2023 Archiv für "Neuigkeiten in Azure AI Search"

Schauen Sie sich die Neuerungen in Azure AI Search für die neuesten Ankündigungen an.

Monat Typ Ankündigung
November Merkmal Vektorsuche, allgemein verfügbar. Die vorherige Einschränkung für kundenseitig verwaltete Schlüssel (Customer-Managed Keys, CMKs) besteht nicht mehr. Auch Vorfilter und der Umfassende KNN-Algorithmus (K Nearest Neighbors) sind jetzt allgemein verfügbar.
November Merkmal Semantischer Sortierer, allgemein verfügbar
November Merkmal Integrierte Vektorisierung (Preview) fügt Datenchunking und Text-zu-Vektor-Konvertierungen während der Indizierung sowie Text-zu-Vektor-Konvertierungen zum Abfragezeitpunkt hinzu.
November Merkmal Assistent zum Importieren und Vektorisieren von Daten (Preview) automatisiert Datenblöcke und Vektorisierung in einem Suchindex. Er zielt auf die REST-API 2023-10-01-Vorschauversion ab.
November Merkmal Indexprojektionen (Vorschau) bestimmen die Struktur eines sekundären Indexes, der für ein 1:n-Indexmuster verwendet wird, bei dem Inhalte aus einer Anreicherungspipeline auf mehrere Indizes abzielen können.
November Programmierschnittstelle (API) 2023-11-01 Such-REST-API ist eine stabile Version der Such-REST-APIs für Vektorsuche und semantische Rangfolge. Informationen zu den allgemeinen verfügbaren Features finden Sie unter Upgrade-REST-APIs.
November Programmierschnittstelle (API) 2023-11-01 Verwaltungs-REST-API fügt APIs zum Aktivieren oder Deaktivieren des semantischen Sortierers hinzu.
November Fertigkeit Azure OpenAI Embedding-Fertigkeit (Preview) stellt eine Verbindung mit einem bereitgestellten Einbettungsmodell in Ihrer Azure OpenAI-Ressource her, um Einbettungen während der Skillsetausführung zu generieren.
November Fertigkeit Textsplit-Funktion (Preview) wurde in 2023-10-01-Preview aktualisiert, um native Datenchunks zu unterstützen.
November Video In Wie die Vektorsuche und semantische Rangfolge Ihre GPT-Prompts verbessern erfahren Sie, wie der Hybridabruf optimale Grundlagendaten zum Generieren hilfreicher KI-Antworten liefert und sowohl konzeptbasierte als auch schlüsselwortbasierte Suchvorgänge ermöglicht.
November Beispiel In Rollenbasierte Zugriffssteuerung in generativen KI-Anwendungen erfahren Sie, wie Sie mithilfe von Microsoft Entra ID und der Microsoft Graph-API differenzierte Benutzerberechtigungen für in Blöcke aufgeteilte Inhalte in Ihrem Index bereitstellen.
Oktober Beispiel Solution Accelerator „Mit Ihren Daten chatten“. End-to-End-RAG-Muster, das Azure KI-Suche als Suchmaschine verwendet. Es bietet Indizierung, Datenaufteilung und Orchestrierung.
Oktober Merkmal Umfassend K-nächste Nachbarn (KNN) Bewertungsalgorithmus für die Ähnlichkeitssuche im Vektorraum. Nur in der REST-API 2023-10-01-Preview verfügbar.
Oktober Merkmal Vorfilter der Vektorsuche wertet Filterkriterien vor der Abfrageausführung aus, wodurch der Inhalt reduziert wird, der durchsucht werden muss. Nur in der REST-API 2023-10-01-Preview verfügbar, über eine neue vectorFilterMode-Eigenschaft für die Abfrage, die je nach Ihren Anforderungen auf preFilter (Standard) oder postFilterfestgelegt werden kann.
Oktober Programmierschnittstelle (API) 2023-10-01 Vorschauversion der Such-REST-API, die die Definition für Vektorfelder und Vektorabfragen gravierend ändert.
August Merkmal Erweiterte semantische Rangfolge. Aktualisierte Modelle werden für die semantische Neurangfolge ausgerollt, und die Verfügbarkeit wird auf weitere Regionen erweitert. Die maximale Anzahl eindeutiger Token verdoppelte sich von 128 auf 256.
Juli Beispiel Vektordemo (Azure SDK für JavaScript). Verwendet Node.js und die Bibliothek @azure/search-documents 12.0.0-beta.2, um Einbettungen zu generieren, einen Index zu erstellen und zu laden und mehrere Vektorabfragen auszuführen.
Juli Beispiel Vektordemo (Azure SDK für .NET). Verwendet die Bibliothek Azure.Search.Documents 11.5.0-beta.3, um Einbettungen zu generieren, einen Index zu erstellen und zu laden und mehrere Vektorabfragen auszuführen. Sie können auch dieses Beispiel vom Azure SDK-Team ausprobieren.
Juli Beispiel Vektordemo (Azure SDK für Python)Verwendet das letzte Betarelease von azure.search.documents, um Einbettungen zu generieren, einen Index zu erstellen und zu laden und mehrere Vektorabfragen auszuführen. Besuchen Sie das Azure-search-vector-samples/demo-python-Repo für weitere Vektorsuchdemos.
Juni Merkmal Öffentliche Vorschau der Vektorsuche.
Juni Merkmal Verfügbarkeit der semantischen Suche, ist jetzt im Basic-Tarif verfügbar.
Juni Programmierschnittstelle (API) 2023-07-01-Preview Search REST API. Unterstützung für die Vektorsuche.
Mai Merkmal Azure RBAC (rollenbasierte Zugriffssteuerung, allgemein verfügbar).
Mai Programmierschnittstelle (API) 2022-09-01 Verwaltungs-REST-API mit Unterstützung für die Konfiguration der Suche zur Verwendung der Azure-Rollen. Das Az.Search-Modul von Azure PowerShell und das Az Search-Modul der Azure CLI wurden aktualisiert, um Authentifizierungsoptionen für den Suchdienst zu unterstützen. Sie können auch den Terraform-Anbieter verwenden, um Authentifizierungsoptionen zu konfigurieren. (Ausführliche Informationen finden Sie in dieser Terraform-Schnellstartanleitung.)
April Beispiel Bereitstellung der Azure KI-Suche in mehreren Regionen für Geschäftskontinuität und Notfallwiederherstellung. Bereitstellungsskripts, die eine multiregionale Lösung für Azure KI Search vollständig konfigurieren (mit Optionen für die Synchronisierung von Inhalten und die Umleitung von Anforderungen bei Ausfall eines Endpunkts).
März Beispiel ChatGPT und Enterprise-Daten mit Azure OpenAI und der Azure KI-Suche (GitHub). Python-Code und eine Vorlage zum Kombinieren von Azure KI Search mit den großen Sprachmodellen in OpenAI. Hintergrundinformationen finden Sie in diesem Tech-Community-Blog-Beitrag: Revolutionize your Enterprise Data with ChatGPT (Revolutionieren Ihrer Enterprise-Daten mit ChatGPT).

Die wichtigsten Punkte:

Verwenden Sie Azure KI Search, um durchsuchbare Inhalte zu konsolidieren und zu indizieren.

Fragen Sie den Index nach ersten Suchergebnissen ab.

Stellen Sie Eingabeaufforderungen aus diesen Ergebnissen zusammen, und senden Sie sie an das gpt-35-turbo-Modell (Vorschau) in Azure OpenAI.

Geben Sie eine dokumentübergreifende Antwort zurück, und stellen Sie Zitate und Transparenz in Ihrer kundenorientierten App bereit, damit Benutzer die Antwort bewerten können.
  • Last updated on