¿Qué es Búsqueda de Azure AI?

Búsqueda de Azure AI es un servicio hospedado en la nube totalmente administrado que conecta los datos a la inteligencia artificial. El servicio unifica el acceso al contenido empresarial y web para que los agentes y los modelos de lenguaje grande (LLM) puedan usar el contexto, el historial de chat y las señales de varias fuentes para generar respuestas confiables y fundamentadas.

Entre los casos de uso comunes se incluyen la búsqueda clásica y la generación aumentada de recuperación (RAG) mediante la recuperación agente, donde el servicio organiza la planificación de consultas, la recuperación y la construcción de respuestas. Estas funcionalidades admiten escenarios que van desde experiencias de búsqueda tradicionales hasta agentes con tecnología de inteligencia artificial y aplicaciones de chat adecuadas para escenarios empresariales y de consumidor.

Al crear un servicio de búsqueda, se incluyen las siguientes funcionalidades:

• Dos motores: búsqueda clásica de solicitudes únicas y recuperación agente para búsquedas paralelas, iterativas y asistidas por LLM.
• Consultas de texto completo, vectoriales, híbridas y multimodales a través de contenido local (indexado) y remoto.
• Enriquecimiento con IA para fragmentar, vectorizar y, de otras maneras, hacer que el contenido en bruto sea buscable.
• Ajuste de relevancia para mejorar la coincidencia de intenciones y la calidad de los resultados.
• Azure escalabilidad, seguridad, supervisión y cumplimiento.
• Azure integraciones con plataformas de datos compatibles, Azure OpenAI y Microsoft Foundry.

¿Por qué usar Búsqueda de Azure AI?

• Agentes de base y bots de chat en datos de su propiedad, empresariales o web para respuestas precisas y con reconocimiento del contexto.

• Acceda a datos desde Azure Blob Storage, Azure Cosmos DB, Microsoft SharePoint, Microsoft OneLake y otros orígenes de datos admitidos. Elija acceso indizado o remoto en función de sus necesidades de actualización, latencia y cumplimiento.

• Enriquezca y estructure el contenido en tiempo de indexación o consulta con habilidades que realizan segmentación, incrustaciones y transformaciones con la asistencia de LLM.

• Combine la búsqueda de texto completo con búsqueda vectorial (búsqueda híbrida) para equilibrar la precisión y la recuperación.

• Consulta de contenido que contiene texto e imágenes en una única canalización bidireccional.

• Implemente fácilmente características relacionadas con la búsqueda: ajuste de relevancia, navegación por facetas, filtros (incluida la búsqueda geoespacial), asignación de sinónimos y autocompletar.

• Proporcione seguridad empresarial, control de acceso y cumplimiento a través de Microsoft Entra ID, Azure Private Link, control de acceso de nivel de documento y acceso basado en roles.

• Escale y trabaje en producción con la fiabilidad, supervisión y diagnóstico de Azure (registros, métricas y alertas) y API REST o herramientas de SDK para la automatización.

Para obtener más información sobre la funcionalidad específica, consulte Features of Búsqueda de Azure AI.

¿Qué es la búsqueda clásica?

La búsqueda clásica es un modelo de recuperación de índice primero para consultas predecibles y de baja latencia. Cada consulta tiene como destino un único índice de búsqueda predefinido y devuelve documentos clasificados en un ciclo de solicitud-respuesta. No se produce ninguna planificación, iteración o síntesis asistida por LLM durante la recuperación.

En esta arquitectura, el servicio de búsqueda se encuentra entre los almacenes de datos que contienen el contenido no procesado y la aplicación cliente. La aplicación es responsable de enviar solicitudes de consulta al servicio de búsqueda y controlar la respuesta.

Esta arquitectura tiene dos cargas de trabajo principales:

¿Qué es la recuperación de agentes?

La recuperación de agentes es una canalización de varias consultas diseñada para flujos de trabajo complejos de agente a agente. Cada consulta tiene como destino una base de conocimiento que representa un dominio completo de conocimiento. El agente hace referencia a la base de conocimiento para en qué basarse, mientras que la base de conocimiento gestiona cómo realizar la fundamentación.

Una base de conocimiento consta de uno o varios orígenes de conocimiento, un LLM opcional para la planificación de consultas y la síntesis de respuestas, y parámetros que rigen el comportamiento de recuperación. Cada consulta se somete a planificación, descomposición en subconsultas centradas, recuperación paralela desde fuentes de conocimiento, reordenamiento semántico y combinación de resultados. La respuesta de tres vías está optimizada para su uso por parte del agente.

En segundo plano, la recuperación agéntica se basa en la arquitectura de búsqueda clásica agregando una capa de contexto (base de conocimiento) que organiza la recuperación desde múltiples fuentes. Los orígenes de conocimiento se pueden indexar o remotos: los orígenes indexados usan los mismos motores de indexación y consulta que la búsqueda clásica, mientras que los orígenes remotos omiten la indexación y se consultan en directo.

Cómo se comparan

La búsqueda clásica y la recuperación agente son modos complementarios de recuperación de información. Ambos admiten la búsqueda de texto completo, vector, híbrido y bidireccional . Sin embargo, difieren en cómo se ingiere y consulta el contenido. En la tabla siguiente se resumen sus principales diferencias.

Cómo empezar

Puede acceder a Búsqueda de Azure AI a través del portal de Azure, REST API, y SDK de Azure para .NET, Java, JavaScript y Python.

El portal es útil para la administración de servicios y la administración de contenido, con herramientas para crear prototipos de las bases de conocimiento, orígenes de conocimiento, índices, indexadores, conjuntos de aptitudes y orígenes de datos. Las API REST y los SDK son útiles para la automatización de producción.

Elección de la ruta de acceso

Antes de empezar, use esta lista de comprobación para tomar decisiones clave:

• Elija un modelo de precios: seleccione entre el modelo de precios dedicado o sin servidor (versión preliminar). Consulte Elegir un modelo de precios y un nivel de servicio para obtener ayuda para elegir el modelo que mejor se adapte a sus necesidades.

• Elija cómo desea recuperar datos: Puede consultar directamente desde un índice de búsqueda para obtener resultados predecibles, de baja latencia o usar la recuperación agente para consultar varios índices a través de una base de conocimiento. Si va a crear una aplicación tradicional sin un agente o bot de chat, las consultas directas de índice pueden satisfacer la mayoría de las necesidades con un costo y una complejidad más bajos. Si desea trabajar en varios orígenes de conocimiento o admitir escenarios más avanzados, considere la posibilidad de realizar una recuperación agente con un esfuerzo mínimo de razonamiento (versión preliminar).

• Elija una región: Si usa la recuperación agente, elija una región admitida. Para la búsqueda clásica, elija una región que ofrezca las características y la capacidad que necesita.

• Elija un método de ingesta para el contenido enlazado al índice: Si el contenido está en un origen de datos compatible, use el método pull para recuperar y serializar datos en JSON. Si no tiene un origen de datos compatible o si el contenido y el índice deben sincronizarse en tiempo real, el método de inserción es la única opción.

• ¿Necesita vectores? Los LLMs y los agentes no requieren vectores. Úselos solo si necesita búsqueda de similitud o si tiene contenido que se puede homogeneizar en vectores. Búsqueda de Azure AI ofrece vectorización integrada para esta tarea.

• ¿Necesita herencia de permisos basada en usuarios? La SharePoint remota está diseñada para este escenario, pero también puede heredar permisos de usuario asociados al contenido en Azure Blob Storage o ADLS Gen2. Para todos los demás escenarios, puede usar la solución alternativa del filtro de seguridad .

Elección de los recursos de aprendizaje

Estos inicios rápidos y ejemplos están disponibles para ayudarle a empezar.