Válaszszintézis használata idézetalapú válaszokhoz Azure AI Keresés (előzetes verzió)

Megjegyzés

Azure AI Keresés a Azure portálon, REST API-kon és Azure SDK-k keresztül érhető el. Emellett a Foundry IQ-t is támogatja, amely a vállalati tartalmakat újrafelhasználható, engedélytudatos tudásbázisokká alakítja át az Microsoft Foundry portálon található ügynökök számára.

Fontos

Az (előzetes verzióban) megjelölt funkciókra, képességekre vagy tulajdonságokra nem vonatkozik szolgáltatási szintű szerződés, nem ajánlott éles számítási feladatokhoz, és az általános elérhetővé válásuk előtt változhatnak vagy korlátozhatók. Az Azure AI Keresés előzetes verziójú kifejezések az összes előzetes verziós funkcióra vonatkoznak, függetlenül attól, hogy önálló vagy egy általánosan elérhető funkció része.

Alapértelmezés szerint az Azure AI Keresés tudásbázisa adatkinyerést hajt végre, amely nyers megalapozó adatszegmenseket ad vissza az Ön tudásforrásaiból. Az adatkinyerés hasznos adott információk lekéréséhez, de nem rendelkezik az összetett lekérdezésekhez szükséges kontextussal és érveléssel.

Ehelyett engedélyezheti a válaszszintézist (előzetes verzió), amely a tudásbázisban megadott LLM-et használja a lekérdezések természetes nyelven történő megválaszolásához. Minden válasz tartalmaz idézeteket a lekért forrásokra, és követi az Ön által megadott utasításokat, például listajeles listákat használ.

Ezt a tulajdonságot tudásbázisban vagy lekéréses kérelemben is beállíthatja. A tudásbázis-beállítás az összes lekérdezés alapértelmezett beállítását állítja be, míg a lekérési kérelem beállítása felülbírálja az alapértelmezettet lekérdezésenkénti alapon.

Használat támogatása

Azure Portál Microsoft Foundry portál .NET SDK Python SDK Java SDK JavaScript SDK REST API
✔️ ✔️ ✔️ ✔️ ✔️ ✔️ ✔️

Előfeltételek

  • Azure AI Keresés szolgáltatás tudásbázissal, amely egy LLM-et jelöl ki.

  • Tudásbázisok frissítésének engedélye. Konfigurálja a kulcs nélküli hitelesítést a keresési szolgáltatás közreműködői szerepkörével a felhasználói fiókjához rendelve (ajánlott), vagy használjon rendszergazdai API-kulcsot.

  • Az LLM felé irányuló kimenő hívások esetén a keresési szolgáltatásnak managed identity-vel kell rendelkeznie Cognitive Services User jogosultságokkal a Microsoft Foundry-erőforráshoz.

  • A legújabb Azure.Search.Documents előzetes csomag: dotnet add package Azure.Search.Documents --prerelease

  • Kulcs nélküli hitelesítés esetén a Azure.Identity csomag: dotnet add package Azure.Identity

  • A legújabb azure-search-documents előzetes csomag: pip install --pre azure-search-documents

  • Kulcs nélküli hitelesítés esetén a azure-identity csomag: pip install azure-identity

  • A Search Service REST API 2026-08-01 előzetes verziója .

  • Kulcs nélküli hitelesítéshez minden HTTP-kérés fejlécében adjon meg egy Authorization.

Korlátok és megfontolások

  • A minimal lekérési következtetési erőfeszítés letiltja az LLM-feldolgozást, ezért nem használható együtt a válaszszintézissel sem a tudásbázis-definíciókban, sem a lekérési kérelmekben. További információ: A lekérési érvelés erőfeszítéseinek beállítása.

  • A válaszszintézis az Azure OpenAI szolgáltatásban használatalapú díjakat von maga után, amelyek a bemeneti és kimeneti tokenek számán alapulnak. A díjak a tudásbázishoz rendelt LLM-hez kapcsolódóan jelennek meg. További információ: Régió rendelkezésre állása, korlátai és számlázása.

Válaszszintézis engedélyezése tudásbázisban

Ez a szakasz bemutatja, hogyan engedélyezheti a válaszszintézist egy meglévő tudásbázisban. Bár ezt a konfigurációt használhatja új tudásbázisokhoz, a tudásbázis létrehozása meghaladja a jelen cikk hatókörét.

Állítsa a OutputMode értéket "answerSynthesis" értékre a KnowledgeBase definícióban. Igény szerint állítsa be AnswerInstructions a válaszkimenet testreszabását. Az alábbi példa arra utasítja a tudásbázist, hogy .Use concise bulleted lists

var aoaiParams = new AzureOpenAIVectorizerParameters
{
    ResourceUri = new Uri("<aoai-endpoint>"),
    DeploymentName = "<aoai-gpt-deployment>",
    ModelName = "<aoai-gpt-model>",
};

var knowledgeBase = new KnowledgeBase(
    name: "<knowledge-base-name>",
    knowledgeSources: new[] { new KnowledgeSourceReference("<knowledge-source-name>") })
{
    Models = { new KnowledgeBaseAzureOpenAIModel(aoaiParams) },
    OutputMode = "answerSynthesis",
    AnswerInstructions = "Use concise bulleted lists",
};

await indexClient.CreateOrUpdateKnowledgeBaseAsync(knowledgeBase);

Referencia:SearchIndexClient, KnowledgeBase

Állítsa a output_mode értéket "answerSynthesis" értékre a KnowledgeBase definícióban. Igény szerint állítsa be answer_instructions a válaszkimenet testreszabását. Az alábbi példa arra utasítja a tudásbázist, hogy .Use concise bulleted lists

from azure.search.documents.indexes import SearchIndexClient
from azure.search.documents.indexes.models import (
    AzureOpenAIVectorizerParameters,
    KnowledgeBase,
    KnowledgeBaseAzureOpenAIModel,
    KnowledgeSourceReference,
)

aoai_params = AzureOpenAIVectorizerParameters(
    resource_url="<aoai-endpoint>",
    deployment_name="<aoai-gpt-deployment>",
    model_name="<aoai-gpt-model>",
)

knowledge_base = KnowledgeBase(
    name="<knowledge-base-name>",
    models=[KnowledgeBaseAzureOpenAIModel(azure_open_ai_parameters=aoai_params)],
    knowledge_sources=[KnowledgeSourceReference(name="<knowledge-source-name>")],
    output_mode="answerSynthesis",
    answer_instructions="Use concise bulleted lists",
)

index_client = SearchIndexClient(endpoint=search_endpoint, credential=credential)
index_client.create_or_update_knowledge_base(knowledge_base)

Referencia:SearchIndexClient, KnowledgeBase

Állítsa a(z) outputMode értékét "answerSynthesis" értékre a tudásbázis definíciójában. Igény szerint állítsa be answerInstructions a válaszkimenet testreszabását. Az alábbi példa arra utasítja a tudásbázist, hogy .Use concise bulleted lists

### Enable answer synthesis in a knowledge base
PUT {{search-endpoint}}/knowledgebases/{{knowledge-base-name}}?api-version=2026-08-01-preview
Content-Type: application/json
Authorization: Bearer {{search-access-token}}

{
    "name": "{{knowledge-base-name}}",
    "knowledgeSources": [ ... // OMITTED FOR BREVITY ],
    "models": [ ... // OMITTED FOR BREVITY ],
    "outputMode": "answerSynthesis",
    "answerInstructions": "Use concise bulleted lists"
}

Referencia:Tudásbázis – Létrehozás vagy frissítés

Válaszszintézis engedélyezése lekéréses kérelemben

Ha lekérdezésenként szeretné szabályozni a válaszformátumot, a válaszszintézist a lekérdezési időpontban engedélyezheti. Ez a megközelítés felülírja a tudásbázisban megadott alapértelmezett kimeneti módot.

Állítsa a(z) OutputMode értékét "answerSynthesis" értékre egy KnowledgeBaseRetrievalRequest eszközön.

var client = new KnowledgeBaseRetrievalClient(
    endpoint: new Uri(searchEndpoint),
    knowledgeBaseName: knowledgeBaseName,
    credential: credential);

var request = new KnowledgeBaseRetrievalRequest();
request.Messages.Add(
    new KnowledgeBaseMessage(
        content: new[]
        {
            new KnowledgeBaseMessageTextContent("What is healthcare?")
        }) { Role = "user" });
request.OutputMode = "answerSynthesis";

var result = await client.RetrieveAsync(request);

Referencia:KnowledgeBaseRetrievalClient, KnowledgeBaseRetrievalRequest

Állítsa a(z) output_mode értékét "answerSynthesis" értékre egy KnowledgeBaseRetrievalRequest eszközön.

from azure.search.documents.knowledgebases import KnowledgeBaseRetrievalClient
from azure.search.documents.knowledgebases.models import (
    KnowledgeBaseMessage,
    KnowledgeBaseMessageTextContent,
    KnowledgeBaseRetrievalRequest,
)

agent_client = KnowledgeBaseRetrievalClient(
    endpoint=search_endpoint,
    credential=credential,
    knowledge_base_name=knowledge_base_name,
)

request = KnowledgeBaseRetrievalRequest(
    messages=[
        KnowledgeBaseMessage(
            role="user",
            content=[KnowledgeBaseMessageTextContent(text="What is healthcare?")],
        )
    ],
    output_mode="answerSynthesis",
)

result = agent_client.retrieve(retrieval_request=request)

Referencia:KnowledgeBaseRetrievalClient, KnowledgeBaseRetrievalRequest

Állítsa a(z) outputMode értékét "answerSynthesis" értékre lekérési kérelem esetén.

### Enable answer synthesis in a retrieve request
POST {{search-endpoint}}/knowledgebases/{{knowledge-base-name}}/retrieve?api-version=2026-08-01-preview
Content-Type: application/json
Authorization: Bearer {{search-access-token}}

{
    "messages": [
        {
            "role": "user",
            "content": [
                {
                    "type": "text",
                    "text": "What is healthcare?"
                }
            ]
        }
    ],
    "outputMode": "answerSynthesis"
}

Referencia:Tudáslekérés – Lekérés

Szintetizált válasz lekérése

Ha a válaszszintézis engedélyezve van, a tudásbázis egy természetes nyelvű választ ad vissza a tudásbázisban opcionálisan megadott utasítások alapján. A tudásbázisokra hivatkozó idézetek formátuma : [ref_id:<number>].

Ha például az utasításai Use concise bulleted lists, a lekérdezése pedig What is healthcare?, akkor a válasznak az alábbi példához hasonlónak kell lennie.

{
  "response": [
    {
      "content": [
        {
          "type": "text",
          "text": "- Healthcare encompasses various services provided to patients and the general population ..."
        }
      ]
    }
  ]
}

A teljes text kimenet a következő:

"- Healthcare encompasses various services provided to patients and the general population, including primary health services, hospital care, dental care, mental health services, and alternative health services [ref_id:1].\n- It involves the delivery of safe, effective, patient-centered care through different modalities, such as in-person encounters, shared medical appointments, and group education sessions [ref_id:0].\n- Behavioral health is a significant aspect of healthcare, focusing on the connection between behavior and overall health, including mental health and substance use [ref_id:2].\n- The healthcare system aims to ensure quality of care, access to providers, and accountability for positive outcomes while managing costs effectively [ref_id:2].\n- The global health system is evolving to address complex health needs, emphasizing the importance of cross-sectoral collaboration and addressing social determinants of health [ref_id:4]."

A tudásbázis konfigurációjától függően a válasz egyéb információkat is tartalmazhat, például tevékenységnaplókat és referenciatömböket. További információ: Tudásbázis létrehozása.

Kapcsolódó tartalom

  • Utolsó frissítés időpontja: