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.
Hinweis
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.
Wichtig
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.
Standardmäßig führt eine Wissensbasis in Foundry IQ (Azure KI-Suche) Datenextraktion durch und gibt Inhalte aus Ihren Wissensquellen zurück, ohne eine Antwort zu generieren.
Sie können stattdessen die Antwortsynthese aktivieren, die die in Ihrer Wissensbasis konfigurierte LLM verwendet, um eine natürlichsprachige Antwort zu generieren. Sie können Antwortanweisungen bereitstellen, um die Antwort zu gestalten, z. B. das Anfordern einer Aufzählung. Verweise stellen die Quell-IDs bereit, die für Zitate verwendet werden.
Sie können den Ausgabemodus in einer Wissensdatenbank oder einer Abrufanforderung festlegen. Die Einstellung der Knowledge Base legt den Standard für alle Abfragen fest, während die Einstellung für die Abrufanfrage diesen Standard für jede Abfrage einzeln außer Kraft setzt.
Nutzungssupport
| Azure Portal | Microsoft Foundry-Portal | .NET SDK | Python SDK | Java SDK | JavaScript SDK | REST-API |
|---|---|---|---|---|---|---|
| ✔️ | ✔️ | ✔️ | ✔️ | ✔️ | ✔️ | ✔️ |
Voraussetzungen
Ein Foundry IQ-Dienst mit einer Wissensbasis, die ein LLM angibt.
Berechtigung zum Aktualisieren von Wissensdatenbanken. Konfigurieren Sie die schlüssellose Authentifizierung mit der Rolle "Mitwirkender des Suchdiensts ", die Ihrem Benutzerkonto zugewiesen ist (empfohlen), oder verwenden Sie einen Administrator-API-Schlüssel.
Für ausgehende Anrufe an das LLM muss der Foundry IQ-Dienst über eine verwaltete Identität mit den Berechtigungen Cognitive Services User für die Microsoft Foundry-Ressource verfügen.
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 Search REST API ab
2026-10-01. Die Beispiele verwenden2026-11-01-preview.Fügen Sie für die schlüssellose Authentifizierung ein Microsoft Entra ID-Token in den
AuthorizationHeader jeder HTTP-Anforderung ein.
Einschränkungen und Überlegungen
Normale
minimalNutzung umgeht die modellbasierte Abfrageplanung, nicht die Antwortsynthese. Die Synthese erfordert separat ein konfiguriertes Modell, auch mitminimal. Weitere Informationen finden Sie unter Festlegen des Abrufbegründungsaufwands.Für die Antwortsynthese fallen bei Azure OpenAI nutzungsbasierte Gebühren an, die sich nach der Anzahl der Eingabe- und Ausgabetoken richten. Gebühren werden unter dem LLM angezeigt, der der Wissensbasis zugewiesen ist. Weitere Informationen finden Sie unter Verfügbarkeit, Grenzwerte und Abrechnung der Region.
Aktivieren der Antwortsynthese in einer Wissensbasis
Aktivieren Sie die Antwortsynthese in einer vorhandenen Wissensbasis. Informationen zur Erstellung von Wissensbasis finden Sie unter Erstellen einer Wissensbasis.
Legen Sie OutputMode in der Definition "answerSynthesis" auf KnowledgeBase fest. Sie können optional AnswerInstructions festlegen, um die Antwortausgabe anzupassen. Im folgenden Beispiel wird die Wissensdatenbank angewiesen, Use concise bulleted lists.
var indexClient = new SearchIndexClient(
new Uri(searchEndpoint), credential);
var aoaiParams = new AzureOpenAIVectorizerParameters
{
ResourceUri = new Uri("<aoai-endpoint>"),
DeploymentName = "<aoai-gpt-deployment>",
ModelName = "<aoai-gpt-model>",
};
var knowledgeBase = new KnowledgeBase(
name: "<knowledge-base-name>",
knowledgeSources: new[] { new KnowledgeSourceReference("<knowledge-source-name>") })
{
Models = { new KnowledgeBaseAzureOpenAIModel(aoaiParams) },
OutputMode = "answerSynthesis",
AnswerInstructions = "Use concise bulleted lists",
};
await indexClient.CreateOrUpdateKnowledgeBaseAsync(knowledgeBase);
Reference:SearchIndexClient, KnowledgeBase
Legen Sie output_mode in der Definition "answerSynthesis" auf KnowledgeBase fest. Sie können optional answer_instructions festlegen, um die Antwortausgabe anzupassen. Im folgenden Beispiel wird die Wissensdatenbank angewiesen, Use concise bulleted lists.
from azure.search.documents.indexes import SearchIndexClient
from azure.search.documents.indexes.models import (
AzureOpenAIVectorizerParameters,
KnowledgeBase,
KnowledgeBaseAzureOpenAIModel,
KnowledgeSourceReference,
)
aoai_params = AzureOpenAIVectorizerParameters(
resource_url="<aoai-endpoint>",
deployment_name="<aoai-gpt-deployment>",
model_name="<aoai-gpt-model>",
)
knowledge_base = KnowledgeBase(
name="<knowledge-base-name>",
models=[KnowledgeBaseAzureOpenAIModel(azure_open_ai_parameters=aoai_params)],
knowledge_sources=[KnowledgeSourceReference(name="<knowledge-source-name>")],
output_mode="answerSynthesis",
answer_instructions="Use concise bulleted lists",
)
index_client = SearchIndexClient(
endpoint=search_endpoint,
credential=credential,
)
index_client.create_or_update_knowledge_base(knowledge_base)
Reference:SearchIndexClient, KnowledgeBase
Legen Sie outputMode in der Wissensbasisdefinition auf "answerSynthesis" fest. Sie können optional answerInstructions festlegen, um die Antwortausgabe anzupassen. Im folgenden Beispiel wird die Wissensdatenbank angewiesen, Use concise bulleted lists.
Wenn die Knowledge Base benannte Tools definiert, schließen Sie das vorhandene tools Array in das Update ein.
### Enable answer synthesis in a knowledge base
PUT {{search-endpoint}}/knowledgebases/{{knowledge-base-name}}?api-version=2026-11-01-preview
Content-Type: application/json
Authorization: Bearer {{search-access-token}}
{
"name": "{{knowledge-base-name}}",
"knowledgeSources": [ ... // OMITTED FOR BREVITY ],
"models": [ ... // OMITTED FOR BREVITY ],
"outputMode": "answerSynthesis",
"answerInstructions": "Use concise bulleted lists"
}
Aktivieren der Antwortsynthese in einer Abrufanforderung
Für die Steuerung pro Abfrage über das Antwortformat können Sie die Antwortsynthese zur Abfragezeit aktivieren. Bei diesem Ansatz wird der in der Knowledge Base angegebene Standardausgabemodus außer Kraft gesetzt.
Antwortsynthese mit REST verwenden
Verwenden Sie eine vorhandene Knowledge Base, deren models Array ein unterstütztes Modell, eine ausgefüllte Suchindex-Wissensquelle und Anmeldeinformationen enthält, die zum Abrufen von Inhalten autorisiert sind. Wenn die Knowledge Base Azure OpenAI verwendet, konfigurieren Sie den Zugriff.
POST {{search-endpoint}}/knowledgebases/{{knowledge-base-name}}/retrieve?api-version=2026-11-01-preview
Content-Type: application/json
Authorization: Bearer {{search-token}}
{
"intents": [
{
"type": "semantic",
"search": "What is the return policy?"
}
],
"retrievalReasoningEffort": {
"kind": "minimal"
},
"outputMode": "answerSynthesis",
"includeActivity": true
}
Reference:Knowledge Retrieval - Abrufen
Überprüfen Sie die Antwortnachrichten, Verweise und separate modelAnswerSynthesis-Aktivitäten. Wählen Sie für die modellgestützte Abfrageplanung die Option low oder medium stattdessen aus. Geben Sie entweder Nachrichten oder Intents an, nicht beide.
Weitere Beispiele
Die folgenden Beispiele zeigen entsprechende SDK- und nachrichtenbasierte REST-Anfragen.
Legen Sie OutputMode auf "answerSynthesis" auf einem KnowledgeBaseRetrievalRequest fest.
var client = new KnowledgeBaseRetrievalClient(
endpoint: new Uri(searchEndpoint),
knowledgeBaseName: knowledgeBaseName,
credential: credential);
var request = new KnowledgeBaseRetrievalRequest
{
RetrievalReasoningEffort = new KnowledgeRetrievalLowReasoningEffort()
};
request.Messages.Add(
new KnowledgeBaseMessage(
content: new[]
{
new KnowledgeBaseMessageTextContent("What is healthcare?")
}) { Role = "user" });
request.OutputMode = "answerSynthesis";
var result = await client.RetrieveAsync(request);
Referenz:KnowledgeBaseRetrievalClient, KnowledgeBaseRetrievalRequest
Legen Sie output_mode auf "answerSynthesis" auf einem KnowledgeBaseRetrievalRequest fest.
from azure.search.documents.knowledgebases import KnowledgeBaseRetrievalClient
from azure.search.documents.knowledgebases.models import (
KnowledgeBaseMessage,
KnowledgeBaseMessageTextContent,
KnowledgeBaseRetrievalRequest,
KnowledgeRetrievalLowReasoningEffort,
)
agent_client = KnowledgeBaseRetrievalClient(
endpoint=search_endpoint,
credential=credential,
knowledge_base_name=knowledge_base_name,
)
request = KnowledgeBaseRetrievalRequest(
messages=[
KnowledgeBaseMessage(
role="user",
content=[KnowledgeBaseMessageTextContent(text="What is healthcare?")],
)
],
retrieval_reasoning_effort=KnowledgeRetrievalLowReasoningEffort(),
output_mode="answerSynthesis",
)
result = agent_client.retrieve(retrieval_request=request)
Referenz:KnowledgeBaseRetrievalClient, KnowledgeBaseRetrievalRequest
Legen Sie outputMode bei einer Abrufanforderung auf "answerSynthesis" fest.
### Enable answer synthesis in a retrieve request
POST {{search-endpoint}}/knowledgebases/{{knowledge-base-name}}/retrieve?api-version=2026-11-01-preview
Content-Type: application/json
Authorization: Bearer {{search-access-token}}
{
"messages": [
{
"role": "user",
"content": [
{
"type": "text",
"text": "What is healthcare?"
}
]
}
],
"retrievalReasoningEffort": {
"kind": "low"
},
"outputMode": "answerSynthesis"
}
Referenz:Knowledge Retrieval - Retrieve
Abrufen einer synthetisierten Antwort
Wenn die Antwortsynthese aktiviert ist, gibt die Wissensbasis eine natürlichsprachige Antwort basierend auf den Anweisungen zurück, die Sie optional in der Wissensbasis angegeben haben. Zitate an Ihre Wissensquellen sind formatiert als [ref_id:<number>].
Wenn ihre Anweisungen beispielsweise lauten Use concise bulleted lists und Ihre Abfrage lautet What is healthcare?, sollte die Antwort dem folgenden Beispiel ähneln.
{
"response": [
{
"content": [
{
"type": "text",
"text": "- Healthcare encompasses various services provided to patients and the general population ..."
}
]
}
]
}
Die vollständige text Ausgabe lautet wie folgt:
"- Healthcare encompasses various services provided to patients and the general population, including primary health services, hospital care, dental care, mental health services, and alternative health services [ref_id:1].\n- It involves the delivery of safe, effective, patient-centered care through different modalities, such as in-person encounters, shared medical appointments, and group education sessions [ref_id:0].\n- Behavioral health is a significant aspect of healthcare, focusing on the connection between behavior and overall health, including mental health and substance use [ref_id:2].\n- The healthcare system aims to ensure quality of care, access to providers, and accountability for positive outcomes while managing costs effectively [ref_id:2].\n- The global health system is evolving to address complex health needs, emphasizing the importance of cross-sectoral collaboration and addressing social determinants of health [ref_id:4]."
Abhängig von der Konfiguration Ihrer Wissensbasis kann die Antwort andere Informationen enthalten, z. B. Aktivitätsprotokolle und Referenzarrays. Weitere Informationen finden Sie unter Erstellen einer Wissensbasis.
Verwandte Inhalte
- Erstellen einer Wissensbasis
- Eine Wissensbasis abfragen
- Schnellstart: Agentische Suche (verwendet Antwortsynthese)
- Python Beispiel: Foundry IQ Blob Knowledge Source (verwendet Antwortsynthese)