Verwenden der Antwortsynthese für zitatgestützte Antworten in Azure KI-Suche (Vorschau)

Hinweis

Azure KI-Suche ist über das Azure Portal, REST-APIs und Azure SDKs verfügbar. Es unterstützt auch Foundry IQ, die verwaltete Wissensschicht, die Unternehmensinhalte in wiederverwendbare, berechtigungsfähige Wissensbasen für Agenten im Microsoft Foundry-Portal transformiert.

Wichtig

Features, Funktionen oder Eigenschaften, die als (Vorschau) gekennzeichnet sind, werden von keiner Dienstebenenvereinbarung (SLA) abgedeckt, werden für Produktionsworkloads nicht empfohlen und können geändert oder eingeschränkt werden, bevor sie allgemein verfügbar sind. Die Azure KI-Suche Vorschaubedingungen gelten für alle Vorschaufunktionen, unabhängig davon, ob sie eigenständig oder Teil eines allgemein verfügbaren Features ist.

Standardmäßig führt eine Knowledge Base in Azure KI-Suche Datenextraktion durch, die rohe Grounding-Abschnitte aus Ihren Datenquellen liefert. Die Datenextraktion ist nützlich zum Abrufen bestimmter Informationen, fehlt jedoch der Kontext und die Gründe, die für komplexe Abfragen erforderlich sind.

Sie können stattdessen die Antwortsynthese (Vorschau) aktivieren, die die in Ihrer Wissensbasis angegebene LLM verwendet, um Abfragen in natürlicher Sprache zu beantworten. Jede Antwort enthält Zitate an die abgerufenen Quellen und folgt allen Anweisungen, die Sie angeben, z. B. die Verwendung von Aufzählungen.

Sie können diese Eigenschaft 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 Azure KI-Suche-Dienst mit einer knowledge Base, die eine 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 Aufrufe an die LLM muss der Suchdienst über eine verwaltete Identität mit Cognitive Services-Benutzer-Berechtigungen für die Microsoft Foundry-Ressource verfügen.

  • Das neueste Azure.Search.Documents Vorschaupaket: dotnet add package Azure.Search.Documents --prerelease

  • Für die schlüssellose Authentifizierung das Paket Azure.Identity: dotnet add package Azure.Identity

  • Das neueste azure-search-documents Vorschaupaket: pip install --pre azure-search-documents

  • Für die schlüssellose Authentifizierung das Paket azure-identity: pip install azure-identity

Einschränkungen und Überlegungen

  • Der minimal-Abfrage-Inferenzprozess deaktiviert die LLM-Verarbeitung und ist daher sowohl bei der Definition von Wissensdatenbanken als auch bei Anforderungen nicht mit der Antwortsynthese kompatibel. 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

In diesem Abschnitt wird veranschaulicht, wie Sie die Antwortsynthese in einer vorhandenen Wissensbasis aktivieren. Obwohl Sie diese Konfiguration für neue Wissensdatenbanken verwenden können, liegt die Erstellung von Knowledge Basen außerhalb des Umfangs dieses Artikels.

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 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.

### Enable answer synthesis in a knowledge base
PUT {{search-endpoint}}/knowledgebases/{{knowledge-base-name}}?api-version=2026-08-01-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"
}

Referenz:Knowledge Base – Erstellen oder Aktualisieren

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.

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();
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,
)

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?")],
        )
    ],
    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=2026-08-01-preview
Content-Type: application/json
Authorization: Bearer {{search-access-token}}

{
    "messages": [
        {
            "role": "user",
            "content": [
                {
                    "type": "text",
                    "text": "What is healthcare?"
                }
            ]
        }
    ],
    "outputMode": "answerSynthesis"
}

Reference:Knowledge Retrieval - Abrufen

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

  • Last updated on