Megjegyzés
Az oldalhoz való hozzáféréshez engedély szükséges. Megpróbálhat bejelentkezni vagy módosítani a címtárat.
Az oldalhoz való hozzáféréshez engedély szükséges. Megpróbálhatja módosítani a címtárat.
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.
Important
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.
Az ügynöki lekérésnél megadhatja a nagy nyelvi modell (LLM) feldolgozásának szintjét a lekérdezéstervezéshez és a válasz megfogalmazásához. A visszakeresési következtetési erőfeszítés (előzetes verzió) használatával olyan LLM-feldolgozási szinteket állíthat be, amelyek befolyásolják a költségeket és a késleltetést. A további LLM-feldolgozás javítja a relevanciát, de hosszabb időt is igénybe vesz, és számlázható LLM-erőforrásokat 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. Ha egyik beállítás sem érhető el, a szolgáltatás a(z) low elemet használja.
Használat támogatása
| Azure Portál | Microsoft Foundry portál | .NET SDK | Python SDK | Java SDK | JavaScript SDK | REST API |
|---|---|---|---|---|---|---|
| ✔️ | ✔️ | ✔️ | ✔️ | ✔️ | ✔️ | ✔️ |
Előfeltételek
Meglévő tudásbázis legalább egy tudásbázissal és egy modellkonfigurációval.
Tudásbázisok frissítésére és lekérdezésére való engedély. Konfigurálja a kulcs nélküli hitelesítést a keresési szolgáltatás közreműködője és a keresési index adatolvasó szerepköreivel a felhasználói fiókjához rendelve (ajánlott), vagy használjon rendszergazdai API-kulcsot.
A legújabb
Azure.Search.Documentselőzetes csomag:dotnet add package Azure.Search.Documents --prereleaseKulcs nélküli hitelesítés esetén a
Azure.Identitycsomag:dotnet add package Azure.Identity
A legújabb
azure-search-documentselőzetes csomag:pip install --pre azure-search-documentsKulcs nélküli hitelesítés esetén a
azure-identitycsomag: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.
Érvelési erőfeszítés kiválasztása
Válasszon egy érvelési erőfeszítést a késés, a költség és a lekérés mélysége közötti kompromisszum alapján.
Az érvelési munka szintjei
| Szint | Leírás | Ajánlás | Határok |
|---|---|---|---|
minimal |
Letiltja az LLM-alapú lekérdezéstervezést az ügynöki lekérés legalacsonyabb költségének és késésének biztosításához. Közvetlen szöveg- és vektorkeresést végez a tudásbázisban felsorolt tudásforrások között, és a legjobban illeszkedő részeket adja vissza. Mivel a tudásbázis összes tudásbázisában mindig keresnek, és nem végeznek lekérdezésbővítést, a viselkedés kiszámítható és könnyen vezérelhető. Azt is jelenti, hogy a rendszer figyelmen kívül hagyja a alwaysQueryKnowledgeSource lekérési kérelem tulajdonságát. |
A minimal való migráláshoz vagy a lekérdezéstervezés önálló kezeléséhez használható. |
|
low |
Az ügynöki lekérés alapértelmezett módja, amely egyetlen lépésben futtatja az LLM-alapú lekérdezéstervezést és a tudásbázis-kiválasztást. Az ágens alapú lekérési motor allekérdezéseket hoz létre, és azokat a kiválasztott tudásforrásokhoz továbbítja, majd egyesíti az eredményeket. Engedélyezheti a válaszszintézist (előzetes verzió), hogy szövegközi hivatkozásokkal ellátott, megalapozott természetes nyelvű választ hozzon létre. | Akkor érdemes használni low , ha egyensúlyt szeretne teremteni a minimális késés és a mélyebb feldolgozás között. |
|
medium |
Mélyebb keresést és továbbfejlesztett lekérési vermet ad hozzá az ügynöki lekéréshez a teljesség maximalizálása érdekében. Az első keresés után egy nagy pontosságú szemantikai osztályozó kiértékeli a lekért dokumentumokat. Ha a kezdeti eredmények nem kellően relevánsak, a szolgáltatás egy módosított lekérdezési tervvel hajt végre egy nyomon követési iterációt. | Segítségével medium maximalizálhatja az LLM által támogatott tudáslekérés hasznosságát. |
|
auto |
Egy könnyű lekérési lépéssel kezdődik. Ha az első lépés elegendő földelést biztosít, a szolgáltatás visszaadja az eredményt. Ellenkező esetben legfeljebb közepes ráfordítással folytatja az LLM-alapú lekérdezéstervezést. | Akkor használható auto , ha azt szeretné, hogy a szolgáltatás kiegyensúlyozza az egyes kérések lekérési mélységét és késését. |
|
Közepes adatok lekérésének iteratív keresése
A közepes lekéréses érvelési erőfeszítések iteratív keresést biztosítanak, ha a kezdeti eredmények nem kellően relevánsak. Egy extra szemantikai osztályozómodellt hívunk meg annak megállapításához, hogy szükség van-e második iterációra.
A szemantikai osztályozó:
Felismeri, ha van elég kontextus a kérdés megválaszolásához.
Újrapróbálkozik, ha az eredmények nem elegendőek, a meglévő információk kontextusként való felhasználásával. Az új lekérdezések részletesebben részletezhetők, vagy kibővíthetik a keresést. A válasz tevékenységnaplója az átfogóbb válaszhoz használt generált lekérdezéseket jeleníti meg.
Újrapontozás L3 besorolás használatával. A tartomány megegyezik az L2 rangsorolással, amely abszolút nulla és 4,0 közötti tartomány.
Csak egy újrapróbálkozás van. Minden iteráció késést és költséget ad hozzá, ezért a rendszer egy lépésre korlátozza az újrapróbálkozást. A második iteráció bemeneti jogkivonatokat ad hozzá a lekérdezési folyamathoz, amely hozzáadja a teljes számlázható bemeneti jogkivonatok számát.
Az iteráció felhasználhatja a meglévő tudásforrásokat, vagy különböző forrásokat választhat. A második lépés a legígéretesebb tudásforrást választja ki a hiányzó információk megadásához.
Közepes adathordozók lekérésének támogatása régiónként
Állíthat be közepes szintű lekérési érvelést, ha a keresési szolgáltatása az alábbi régiók egyikében található:
- USA 2. keleti régiója
- USA keleti régiója
- USA déli középső régiója
- USA 3. nyugati régiója
- USA 2. nyugati régiója
- USA nyugati régiója
- Középnyugat-Németország
- Észak-Európa
- Észak-Svájc
- Közép-Svédország
- Közép-Spanyolország
- Egyesült Királyság déli régiója
- Korea középső régiója
- Kelet-Japán
- Délkelet-Ázsia
Az érvelési munka beállítása egy tudásbázisban
Állítson be retrievalReasoningEffort egy tudásbázisdefiníciót a lekérdezései alapértelmezett értékének meghatározásához. Az auto érveléshez modellkonfigurációra van szükség. Az alábbi példa megőrzi a meglévő knowledgeSources és models a konfigurációt, beállítja az érvelési erőfeszítéseket auto, és frissíti a tudásbázist.
using Azure.Identity;
using Azure.Search.Documents.Indexes;
using Azure.Search.Documents.Indexes.Models;
using Azure.Search.Documents.KnowledgeBases.Models;
var endpoint = new Uri("<search-endpoint>");
var credential = new DefaultAzureCredential();
var knowledgeBaseName = "<knowledge-base-name>";
var indexClient = new SearchIndexClient(endpoint, credential);
var knowledgeBase = (
await indexClient.GetKnowledgeBaseAsync(knowledgeBaseName)).Value;
knowledgeBase.RetrievalReasoningEffort =
new KnowledgeRetrievalAutoReasoningEffort();
await indexClient.CreateOrUpdateKnowledgeBaseAsync(knowledgeBase);
Referencia:KnowledgeBase
Másik szint használatához cserélje le KnowledgeRetrievalAutoReasoningEffort a következőre KnowledgeRetrievalMinimalReasoningEffort: , KnowledgeRetrievalLowReasoningEffortvagy KnowledgeRetrievalMediumReasoningEffort.
from azure.identity import DefaultAzureCredential
from azure.search.documents.indexes import SearchIndexClient
from azure.search.documents.knowledgebases.models import (
KnowledgeRetrievalAutoReasoningEffort,
)
endpoint = "<search-endpoint>"
credential = DefaultAzureCredential()
knowledge_base_name = "<knowledge-base-name>"
index_client = SearchIndexClient(endpoint, credential)
knowledge_base = index_client.get_knowledge_base(knowledge_base_name)
knowledge_base.retrieval_reasoning_effort = (
KnowledgeRetrievalAutoReasoningEffort()
)
index_client.create_or_update_knowledge_base(knowledge_base)
Referencia:KnowledgeBase
Másik szint használatához cserélje le KnowledgeRetrievalAutoReasoningEffort a következőre KnowledgeRetrievalMinimalReasoningEffort: , KnowledgeRetrievalLowReasoningEffortvagy KnowledgeRetrievalMediumReasoningEffort.
@api-version = 2026-08-01-preview
@knowledge-base-url = {{search-endpoint}}/knowledgebases/{{knowledge-base-name}}
PUT {{knowledge-base-url}}?api-version={{api-version}}
Content-Type: application/json
Authorization: Bearer {{search-access-token}}
{
"name": "{{knowledge-base-name}}",
"knowledgeSources": [
{
"name": "{{knowledge-source-name}}"
}
],
"models": [
{
"kind": "azureOpenAI",
"azureOpenAIParameters": {
"resourceUri": "{{aoai-endpoint}}",
"authIdentity": null,
"deploymentId": "{{model-deployment-name}}",
"modelName": "{{model-name}}"
}
}
],
"retrievalReasoningEffort": {
"kind": "auto"
}
}
Referencia:Tudásbázisok – Létrehozás vagy frissítés
Másik szint használatához állítsa a(z) retrievalReasoningEffort.kind értékét erre: minimal, low vagy medium.
Az érvelési munka beállítása egy lekéréses kérelemben
A(z) retrievalReasoningEffort beállításával egy lekérési kérelemben felülbírálhatja az adott kérésre vonatkozó tudásbázis-alapértelmezést. Az alábbi példa üzenetet küld, a auto használatával felülbírálja az előző szakasz low alapértelmezését, és engedélyezi a válaszszintézist (előzetes verzió).
using Azure.Identity;
using Azure.Search.Documents.KnowledgeBases;
using Azure.Search.Documents.KnowledgeBases.Models;
var endpoint = new Uri("<search-endpoint>");
var credential = new DefaultAzureCredential();
var knowledgeBaseName = "<knowledge-base-name>";
var kbClient = new KnowledgeBaseRetrievalClient(
endpoint, knowledgeBaseName, credential);
var request = new KnowledgeBaseRetrievalRequest
{
RetrievalReasoningEffort =
new KnowledgeRetrievalLowReasoningEffort(),
OutputMode = KnowledgeRetrievalOutputMode.AnswerSynthesis
};
request.Messages.Add(
new KnowledgeBaseMessage(
content: new[] {
new KnowledgeBaseMessageTextContent("What is the return policy?")
}
) { Role = "user" }
);
var result = await kbClient.RetrieveAsync(request);
Referencia:KnowledgeBaseRetrievalRequest
from azure.identity import DefaultAzureCredential
from azure.search.documents.knowledgebases import KnowledgeBaseRetrievalClient
from azure.search.documents.knowledgebases.models import (
KnowledgeBaseMessage,
KnowledgeBaseMessageTextContent,
KnowledgeBaseRetrievalRequest,
KnowledgeRetrievalOutputMode,
KnowledgeRetrievalLowReasoningEffort,
)
endpoint = "<search-endpoint>"
credential = DefaultAzureCredential()
knowledge_base_name = "<knowledge-base-name>"
kb_client = KnowledgeBaseRetrievalClient(
endpoint,
credential,
knowledge_base_name=knowledge_base_name,
)
request = KnowledgeBaseRetrievalRequest(
messages=[
KnowledgeBaseMessage(
role="user",
content=[
KnowledgeBaseMessageTextContent(
text="What is the return policy?"
)
],
)
],
retrieval_reasoning_effort=KnowledgeRetrievalLowReasoningEffort(),
output_mode=KnowledgeRetrievalOutputMode.ANSWER_SYNTHESIS,
)
result = kb_client.retrieve(request)
Referencia:KnowledgeBaseRetrievalRequest
@api-version = 2026-08-01-preview
@retrieve-url = {{search-endpoint}}/knowledgebases/{{knowledge-base-name}}/retrieve
POST {{retrieve-url}}?api-version={{api-version}}
Content-Type: application/json
Authorization: Bearer {{search-access-token}}
{
"messages": [
{
"role": "user",
"content": [
{
"type": "text",
"text": "What is the return policy?"
}
]
}
],
"retrievalReasoningEffort": {
"kind": "low"
},
"outputMode": "answerSynthesis"
}
Referencia:Tudáslekérés – Lekérés
A lekérési kérés a tudásbázisban konfigurált tudásforrások alapján egy megalapozott választ ad vissza.