¿Qué es un origen de conocimiento?

Una fuente de conocimiento es un recurso de nivel superior en su servicio de Búsqueda de Azure AI que define el contenido utilizado en una canalización de recuperación agencial. Cada fuente de conocimiento está indexada o es remota, lo que determina cómo se ingiere, procesa y consulta el contenido. Los orígenes de conocimiento son componentes necesarios de una base de conocimiento.

Puede hacer referencia a varios orígenes de conocimiento en una sola base de conocimiento. El motor de recuperación basado en agentes consulta a todos ellos en una sola petición. Las subconsultas se generan para cada origen de conocimiento y los resultados principales se devuelven en la respuesta de recuperación.

Fuentes de conocimiento aceptadas

Búsqueda de Azure AI admite los siguientes orígenes de conocimiento para cargas de trabajo de recuperación agente.

Orígenes de conocimiento indexados

Una fuente de conocimiento indexada apunta a un índice de búsqueda que cumple los criterios para la recuperación agencial. El contenido se ingiere en el índice antes del tiempo de consulta a través de una de las tres rutas de acceso:

• Traiga su propio índice: utilice una fuente de conocimiento de índice de búsqueda para envolver un índice existente en su servicio de búsqueda.

• Carga directa de archivos: Use un origen de conocimiento de archivos para cargar archivos directamente en Búsqueda de Azure AI. El servicio procesa los archivos y almacena el contenido extraído en un índice de búsqueda generado, sin que se requiera ninguna canalización de indexador o almacenamiento externo.

• Canalización del indexador generado automáticamente: Para todos los demás orígenes de conocimiento indexados, Búsqueda de Azure AI crea automáticamente una canalización completa del indexador desde el origen de datos externo. Esto incluye un origen de datos, un conjunto de aptitudes, un indexador y un índice que se rellenan y se fragmentan.

Las consultas se ejecutan localmente en el servicio de búsqueda mediante consultas de texto completo (palabras clave), vectoriales o híbridas.

Dado que una fuente de conocimiento indexada tiene un índice de búsqueda subyacente, las referencias de la respuesta pueden incluir URL de cita generadas por el servicio (versión preliminar) que dirigen a sus documentos en el índice. Los orígenes de conocimiento remotos no tienen ningún índice de respaldo, por lo que no devuelven direcciones URL de cita.

Orígenes de conocimiento remotos

Un origen de conocimiento remoto se conecta directamente a una plataforma externa. El contenido nunca se incorpora a Búsqueda de Azure AI. En su lugar, se recupera en el momento de la consulta a través de las API nativas de cada plataforma. El motor de recuperación agente realiza la llamada API y expone los resultados junto con cualquier origen de conocimiento indexado en la misma respuesta.

Dependiendo de la plataforma, las conexiones remotas llegan al contenido a través de la red pública de Internet (como Bing) o dentro del inquilino de Microsoft (como SharePoint y Fabric).

Clasificación unificada

Para los orígenes de conocimiento indexados y remotos, todo el contenido recuperado fluye a través de la misma canalización de clasificación. Los resultados se clasifican según su relevancia, se fusionan entre las distintas consultas y se reclasifican antes de devolverse en la respuesta de recuperación.

Trabajar con orígenes de conocimiento

Los orígenes de conocimiento son objetos independientes que se crean y administran independientemente de las bases de conocimiento. Tenga en cuenta lo siguiente:

• Cree un origen de conocimiento antes de crear una base de conocimiento. Las bases de conocimiento hacen referencia a orígenes de conocimiento por identificador, por lo que el origen de conocimiento debe existir primero.

• Para eliminar un origen de conocimiento, actualice primero o elimine las bases de conocimiento que hagan referencia a él. A continuación, puede eliminar el origen de conocimiento.

• Un origen de conocimiento y su base de conocimiento deben existir en el mismo servicio de búsqueda.

Creación de orígenes de conocimiento

La compatibilidad con la creación en el portal de Azure, el portal de Microsoft Foundry, la API REST y la SDK de Azure varían según el tipo de origen de conocimiento. Para obtener instrucciones por tipo, consulte los vínculos de Orígenes de conocimiento admitidos.

Incorporar etiquetas de confidencialidad (versión preliminar)

Para las fuentes de conocimiento de blobs, OneLake indexado y SharePoint indexado, puede incorporar etiquetas de confidencialidad de Microsoft Purview configurando ingestionPermissionOptions para incluir sensitivityLabel. Siga todos los requisitos previos antes de establecer este valor. Una vez sincronizados con el índice, las etiquetas se muestran en las respuestas recuperadas y se usan para aplicar el acceso de nivel de documento en el momento de la consulta. Para obtener más información, consulte Aplicar permisos en tiempo de consulta (versión preliminar).

Si la fuente de conocimientos indexada usa un índice fragmentado, por ejemplo, con vectorización integrada o una aptitud personalizada de División de texto, también debe asignar la etiqueta de confidencialidad a la fila de cada fragmento mediante proyecciones de índice en el conjunto de aptitudes. De lo contrario, las referencias a nivel de fragmento en las respuestas de recuperación no se devolverán si tienen etiquetas en el documento de origen.

Mostrar imágenes incrustadas en documentos (versión preliminar)

Para las fuentes de conocimiento de blobs, OneLake indexado y SharePoint indexado, puede configurar un assetStore en el ingestionParameters de la fuente de conocimiento para conservar las imágenes incrustadas en sus documentos de origen. Cuando también habilita servicio de imágenes en la base de conocimiento, la acción de recuperación inserta esas imágenes en la indicación de síntesis de respuestas para que el LLM pueda razonar con diagramas, gráficos y contenido extraído de las imágenes. Para obtener más información, consulte Mostrar imágenes incrustadas en documentos en recuperación de agentes (versión preliminar).

No configure assetStore y ingestionPermissionOptions en el mismo origen de conocimiento. El servicio de imágenes no es compatible cuando se configura ingestionPermissionOptions.

Restricción de la ingesta a una red privada (versión preliminar)

Los orígenes de conocimiento de Blob, SharePoint indexado y Azure SQL indexado admiten la ejecución privada del indexador. Para blobs y Azure SQL, los vínculos privados compartidos aprobados pueden proteger la conexión de origen y las dependencias de Azure. SharePoint Online no es un destino de vínculo privado compartido, por lo que el modo privado solo se aplica a sus dependencias de Azure protegidas.

Actualmente, no se admite la sincronización privada para las fuentes de conocimiento indexadas de OneLake.

Uso de analizadores automáticos por idioma (versión preliminar)

Los orígenes de conocimiento de Blob, OneLake indexado y SharePoint indexado admiten analizadores automáticos por idioma para contenido multilingüe. Cuando está habilitada, Búsqueda de Azure AI detecta el idioma de cada documento de origen y aplica automáticamente un analizador de idioma Microsoft coincidente. No se especifica un analizador en la definición del origen de conocimiento ni en una consulta.

Uso de orígenes de conocimiento

Después de crear un origen de conocimiento, haga referencia a él en una base de conocimiento. La base de conocimiento determina qué orígenes de conocimiento se van a consultar. En las secciones siguientes se describen las opciones para controlar qué orígenes se incluyen y cómo selecciona el motor entre ellos.

Consultar siempre un origen de conocimiento

Establece alwaysQuery en true en la definición de una fuente de conocimiento para incluirla en todas las consultas, independientemente del nivel de esfuerzo de razonamiento de recuperación.

Utiliza el nivel de esfuerzo de razonamiento de recuperación para controlar el uso del LLM (vista previa)

El esfuerzo de razonamiento de recuperación controla la cantidad de procesamiento de LLM que se aplica a cada consulta. No todas las soluciones se benefician del planeamiento de consultas LLM. Si la simplicidad y la velocidad son la prioridad, utiliza el nivel de esfuerzo minimal para evitar el procesamiento del LLM. Con un esfuerzo de low y medium, el LLM planifica y selecciona qué fuentes de conocimiento consultar, mientras que medium añade una pasada iterativa para obtener resultados más detallados. Para obtener más información sobre cada nivel, consulte Establecimiento del esfuerzo de razonamiento de recuperación (versión preliminar).

Los siguientes factores influyen en la selección con un esfuerzo de low y medium:

• El name de la fuente de conocimientos.

• El description de un índice (para fuentes de conocimiento indexadas).

• El retrievalInstructions especificado en la definición de la base de conocimiento o la acción de recuperación. Las instrucciones de recuperación guían al LLM sobre qué fuentes de conocimiento seleccionar u omitir. Funcionan como un aviso: puede especificar brevedad, tono y formato.

Contenido relacionado

• Información general de la recuperación agencial
• Crea un índice de búsqueda para la recuperación basada en agentes
• Creación de una base de conocimiento
• Consulta de una base de conocimiento
• Configurar el esfuerzo de razonamiento para la recuperación (versión preliminar)