.create_or_update_knowledge_source(knowledge_source)
Reference:SearchIndexClient
PUT {{searchEndpoint}}/knowledgesources('my-file-ks')?api-version=2026-11-01-preview
Content-Type: application/json
Authorization: Bearer {{search-access-token}}
Prefer: return=representation
{
"name": "my-file-ks",
"kind": "file",
"description": "This knowledge source uses standard extraction.",
"fileParameters": {
"ingestionParameters": {
"embeddingModel": {
"kind": "azureOpenAI",
"azureOpenAIParameters": {
"resourceUri": "{{aoai-endpoint}}",
"deploymentId": "{{aoai-embedding-deployment}}",
"modelName": "{{aoai-embedding-model}}"
}
},
"chatCompletionModel": {
"kind": "azureOpenAI",
"azureOpenAIParameters": {
"resourceUri": "{{aoai-endpoint}}",
"deploymentId": "{{aoai-gpt-deployment}}",
"modelName": "{{aoai-gpt-model}}"
}
},
"contentExtractionMode": "standard",
"aiServices": {
"uri": "{{foundry-resource-endpoint}}",
"apiKey": "{{foundry-resource-key}}"
}
}
}
}
CORS für Dateivorgänge
Legen Sie corsOptions in der vollständigen Quelldefinition fest, um einen vertrauenswürdigen Browserursprung für den Dateiupload, die Liste, das Aktualisieren und Löschen zuzulassen.
Important
In der 2026-10-01 API-Version gilt corsOptions für Endpunkte zum Hochladen, Auflisten, Aktualisieren und Löschen von Dateien, unabhängig vom Extraktionsmodus. Wenn Sie corsOptions weglassen, hat die Datei-Wissensquelle keine Cross-Origin-Richtlinie des Browsers. CORS autorisiert keine Anfragen. Das Aktivieren von Quellen kann Dienstvorgänge und Daten in einem Browserkontext offenlegen und Sicherheitsrisiken mit sich bringen. Geben Sie nur vertrauenswürdige Quellen an und verwenden Sie in Produktionsumgebungen keine Platzhalter-Quelle. Verwenden Sie für Browseranforderungen die Microsoft Entra-Tokenauthentifizierung mit der minimal erforderlichen Rolle. Stellen Sie niemals Zugriffstoken oder Dienstschlüssel im Browsercode zur Verfügung.
PUT {{searchEndpoint}}/knowledgesources('my-file-ks')?api-version=2026-10-01
api-key: {{searchAdminKey}}
Content-Type: application/json
{
"name": "my-file-ks",
"kind": "file",
"fileParameters": {
"ingestionParameters": {
"embeddingModel": {
"kind": "azureOpenAI",
"azureOpenAIParameters": {
"resourceUri": "{{aoai-endpoint}}",
"deploymentId": "{{aoai-embedding-deployment}}",
"modelName": "{{aoai-embedding-model}}"
}
},
"contentExtractionMode": "minimal"
}
},
"corsOptions": {
"allowedOrigins": ["https://files.example.com"],
"maxAgeInSeconds": 300
}
}
Referenz:Wissensquellen
OPTIONS {{searchEndpoint}}/knowledgesources('my-file-ks')/files?api-version=2026-10-01
Origin: https://files.example.com
Access-Control-Request-Method: POST
Access-Control-Request-Headers: authorization,content-type
Referenz:Wissensquellen
Dateien hochladen
Nachdem Sie die Wissensquelle erstellt haben, laden Sie Dateien mit einem Multipart-Upload direkt darauf hoch. Jeder Upload ist ein synchroner Aufruf. Foundry IQ extrahiert den Inhalt, teilt ihn in Blöcke auf, erstellt Einbettungen bei Bedarf, indiziert die Blöcke und speichert die Dateimetadaten. Sie müssen keine separate Ingestionspipeline einrichten oder ausführen.
Hilfe bei Fehlern im Zusammenhang mit dem Hochladen und Verwalten von Dateien finden Sie unter Problembehandlung bei Dateivorgängen.
POST {{searchEndpoint}}/knowledgesources('my-file-ks')/files?api-version=2026-10-01
Authorization: ******
Content-Type: multipart/form-data; boundary=file-boundary
--file-boundary
Content-Disposition: form-data; name="metadata"
Content-Type: application/json
{
"fileName": "manuals/handbook.txt"
}
--file-boundary
Content-Disposition: form-data; name="content"; filename="handbook.txt"
Content-Type: application/octet-stream
Employees request production access through the engineering access portal.
--file-boundary--
Referenz:Wissensquellen
Hochladen einer Rohdatei
Raw-Upload ist nur in Vorschau-APIs verfügbar. Informationen zu GA-Dateiuploads finden Sie unter "Hochladen von Dateien".
Die C#- und Python-Beispiele in Rohform verwenden die Vorschau-SDKs vom November. Im REST-Beispiel wird der 2026-11-01-preview synchrone Endpunkt verwendet.
Dateinamen können einen relativen Pfad enthalten, wie z. B. manuals/installation-guide.pdf. Der Dienst normalisiert Backslashes zu Schrägstrichen. Es lehnt absolute Pfade, leere Pfadsegmente oder .. Segmente, . Doppelpunkt-enthaltende Segmente und ungültige Dateinamenzeichen mit HTTP-Status 400ab.
using Azure.Identity;
using Azure.Search.Documents.Indexes;
using Azure.Search.Documents.Indexes.Models;
var indexClient = new SearchIndexClient(new Uri(searchEndpoint), new DefaultAzureCredential());
string fileName = "installation-guide.pdf";
byte[] fileBytes = await File.ReadAllBytesAsync(fileName);
string contentDisposition = $"attachment; filename=\"{fileName}\"";
KnowledgeSourceFile uploadedFile = (await indexClient.UploadKnowledgeSourceFileAsync(
"my-file-ks",
contentDisposition,
BinaryData.FromBytes(fileBytes))).Value;
from pathlib import Path
from azure.identity import DefaultAzureCredential
from azure.search.documents.indexes import SearchIndexClient
index_client = SearchIndexClient(endpoint="<search-endpoint>", credential=DefaultAzureCredential())
file_path = Path("installation-guide.pdf")
uploaded_file = index_client.upload_knowledge_source_file(
"my-file-ks",
file_path.read_bytes(),
filename=file_path.name,
)
Senden Sie rohe Dateibytes an den synchronen Vorschau-Endpunkt. Verwenden Sie application/octet-stream auch für Textinhalte.
POST {{searchEndpoint}}/knowledgesources('my-file-ks')/files?api-version=2026-11-01-preview
Authorization: ******
Content-Type: application/octet-stream
Content-Disposition: attachment; filename="manuals/raw-handbook.txt"
Employees request production access through the engineering access portal.
Referenz:Wissensquellen
Hochladen einer Datei mit optionalen Metadaten
Verwenden Sie eine Multipart-Anfrage, um eine Binärdatei hochzuladen. Fügen Sie einen metadata-Teil mit einem JSON-Objekt und einen nicht leeren content-Teil hinzu. Der metadata Teil ist auch dann erforderlich, wenn Sie keine benutzerdefinierten Metadaten haben; verwenden Sie in diesem Fall {}. Wenn Sie benutzerdefinierte Metadaten hinzufügen, verwenden Sie eine flache Sammlung von Zeichenfolgenwerten.
Wenn beide Namen angegeben sind, metadata.fileName hat dies Vorrang vor dem Dateinamen des content Teils. Wenn keines angegeben ist, weist der Dienst einen automatisch generierten Dateinamen zu.
using Azure.Identity;
using Azure.Search.Documents.Indexes;
using Azure.Search.Documents.Indexes.Models;
var indexClient = new SearchIndexClient(new Uri(searchEndpoint), new DefaultAzureCredential());
var metadata = new FileUploadMetadata
{
FileName = "installation-guide.pdf",
Metadata =
{
["department"] = "support",
["product"] = "contoso-100"
}
};
#pragma warning disable SCME0004
var request = new UploadKnowledgeSourceFileMultipartRequest(
metadata,
"installation-guide.pdf");
KnowledgeSourceFile uploadedFile = (await indexClient
.UploadKnowledgeSourceFileMultipartAsync("my-file-ks", request)).Value;
#pragma warning restore SCME0004
Reference:SearchIndexClient.UploadKnowledgeSourceFileMultipartAsync
from pathlib import Path
from azure.identity import DefaultAzureCredential
from azure.search.documents.indexes import SearchIndexClient
from azure.search.documents.indexes.models import (
FileUploadMetadata,
UploadKnowledgeSourceFileMultipartRequest,
)
index_client = SearchIndexClient(endpoint="<search-endpoint>", credential=DefaultAzureCredential())
file_path = Path("installation-guide.pdf")
request = UploadKnowledgeSourceFileMultipartRequest(
metadata=FileUploadMetadata(
file_name=file_path.name,
metadata={"department": "support", "product": "contoso-100"},
),
content=(file_path.name, file_path.read_bytes(), "application/pdf"),
)
uploaded_file = index_client.upload_knowledge_source_file_multipart(
name="my-file-ks",
body=request,
)
Reference:SearchIndexClient.upload_knowledge_source_file_multipart
POST {{search-endpoint}}/knowledgesources('my-file-ks')/files?api-version=2026-11-01-preview
Authorization: Bearer {{search-access-token}}
Content-Type: multipart/form-data; boundary=file-boundary
--file-boundary
Content-Disposition: form-data; name="metadata"
Content-Type: application/json
{
"fileName": "installation-guide.pdf",
"metadata": {
"department": "support",
"product": "contoso-100"
}
}
--file-boundary
Content-Disposition: form-data; name="content"; filename="installation-guide.pdf"
Content-Type: application/octet-stream
< ./installation-guide.pdf
--file-boundary--
Referenz:Wissensquellen – Datei hochladen
Durch das Hochladen einer Datei wird keine vorhandene Datei ersetzt, auch wenn Sie dasselbe fileNamewiederverwenden. Jeder erfolgreiche Upload erstellt eine neue Datei mit einer eigenen fileId, sodass die Liste der hochgeladenen Dateien mehrere Einträge enthalten kann, die sich ein fileName teilen.
Auflisten hochgeladener Dateien
Auflisten von Dateien in der Wissensquelle, um den hochgeladenen Dateisatz zu prüfen.
using System.Collections.Generic;
using Azure.Identity;
using Azure.Search.Documents.Indexes;
using Azure.Search.Documents.Indexes.Models;
var indexClient = new SearchIndexClient(new Uri(searchEndpoint), new DefaultAzureCredential());
var files = new List<KnowledgeSourceFile>();
await foreach (KnowledgeSourceFile file in indexClient.GetAllKnowledgeSourceFilesAsync("my-file-ks"))
{
files.Add(file);
}
Reference:SearchIndexClient
from azure.identity import DefaultAzureCredential
from azure.search.documents.indexes import SearchIndexClient
index_client = SearchIndexClient(endpoint="<search-endpoint>", credential=DefaultAzureCredential())
files = list(index_client.list_knowledge_source_files("my-file-ks"))
GET {{searchEndpoint}}/knowledgesources('my-file-ks')/files?api-version=2026-10-01
Authorization: ******
Referenz:Wissensquellen
Die Antwort enthält Metadaten für jede hochgeladene Datei. Erfolgreich aufgelistete Dateien haben einen errorMessage Wert von null.
{
"value": [
{
"fileId": "file-abc123",
"fileName": "installation-guide.pdf",
"fileSizeBytes": 1048576,
"createdAt": "2026-05-07T18:10:00Z",
"lastUpdatedAt": "2026-05-07T18:14:00.803Z",
"errorMessage": null
}
]
}
Wenn ein neuer Upload fehlschlägt, gibt die Anforderung einen Fehler zurück und erstellt keinen Dateimetadatensatz.
Auflisten und Filtern von Dateien
Wenn Sie Dateien auflisten, verwenden Sie diese Abfrageparameter, um die Ergebnisse zu filtern und zu durchlaufen:
-
prefix: Führt eine Übereinstimmung unter Berücksichtigung von Groß- und Kleinschreibung durch, die mit dem vollständigen relativen Dateinamen beginnt. Verwenden Sieprefix, nichtsearch, für Pfade, die Schrägstriche oder Punkte enthalten. -
search: Führt eine Übereinstimmung mit dem Anfang des vollständigen relativen Dateinamens ohne Berücksichtigung der Groß-/Kleinschreibung durch. Akzeptiert wird nur die Syntax des Ressourcennamenpräfixes: Kleinbuchstaben, Ziffern, Bindestriche und Unterstriche, beginnend mit einem Buchstaben oder einer Ziffer. Legen SiesearchTypediesen Abgleichsmodus aufprefix, dessen einziger unterstützter Wert fest. Dieser Wert gilt fürsearch, nicht für den separatenprefix-Parameter. -
pageSize: Hat mindestens 1, maximal 3.000 und einen Standardwert von 3.000.
using System.Collections.Generic;
using Azure.Identity;
using Azure.Search.Documents.Indexes;
using Azure.Search.Documents.Indexes.Models;
var indexClient = new SearchIndexClient(new Uri(searchEndpoint), new DefaultAzureCredential());
var filteredFiles = new List<KnowledgeSourceFile>();
await foreach (KnowledgeSourceFile file in indexClient.GetAllKnowledgeSourceFilesAsync(
"my-file-ks",
prefix: "manuals/",
pageSize: 100))
{
filteredFiles.Add(file);
}
Referenz:SearchIndexClient
from azure.identity import DefaultAzureCredential
from azure.search.documents.indexes import SearchIndexClient
index_client = SearchIndexClient(endpoint="<search-endpoint>", credential=DefaultAzureCredential())
files = list(index_client.list_knowledge_source_files(
"my-file-ks",
prefix="manuals/",
page_size=100,
))
GET {{searchEndpoint}}/knowledgesources('my-file-ks')/files?api-version=2026-10-01&prefix=manuals%2F&search=manuals&searchType=prefix&pageSize=1
Authorization: ******
Referenz:Wissensquellen
Die Antwort umfasst vom Dienst ausgewählte Analyse- und Extraktionsmodi sowie Benutzermetadaten für die Dateiverwaltung. Benutzermetadaten können nicht durchsucht oder gefiltert werden.
{
"value": [
{
"fileId": "file-abc123",
"fileName": "manuals/installation-guide.md",
"prefix": "manuals/",
"metadata": {
"department": "support",
"product": "contoso-100"
},
"parsingMode": "markdown",
"extractionMode": "minimal",
"fileSizeBytes": 1048576,
"createdAt": "2026-08-03T18:10:00Z",
"lastUpdatedAt": "2026-08-03T18:14:00Z",
"errorMessage": null
}
],
"@odata.nextLink": "<service-generated continuation URL>"
}
Um alle Ergebnisse abzurufen, verwenden Sie @odata.nextLink, bis es nicht mehr vorhanden ist. Senden Sie die vollständige URL genau wie zurückgegeben, ohne die Abfrageparameter zu ändern.
Aktualisieren einer hochgeladenen Datei
Aktualisieren Sie eine Datei, indem Sie eine PUT-Anfrage mit der zurückgegebenen fileId senden. Fügen Sie fileName es erneut ein, um den Dateinamen beizubehalten.
Wenn Sie den benutzerdefinierten metadata Beutel weglassen oder auf diese nullfestlegen, werden die vorherigen benutzerdefinierten Metadatenwerte beibehalten. Wenn Sie einen benutzerdefinierten metadata Bag bereitstellen, ersetzt er den vorherigen Bag, anstatt ihn mit ihm zusammenzuführen. Geben Sie "metadata": {}an, um den benutzerdefinierten Metadatenbehälter zu löschen.
using Azure.Identity;
using Azure.Search.Documents.Indexes;
using Azure.Search.Documents.Indexes.Models;
var indexClient = new SearchIndexClient(new Uri(searchEndpoint), new DefaultAzureCredential());
var metadata = new FileUploadMetadata
{
FileName = "installation-guide.pdf",
Metadata =
{
["department"] = "support",
["product"] = "contoso-200"
}
};
#pragma warning disable SCME0004
var request = new UpdateKnowledgeSourceFileRequest(
metadata,
"installation-guide.pdf");
KnowledgeSourceFile updatedFile = (await indexClient.UpdateKnowledgeSourceFileAsync(
fileId,
"my-file-ks",
request)).Value;
#pragma warning restore SCME0004
from pathlib import Path
from azure.identity import DefaultAzureCredential
from azure.search.documents.indexes import SearchIndexClient
from azure.search.documents.indexes.models import (
FileUploadMetadata,
UpdateKnowledgeSourceFileRequest,
)
index_client = SearchIndexClient(endpoint="<search-endpoint>", credential=DefaultAzureCredential())
file_path = Path("installation-guide.pdf")
request = UpdateKnowledgeSourceFileRequest(
metadata=FileUploadMetadata(
file_name=file_path.name,
metadata={"department": "support", "product": "contoso-200"},
),
content=(file_path.name, file_path.read_bytes(), "application/pdf"),
)
updated_file = index_client.update_knowledge_source_file(
name="my-file-ks",
file_id=file_id,
body=request,
)
PUT {{search-endpoint}}/knowledgesources('my-file-ks')/files('{{file-id}}')?api-version=2026-11-01-preview
Authorization: Bearer {{search-access-token}}
Content-Type: multipart/form-data; boundary=file-boundary
--file-boundary
Content-Disposition: form-data; name="metadata"
Content-Type: application/json
{
"fileName": "installation-guide.pdf",
"metadata": {
"department": "support",
"product": "contoso-200"
}
}
--file-boundary
Content-Disposition: form-data; name="content"; filename="installation-guide.pdf"
Content-Type: application/octet-stream
< ./installation-guide.pdf
--file-boundary--
Referenz:Wissensquellen – Datei aktualisieren
Wenn ein Update fehlschlägt, bleibt der vorherige Metadatendatensatz erhalten, aber der alte indizierte Inhalt wurde möglicherweise bereits entfernt.
Löschen hochgeladener Dateien
Löschen Sie Dateien aus der Wissensquelle, wenn sie nicht mehr zum Abrufen verfügbar sein sollen.
using Azure.Identity;
using Azure.Search.Documents.Indexes;
var indexClient = new SearchIndexClient(new Uri(searchEndpoint), new DefaultAzureCredential());
await indexClient.DeleteKnowledgeSourceFileAsync("my-file-ks", "file-abc123");
from azure.identity import DefaultAzureCredential
from azure.search.documents.indexes import SearchIndexClient
index_client = SearchIndexClient(endpoint="<search-endpoint>", credential=DefaultAzureCredential())
index_client.delete_knowledge_source_file("my-file-ks", "file-abc123")
DELETE {{searchEndpoint}}/knowledgesources('my-file-ks')/files('{{fileId}}')?api-version=2026-10-01
Authorization: ******
Referenz:Wissensquellen
Wenn Sie mit der Wissensquelle zufrieden sind, fügen Sie sie einer Wissensbasis hinzu.
Dateien asynchron importieren (Vorschau)
Verwenden Sie die separaten :ingest Aktionen, um Dateien im Hintergrund zu verarbeiten. Die asynchrone Erfassung und Vorgangsüberwachung erfordern 2026-11-01-preview.
- Die asynchrone Datenaufnahme unterstützt keine durch kundenseitig verwaltete Schlüssel geschützten Wissensquellen.
- Bei Drosselung kann
503bei der asynchronen Aufnahme zurückgegeben werden.
using Azure;
using Azure.Identity;
using Azure.Search.Documents.Indexes;
using Azure.Search.Documents.Indexes.Models;
var asyncIndexClient = new SearchIndexClient(
new Uri(searchEndpoint),
new DefaultAzureCredential());
var initialMetadata = new FileUploadMetadata
{
FileName = "manuals/async-handbook.txt",
Metadata = { ["stage"] = "initial" }
};
var ingestRequest = new UploadKnowledgeSourceFileMultipartRequest(
initialMetadata,
BinaryData.FromString(
"Employees request production access through the engineering access portal."));
Operation<KnowledgeSourceFile> ingestOperation = await asyncIndexClient
.IngestKnowledgeSourceFileMultipartAsync(
WaitUntil.Completed,
"my-file-ks",
ingestRequest);
KnowledgeSourceFile ingestedFile = ingestOperation.Value;
var updatedMetadata = new FileUploadMetadata
{
FileName = "manuals/async-handbook.txt",
Metadata = { ["stage"] = "updated" }
};
var replacementRequest = new UpdateKnowledgeSourceFileRequest(
updatedMetadata,
BinaryData.FromString(
"Employees request production access through the engineering access portal. " +
"Manager approval is required before access is granted."));
Operation<KnowledgeSourceFile> replacementOperation = await asyncIndexClient
.IngestKnowledgeSourceFileReplacementAsync(
WaitUntil.Completed,
"my-file-ks",
ingestedFile.FileId,
replacementRequest);
KnowledgeSourceFile replacedFile = replacementOperation.Value;
Referenz:SearchIndexClient
from azure.identity import DefaultAzureCredential
from azure.search.documents.indexes import SearchIndexClient
from azure.search.documents.indexes.models import (
FileUploadMetadata,
UpdateKnowledgeSourceFileRequest,
UploadKnowledgeSourceFileMultipartRequest,
)
async_index_client = SearchIndexClient(
endpoint="<search-endpoint>",
credential=DefaultAzureCredential(),
)
ingest_request = UploadKnowledgeSourceFileMultipartRequest(
metadata=FileUploadMetadata(
file_name="manuals/async-handbook.txt",
metadata={"stage": "initial"},
),
content=(
"handbook.txt",
b"Employees request production access through the engineering access portal.",
"application/octet-stream",
),
)
ingest_poller = async_index_client.begin_ingest_knowledge_source_file_multipart(
name="my-file-ks",
body=ingest_request,
)
ingested_file = ingest_poller.result()
replacement_request = UpdateKnowledgeSourceFileRequest(
metadata=FileUploadMetadata(
file_name="manuals/async-handbook.txt",
metadata={"stage": "updated"},
),
content=(
"handbook.txt",
(
b"Employees request production access through the engineering access portal. "
b"Manager approval is required before access is granted."
),
"application/octet-stream",
),
)
replacement_poller = (
async_index_client.begin_ingest_knowledge_source_file_replacement(
name="my-file-ks",
file_id=ingested_file.file_id,
body=replacement_request,
)
)
replaced_file = replacement_poller.result()
Reference:SearchIndexClient
Starten der Aufnahme und Überwachen des Abschlusses
Laden Sie eine Datei mit wörtlichen Multipart-Metadaten und Inhalten hoch.
POST {{searchEndpoint}}/knowledgesources('my-file-ks')/files:ingest?api-version=2026-11-01-preview
Authorization: ******
Content-Type: multipart/form-data; boundary=file-boundary
--file-boundary
Content-Disposition: form-data; name="metadata"
Content-Type: application/json
{
"fileName": "manuals/async-handbook.txt",
"metadata": {
"stage": "initial"
}
}
--file-boundary
Content-Disposition: form-data; name="content"; filename="handbook.txt"
Content-Type: application/octet-stream
Employees request production access through the engineering access portal.
--file-boundary--
Referenz:Wissensquellen
Erwartet wird 202. Nach der Retry-After Verzögerung können Sie die URL in Operation-Location wiederholt abfragen, bis der Vorgang abgeschlossen ist.
GET {{operationLocation}}
Authorization: ******
Accept: application/json
Referenz:Wissensquellen
Ein Monitor gibt HTTP 200 zurück, während die Ingestion läuft und nachdem sie abgeschlossen ist. Überprüfe status das Ergebnis.
status |
Action |
|---|---|
NotStarted, Running |
Warten Sie, bis Retry-After, und fordern Sie dann erneut die gleiche URL ab. |
Succeeded |
Speichern Sie result.fileId als result.createdAt und behalten Sie {{asyncFileId}} zur Überprüfung des Ersetzens. |
Failed |
Anhalten und error.code (OperationFailed) und error.message prüfen. |
Canceled |
Aufhören. Der Vorgang konnte nicht erfolgreich ausgeführt werden. |
Asynchrones Ersetzen einer Datei
Warten Sie, bis der Upload erfolgreich war, bevor Sie diese Datei ersetzen. Senden Sie eine separate POST-Aktion mit der zurückgegebenen Datei-ID.
POST {{searchEndpoint}}/knowledgesources('my-file-ks')/files('{{asyncFileId}}'):ingest?api-version=2026-11-01-preview
Authorization: ******
Content-Type: multipart/form-data; boundary=file-boundary
--file-boundary
Content-Disposition: form-data; name="metadata"
Content-Type: application/json
{
"fileName": "manuals/async-handbook.txt",
"metadata": {
"stage": "updated"
}
}
--file-boundary
Content-Disposition: form-data; name="content"; filename="handbook.txt"
Content-Type: application/octet-stream
Employees request production access through the engineering access portal. Manager approval is required before access is granted.
--file-boundary--
Referenz:Wissensquellen
Erwartet wird 202. Speichern Sie diese Antwort Operation-Location als {{replacementOperationLocation}} und ehren Sie sie Retry-After. Wenden Sie die gleiche 40-GET-oder-20-Minuten-Clientrichtlinie und eine nicht aufgelöste Ergebnisbehandlung auf die Ersatzüberwachung an.
GET {{replacementOperationLocation}}
Authorization: ******
Accept: application/json
Referenz:Wissensquellen
Nach Succeeded überprüfen Sie, ob result.fileId und result.createdAt mit der ursprünglichen Datei übereinstimmen.
Beibehaltene Vorgänge auflisten
Monitore auflisten, die zu dieser Wissensquelle gehören, getrennt von der Auflistung von Dateien.
GET {{searchEndpoint}}/knowledgesources('my-file-ks')/files/operations?api-version=2026-11-01-preview
Authorization: ******
Referenz:Wissensquellen
Löschen einer Wissensquelle
In den folgenden C#- und Python Beispielen werden die November-Vorschau-SDKs verwendet. Legen Sie für REST-Anforderungen {{api-version}} auf 2026-11-01-preview.
Bevor Sie eine Wissensquelle löschen können, müssen Sie alle Knowledge Basen löschen, die darauf verweisen, oder die Knowledge Base-Definition aktualisieren, um den Verweis zu entfernen. Für Wissensquellen, die eine Index- und Indexerpipeline generieren, werden auch alle generierten Objekte gelöscht. Wenn Sie jedoch einen vorhandenen Index zum Erstellen einer Wissensquelle verwendet haben, wird Ihr Index nicht gelöscht.
Wenn Sie versuchen, eine verwendete Wissensquelle zu löschen, schlägt die Aktion fehl und gibt eine Liste der betroffenen Wissensdatenbanken zurück.
So löschen Sie eine Wissensquelle:
Erhalten Sie eine Liste aller Wissensdatenbanken in Ihrem Foundry IQ-Dienst.
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
Eine Beispielantwort könnte wie folgt aussehen:
{ "@odata.context": "https://my-search-service.search.windows.net/$metadata#knowledgebases(name)", "value": [ { "name": "my-kb" }, { "name": "my-kb-2" } ] }Rufen Sie eine individuelle Wissensbasisdefinition ab, um nach Wissensquellenverweise zu suchen.
using Azure.Search.Documents.Indexes; using System.Text.Json; var indexClient = new SearchIndexClient(new Uri(searchEndpoint), credential); // Specify the knowledge base name to retrieve string kbNameToGet = "earth-knowledge-base"; // Get a specific knowledge base definition var knowledgeBaseResponse = await indexClient.GetKnowledgeBaseAsync(kbNameToGet); var kb = knowledgeBaseResponse.Value; // Serialize to JSON for display string json = JsonSerializer.Serialize(kb, new JsonSerializerOptions { WriteIndented = true }); Console.WriteLine(json);Reference:SearchIndexClient
Eine Beispielantwort könnte wie folgt aussehen:
{ "Name": "earth-knowledge-base", "KnowledgeSources": [ { "Name": "earth-knowledge-source" } ], "Models": [ {} ], "RetrievalReasoningEffort": {}, "OutputMode": {}, "ETag": "\u00220x8DE278629D782B3\u0022", "EncryptionKey": null, "Description": null, "RetrievalInstructions": null, "AnswerInstructions": null }Löschen Sie entweder die Wissensdatenbank, oder aktualisieren Sie, wenn Sie über mehrere Wissensquellen verfügen, die Wissensbasis, um die Quelle zu entfernen. In diesem Beispiel wird das Löschen gezeigt.
using Azure.Search.Documents.Indexes; var indexClient = new SearchIndexClient(new Uri(searchEndpoint), credential); await indexClient.DeleteKnowledgeBaseAsync(knowledgeBaseName); System.Console.WriteLine($"Knowledge base '{knowledgeBaseName}' deleted successfully.");Reference:SearchIndexClient
Löschen Sie die Wissensquelle.
await indexClient.DeleteKnowledgeSourceAsync(knowledgeSourceName); System.Console.WriteLine($"Knowledge source '{knowledgeSourceName}' deleted successfully.");Reference:SearchIndexClient
Erhalten Sie eine Liste aller Wissensbasen auf Ihrem Foundry IQ Service.
# Get knowledge bases from azure.core.credentials import AzureKeyCredential from azure.search.documents.indexes import SearchIndexClient index_client = SearchIndexClient(endpoint = "search_url", credential = AzureKeyCredential("api_key")) print("Knowledge Bases:") for kb in index_client.list_knowledge_bases(): print(f" - {kb.name}")Reference:SearchIndexClient
Eine Beispielantwort könnte wie folgt aussehen:
{ "@odata.context": "https://my-search-service.search.windows.net/$metadata#knowledgebases(name)", "value": [ { "name": "my-kb" }, { "name": "my-kb-2" } ] }Rufen Sie eine individuelle Wissensbasisdefinition ab, um nach Wissensquellenverweise zu suchen.
# 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
Eine Beispielantwort könnte wie folgt aussehen:
{ "name": "my-kb", "description": null, "retrievalInstructions": null, "answerInstructions": null, "outputMode": null, "knowledgeSources": [ { "name": "my-blob-ks" } ], "models": [], "encryptionKey": null, "retrievalReasoningEffort": { "kind": "low" } }Löschen Sie entweder die Wissensdatenbank, oder aktualisieren Sie, wenn Sie über mehrere Wissensquellen verfügen, die Wissensbasis, um die Quelle zu entfernen. In diesem Beispiel wird das Löschen gezeigt.
# 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
Löschen Sie die Wissensquelle.
# 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
Erhalten Sie eine Liste aller Wissensbasen auf Ihrem Foundry IQ Service.
### Get knowledge bases GET {{search-url}}/knowledgebases?api-version={{api-version}}&$select=name Authorization: Bearer {{token}}Referenz:Wissensdatenbanken - Liste
Eine Beispielantwort könnte wie folgt aussehen:
{ "@odata.context": "https://my-search-service.search.windows.net/$metadata#knowledgebases(name)", "value": [ { "name": "my-kb" }, { "name": "my-kb-2" } ] }Rufen Sie eine individuelle Wissensbasisdefinition ab, um nach Wissensquellenverweise zu suchen.
### Get a knowledge base definition GET {{search-url}}/knowledgebases('{{knowledge-base-name}}')?api-version={{api-version}} Authorization: Bearer {{token}}Referenz:Wissensdatenbanken – Abrufen
Eine Beispielantwort könnte wie folgt aussehen:
{ "name": "my-kb", "description": null, "retrievalInstructions": null, "answerInstructions": null, "outputMode": null, "knowledgeSources": [ { "name": "my-blob-ks" } ], "models": [], "encryptionKey": null, "retrievalReasoningEffort": { "kind": "low" } }Löschen Sie entweder die Wissensdatenbank, oder aktualisieren Sie, wenn Sie über mehrere Wissensquellen verfügen, die Wissensbasis, um die Quelle zu entfernen. In diesem Beispiel wird das Löschen gezeigt.
### Delete a knowledge base DELETE {{search-url}}/knowledgebases('{{knowledge-base-name}}')?api-version={{api-version}} Authorization: Bearer {{token}}Referenz:Knowledge Bases - Löschen
Löschen Sie die Wissensquelle.
### Delete a knowledge source DELETE {{search-url}}/knowledgesources('{{knowledge-source-name}}')?api-version={{api-version}} Authorization: Bearer {{token}}Referenz:Wissensquellen - Löschen
DELETE {{searchEndpoint}}/knowledgesources('my-file-ks')?api-version=2026-10-01
Authorization: ******
Referenz:Wissensquellen
Erwartet wird 204. Warten Sie, bis alle asynchronen Vorgänge abgeschlossen sind, bevor Sie die Bereinigung ausführen.
Probleme bei Dateivorgängen beheben
Die folgenden Statuscodes sind spezifisch für Datei-Wissensquellenvorgänge.
| Statuscode | Ursache und Aktion |
|---|---|
400 |
Suchen Sie nach leeren Inhalten, fehlenden oder doppelten Multipart-Teilen, ungültigem Metadaten-JSON, unsicheren relativen Pfaden und ungültigen Listenabfragen. |
404 |
Der Datei-, Quell- oder Operationsmonitor ist im angeforderten Bereich nicht vorhanden. Verwenden Sie die Quelle und die IDs aus der tatsächlichen Antwort. Wiederholte Dateilöschung gibt auch 404 zurück. |
409 |
Die zulässige Anzahl von Dateien ist ausgeschöpft, oder eine Mutation steht in Konflikt mit der aktiven asynchronen Ingestion. Warten Sie auf abschließende Vorgänge, bevor Sie ihre Ressourcen ändern oder löschen. |
413 |
Die Dateigröße in Byte überschreitet den effektiven Größengrenzwert für den Endpunkt und die Ebene. Verringern Sie die Dateigröße. |
415 |
Der synchrone Upload hat einen nicht unterstützten MIME-Typ erkannt oder einen nicht unterstützten äußeren Inhaltstyp erkannt. Wählen Sie für Bilder die Standardextraktion und ein explizit unterstütztes Format aus. Das Ändern des angegebenen MIME-Typs überschreibt die Erkennung nicht. |
503 |
Die asynchrone Ingestion ist nicht verfügbar oder hat keinen geeigneten Worker. Eine Indizierungsabhängigkeit kann diesen Status auch zurückgeben. |
504 |
Die synchrone Verarbeitung hat das konfigurierte Zeitlimit überschritten (standardmäßig 180 Sekunden). Verringern Sie die Dateigröße oder Komplexität. Dies ist keine asynchrone Polling-Frist. |