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.
Erfahren Sie mehr über Python Codebeispiele, die die Funktionalität und den Workflow einer Foundry IQ (Azure KI-Suche)-Lösung veranschaulichen. Diese Beispiele verwenden die Azure KI-Suche-Clientbibliothek für das Azure SDK für Python, die Sie über die folgenden Links erkunden können.
| Target | Link |
|---|---|
| Paketdownload | pypi.org/project/azure-search-documents/ |
| API-Referenz | azure-search-documents |
| API-Testfälle | github.com/Azure/azure-sdk-for-python/tree/main/sdk/search/azure-search-documents/tests |
| Quellcode | github.com/Azure/azure-sdk-for-python/tree/main/sdk/search/azure-search-documents |
| Änderungsprotokoll | github.com/Azure/azure-sdk-for-python/blob/main/sdk/search/azure-search-documents/CHANGELOG.md |
SDK-Beispiele
Die Codebeispiele vom Azure SDK-Entwicklungsteam veranschaulichen die API-Verwendung. Sie finden diese Beispiele in Azure/azure-sdk-for-python/tree/main/sdk/search/azure-search-documents/samples auf GitHub.
Dokumentbeispiele
Codebeispiele vom Foundry IQ-Team veranschaulichen Funktionen und Workflows. Auf die folgenden Beispiele werden in Lernprogrammen, Schnellstarts und Anleitungen verwiesen. Sie finden diese Beispiele in Azure-Samples/azure-search-python-samples auf GitHub.
| Beispiel | Artikel | Description |
|---|---|---|
| Schnellstart-Agentic-Retrieval | Schnellstart: agentische Suche | Integrieren Sie die semantische Rangfolge in die LLM-basierte Abfrageplanung und Antwortgenerierung. |
| Schnellstart-Stichwortsuche | Schnellstart: Volltextsuche | Erstellen, Laden und Abfragen eines Suchindexes mithilfe von Beispieldaten. |
| Schnellstart: Semantisches Ranking | Schnellstart: Semantische Bewertung | Fügen Sie einem Indexschema semantische Rangfolge hinzu, und führen Sie semantische Abfragen aus. |
| Schnellstart-Vektorsuche | Schnellstart: Vektorsuche | Inhalte von Index- und Abfragevektoren. |
| agentic-retrieval-pipeline-example | Tutorial: Erstellen einer End-to-End-agentischen Retrieval-Lösung | Im Gegensatz zu Quickstart-Agentic-Retrieval enthält dieses Beispiel Foundry Agent Service für die Anforderungsorchestrierung. |
| embedding-model-migration | Einbettungsmodelle migrieren | Sichern Sie geeignete indizierte Inhalte, generieren Sie ein ausgewähltes Vektorfeld neu, und stellen Sie die Inhalte in einem neuen Index wieder her. |
| image-serving-example | Surface in Dokumente eingebettete Bilder im agentischen Retrieval (Vorschau) | Verwenden Sie die verwaltete Datenerfassung, um Bilder zu extrahieren, sie während der Antwortsynthese bereitzustellen und eine indizierte Bildreferenz unabhängig von Azure Blob Storage abzufragen und herunterzuladen. |
Accelerators
Ein Beschleuniger ist eine End-to-End-Lösung, die Code und Dokumentation enthält, die Sie für Ihre eigene Implementierung eines bestimmten Szenarios anpassen können.
| Beispiel | Description |
|---|---|
| rag-experiment-accelerator | Führen Sie Experimente und Auswertungen mit Foundry IQ und dem RAG-Muster durch. Dieses Beispiel enthält Code zum Laden mehrerer Datenquellen, unter Verwendung verschiedener Modelle und zum Erstellen verschiedener Suchindizes und Abfragen. |
Demos
Ein Demo-Repository bietet Quellcode für Machbarkeitsnachweise für Beispiele oder Szenarien, die in Demonstrationen gezeigt werden. Im Gegensatz zu Beschleunigern sind Demolösungen nicht für die Anpassung konzipiert.
| Beispiel | Description |
|---|---|
| azure-search-vector-samples | Umfassende Sammlung von Beispielen für Vektorsuchszenarien, organisiert nach Szenario oder Technologie. |
| Azure-search-openai-demo | ChatGPT-ähnliche Erfahrung über Unternehmensdaten mit Azure OpenAI Python Code, der zeigt, wie Foundry IQ mit großen Sprachmodellen in Azure OpenAI verwendet wird. Hintergrundinformationen finden Sie in diesem Blogbeitrag. |
| aisearch-openai-rag-audio | „Von Sprache zu RAG.“ Dieses Beispiel veranschaulicht eine einfache Architektur für sprachbasierte generative KI-Anwendungen, die Foundry IQ RAG über die Echtzeit-Audio-API mit Vollduplex-Audiostreaming von Clientgeräten ermöglicht. Außerdem wird der Zugriff auf das Modell und das Abrufsystem sicher verwaltet. Back-End-Code wird in Python geschrieben, während Frontend-Code in JavaScript geschrieben wird. Sehen Sie sich dieses Video an, um eine Einführung zu erfahren. |
Weitere Beispiele
Die folgenden Beispiele werden auch vom Foundry IQ Team veröffentlicht, werden jedoch nicht in der Dokumentation referenziert. Zugehörige README-Dateien enthalten Verwendungsanweisungen.
| Beispiel | Description |
|---|---|
| azure-search-classic-rag | Single-Shot RAG mit der klassischen Suchmaschine als Grounding-Daten aus Foundry IQ, mit einem Chat-Completion-Modell von Azure OpenAI. |
| Quickstart-Document-Permissions-Pull-API | Mithilfe eines Indexers im "Pull-API"-Ansatz werden Zugriffssteuerungslisten von einer Datenquelle zu den Suchergebnissen übertragen und Berechtigungsfilter angewandt, die den Zugriff auf autorisierte Inhalte einschränken. |
| Schnellstart-Document-Permissions-Push-API | Durch die Verwendung der Push-APIs zur Indizierung einer JSON-Nutzlast werden eingebettete Berechtigungsmetadaten an indizierte Dokumente und Suchergebnisse übermittelt, die basierend auf dem Benutzerzugriff auf autorisierte Inhalte gefiltert werden. |
| Azure-Funktionssuche | Verwenden Sie eine Azure-Funktion, um Abfragen an einen Foundry IQ-Dienst zu senden. Sie können stattdessen diese Python-Version für den api-Code verwenden, der unter Hinzufügen der Suche zu Websites mit .NET verwendet wird. |
| Masseneinfügen | Verwenden Sie die Push-APIs zum Hochladen und Indizieren von Dokumenten. |
| index-backup-and-restore.ipynb | Erstellen Sie eine lokale Kopie von abrufbaren Feldern in einem Index, und übertragen Sie diese Felder an einen neuen Index. |
| resumable-index-backup-restore | Sichern und Wiederherstellen größerer Indizes, die mehr als 100.000 Dokumente überschreiten. |
Tip
Verwenden Sie den Beispielbrowser , um nach Microsoft-Codebeispielen auf GitHub zu suchen. Sie können Ihre Suche nach Produkt, Dienst und Sprache filtern.