vectorizador de catálogo de modelos de Microsoft Foundry (versión preliminar)

Note

Búsqueda de Azure AI está disponible a través del portal de Azure, las API REST y los SDK de Azure. También respalda Foundry IQ, la capa de conocimiento administrada que transforma el contenido empresarial en bases de conocimiento reutilizables y compatibles con permisos para agentes en el portal de Microsoft Foundry.

Importante

Las características, funcionalidades o propiedades marcadas (versión preliminar) no están cubiertas por un contrato de nivel de servicio, no se recomiendan para cargas de trabajo de producción y pueden cambiar o restringirse antes de que estén disponibles con carácter general. Los términos de la versión preliminar Búsqueda de Azure AI se aplican a todas las funciones de vista previa, ya sea independiente o parte de una característica disponible con carácter general.

El vectorizador de catálogo de modelos de Microsoft Foundry (versión preliminar) se conecta a un modelo de inserción implementado desde el catálogo de modelos foundry o un punto de conexión de Azure Machine Learning (AML). Tus datos se procesan en la Geo donde se despliega tu modelo.

Si usa la vectorización integrada para crear las matrices vectoriales, el conjunto de aptitudes debe incluir una aptitud AML que apunte al mismo modelo especificado en el vectorizador.

Requisitos previos

  • Un proyecto basado en Microsoft Foundry Hub o un área de trabajo de AML para un modelo personalizado que crees.

  • Para proyectos basados solo en centros, una implementación sin servidor de un modelo compatible desde el catálogo de modelos de Microsoft Foundry. Puede usar el CLI de Azure para aprovisionar el despliegue sin servidor.

Parámetros de vectorizador

Los parámetros distinguen entre mayúsculas y minúsculas. Los parámetros que use dependen de la autenticación que requiere el proveedor de modelos, si existe.

Nombre del parámetro Descripción
uri (Obligatorio para la autenticación de claves) El URI de destino de la implementación sin servidor desde el catálogo de modelos de Microsoft Foundry o el URI de puntuación del punto de conexión en línea de AML. Solo se permite el esquema de URI HTTPS.
key (Obligatorio para la autenticación de claves) Clave de API del proveedor de modelos.
resourceId (Obligatorio para la autenticación de tokens) El identificador de recurso de Azure Resource Manager del proveedor de modelos. Para un punto de conexión en línea de AML, use el formato subscriptions/{guid}/resourceGroups/{resource-group-name}/Microsoft.MachineLearningServices/workspaces/{workspace-name}/onlineendpoints/{endpoint_name}.
modelName Nombre del modelo de inserción del catálogo de modelos de Microsoft Foundry implementado en el uri especificado. Los modelos admitidos (solo implementaciones sin servidor) son:

  • Cohere-embed-v3-english
  • Cohere-embed-v3-multilingüe
  • Cohere-embed-v4
region (Opcional para la autenticación de tokens) Región en la que se implementa el proveedor de modelos. Obligatorio si la región es diferente de la región del servicio de búsqueda.
timeout (Opcional) Tiempo de espera para el cliente HTTP que realiza la llamada API. Debe tener el formato de un valor XSD "dayTimeDuration" (un subconjunto restringido de un valor de duración ISO 8601 ). Por ejemplo, PT60S durante 60 segundos. Si no se establece, se elige un valor predeterminado de 30 segundos. El tiempo de espera se puede establecer en un máximo de 230 segundos y un mínimo de 1 segundo.

Qué parámetros de autenticación se van a usar

El vectorizador de catálogo de modelos de Microsoft Foundry proporciona dos opciones de autenticación:

  • Autenticación basada en claves. Proporcione una clave estática para autenticar las solicitudes de puntuación del vectorizador. Establezca los parámetros uri y key para esta conexión.

  • Autenticación basada en tokens. El proyecto de Foundry basado en un hub o el extremo en línea de AML se implementa mediante la autenticación basada en tokens. El servicio Búsqueda de Azure AI debe tener una identidad administrada y una asignación de roles en el proveedor de modelos. A continuación, el vectorizador usa la identidad del servicio de búsqueda para autenticarse en el proveedor de modelos, sin que se requieran claves estáticas. La identidad del servicio de búsqueda debe tener el rol Propietario o Colaborador . Establezca el resourceId parámetro y, si el servicio de búsqueda está en una región diferente del proveedor de modelos, establezca el region parámetro .

Tipos de consulta vectorial admitidos

Los tipos de consulta vectoriales admitidos por el vectorizador de catálogo de modelos de Microsoft Foundry dependen de la modelName configurada.

Insertar modelo Admite text consultas Admite imageUrl consultas Admite imageBinary consultas
Cohere-embed-v3-english X X
Cohere-embed-v3-multilingüe X X
Cohere-embed-v4 X X

Dimensiones de campo esperadas

Las dimensiones de campo esperadas para un campo vectorial configurado con un vectorizador de catálogo de modelos de Microsoft Foundry dependen del modelName configurado.

modelName Dimensiones esperadas
Cohere-embed-v3-english 1024
Cohere-embed-v3-multilingüe 1024
Cohere-embed-v4 256–1536

Definición de ejemplo

Los nombres de modelo sugeridos en el catálogo de modelos de Foundry constan del modelo base más un sufijo aleatorio de tres letras. El nombre del modelo será diferente del que se muestra en este ejemplo.

"vectorizers": [
    {
        "name": "my-model-catalog-vectorizer",
        "kind": "aml",
        "amlParameters": {
            "uri": "https://Cohere-embed-v3-multilingual-hin.eastus.models.ai.azure.com",
            "key": "aaaaaaaa-0b0b-1c1c-2d2d-333333333333",
            "timeout": "PT60S",
            "modelName": "Cohere-embed-v3-multilingual-hin",
            "resourceId": null,
            "region": null,
        },
    }
]

Consulte también

  • Last updated on