Rövid útmutató: Vektorkeresés a Azure portálon

Ebben a rövid útmutatóban az Azure portál Adatok importálása varázslójával kezdheti el a integrated vectorization használatát. A varázsló darabolja a tartalmat, és meghív egy beágyazási modellt az adattömbök indexeléskor és lekérdezési időpontban történő vektorizálásához.

Ez a rövid útmutató a azure-search-sample-data adattárból származó szöveges PDF-eket és egyszerű képeket használ. Használhat azonban különböző fájlokat, és továbbra is elvégezheti ezt a rövid útmutatót.

Előfeltételek

• Aktív előfizetéssel rendelkező Azure fiók. Hozzon létre egy fiókot ingyenesen.

• Egy Azure AI Keresés szolgáltatás. Ez a rövid útmutató a felügyelt identitások támogatásához az alapszintű vagy annál magasabb szintet igényli.

• Támogatott adatforrás.

• Támogatott beágyazási modell.

• A varázsló ismerete. Lásd: Adatimportálás varázsló a Azure portálon.

Támogatott adatforrások

A varázsló számos Azure adatforrást támogat. Ez a rövid útmutató azonban csak azokat az adatforrásokat ismerteti, amelyek teljes fájlokkal dolgoznak, amelyeket az alábbi táblázatban ismertetünk.

Támogatott beágyazási modellek

A portál az alábbi beágyazási modelleket támogatja az integrált vektorizáláshoz. Az üzembe helyezési utasításokat egy későbbi szakaszban találja.

¹ Számlázási célokra csatolja a többszolgáltatásos fiókját az Azure AI Keresés képességkészletéhez. A varázsló megköveteli, hogy a keresési szolgáltatás és a többszolgáltatásos fiók ugyanabban a támogatott régióban legyen a Azure Vision multimodális beágyazási képességhez (előzetes verzió).

² A varázsló csak kiszolgáló nélküli API-telepítéseket támogat ehhez a modellhez. A Azure CLI használatával kiépítheti a kiszolgáló nélküli üzembe helyezést (előzetes verzió).

³ Az Azure OpenAI-erőforrás végpontjának custom altartományral kell rendelkeznie, például https://my-unique-name.openai.azure.com. Ha az erőforrást a Azure portálon hozta létre, ez az altartomány automatikusan létre lett hozva az erőforrás beállítása során.

⁴ Azure a Microsoft Foundry portálon létrehozott OpenAI-erőforrások (a beágyazási modellekhez való hozzáféréssel) nem támogatottak. A Azure portálon létre kell hoznia egy Azure OpenAI-erőforrást.

A modell életciklusával kapcsolatos legújabb útmutatásért, beleértve az elavulásokat is, tekintse meg a modell kivonását és elavulását ismertető témakört.

Nyilvános végpontra vonatkozó követelmények

Az előző erőforrásoknak nyilvános hozzáféréssel kell rendelkezniük ahhoz, hogy a varázsló hozzáférhessen hozzájuk. Ellenkező esetben a varázsló nem sikerül. A varázsló futtatása után engedélyezheti a tűzfalakat és a privát végpontokat az integrációs összetevőkön a biztonság érdekében. További információ: Biztonságos kapcsolatok az importálási varázslóban.

Ha már vannak privát végpontok, és nem tudja letiltani őket, a másik lehetőség a megfelelő végpontok közötti folyamat futtatása szkriptből vagy programból egy virtuális gépen. A virtuális gépnek ugyanazon a virtuális hálózaton kell lennie, mint a privát végpontnak. Íme egy Python kódminta az integrált vektorizáláshoz. Ugyanez a GitHub adattár más programozási nyelveken is rendelkezik mintákkal.

Hozzáférés konfigurálása

Mielőtt hozzákezdene, győződjön meg arról, hogy rendelkezik a tartalomhoz és a műveletekhez való hozzáféréshez szükséges engedélyekkel. Ez a rövid útmutató a Microsoft Entra ID-t használja hitelesítéshez és szerepköralapú hozzáférés-engedélyezéshez. Szerepkörök hozzárendeléséhez tulajdonosnak vagy felhasználói hozzáférés-rendszergazdának kell lennie. Ha a szerepkörök nem megvalósíthatók, használja inkább a kulcsalapú hitelesítést .

Konfigurálja az ebben a szakaszban azonosított szükséges szerepköröket és feltételes szerepköröket .

Kötelező szerepkörök

Azure AI Keresés a vektorkeresési folyamatot biztosítja. Konfigurálja a hozzáférést saját magának és a keresési szolgáltatásnak az adatok olvasásához, a folyamat futtatásához és más Azure erőforrások kezeléséhez.

A Azure AI Keresés szolgáltatásban:

1. Szerepköralapú hozzáférés engedélyezése.

2. Konfiguráljon egy rendszer által hozzárendelt felügyelt identitást.

3. Rendelje hozzá a következő szerepköröket magának.

   • Keresési szolgáltatás közreműködője

   • Keresési index adatszolgáltatója

   • Keresési index adatolvasó

Feltételes szerepkörök

Az alábbi lapok a vektorkeresés varázslóval kompatibilis összes erőforrását lefedik. Csak a kiválasztott adatforrásra és beágyazási modellre vonatkozó füleket jelölje ki.

Mintaadatok előkészítése

Ebben a szakaszban mintaadatokat készít a kiválasztott adatforráshoz.

Beágyazási modell előkészítése

A varázsló számos beágyazási modellt támogat Azure OpenAI-ból és a Microsoft Foundry-modellkatalógusból. A kiválasztott embedding modellhez szükséges modellek üzembe helyezéséhez lásd a Microsoft Foundry modellek üzembe helyezése a Foundry portálon című részt.

A varázsló indítása

1. Nyissa meg a keresőszolgáltatást a Azure portálon.

2. Az Áttekintés lapon válassza az Adatok importálása lehetőséget.

   

3. Válassza ki az adatforrást: Azure Blob Storage, ADLS Gen2 vagy OneLake.

4. Válassza a RAG lehetőséget.

   

A varázsló futtatása

A varázsló több konfigurációs lépést is végigvezet. Ez a szakasz az egyes lépések sorrendjét ismerteti.

Csatlakozás az adatokhoz

Ebben a lépésben az Azure AI Keresés-et csatlakoztatja a kiválasztott adatforráshoz a tartalom betöltése és indexelése céljából.

A szöveg vektorizálása

Ebben a lépésben a varázsló a kiválasztott beágyazási modellt használja az adattömbbe ágyazott adatok vektorizálására. A darabolás beépített és nem konfigurálható. A hatályos beállítások a következők:

"textSplitMode": "pages",
"maximumPageLength": 2000,
"pageOverlapLength": 500,
"maximumPagesToTake": 0, #unlimited
"unit": "characters"

Képek vektorizálása és bővítése

Az állapotterv PDF-fájljai tartalmazzák a vállalati emblémát, de máskülönben nincsenek képek. Ezt a lépést kihagyhatja, ha a mintadokumentumokat használja.

Ha azonban a tartalom hasznos képeket tartalmaz, a mesterséges intelligenciát az alábbi módok egyikével vagy mindkettővel alkalmazhatja:

• Az Microsoft Foundry-modellkatalógusból vagy a Azure Vision multimodális beágyazási API-ból (többszolgáltatásos fiókon keresztül) támogatott képbeágyazási modell használatával vektorizálhatja a képeket.

• Optikai karakterfelismerés (OCR) használatával kinyerhet szöveget a képekből. Ez a beállítás meghívja az OCR-képességet.

Szemantikai rangsorolás hozzáadása

A Speciális beállítások lapon lehetőség van szemantikai rangsorolás hozzáadására, hogy a lekérdezés végrehajtásának végén újraküldje az eredményeket. A reranking előre helyezi a szemantikai szempontból legrelevánsabb találatokat.

Új mezők leképezése

A Speciális beállítások lapon igény szerint új mezőket is hozzáadhat, feltéve, hogy az adatforrás metaadatokat vagy mezőket biztosít, amelyeket az első lépésben nem fog átvenni. A varázsló alapértelmezés szerint az alábbi táblázatban leírt mezőket hozza létre.

A létrehozott mezőket és attribútumaikat nem módosíthatja, de új mezőket is hozzáadhat, ha az adatforrás biztosítja őket. A Azure Blob Storage például metaadatmezők gyűjteményét biztosítja.

Mezők hozzáadása az indexsémához:

1. A Speciális beállítások lap Indexmezők területén válassza az Előnézet és szerkesztés lehetőséget.

2. Válassza a Mező hozzáadása lehetőséget.

3. Válasszon ki egy forrásmezőt az elérhető mezők közül, adja meg az index mezőnevét, és fogadja el (vagy bírálja felül) az alapértelmezett adattípust.

4. Ha vissza szeretné állítani a sémát az eredeti verzióra, válassza az Alaphelyzetbe állítás lehetőséget.

A lépés főbb pontjai:

• Az indexséma vektoros és nemvektoros mezőket biztosít a tömbösített adatokhoz.

• A dokumentumelemzési mód adattömböket hoz létre (darabszámonként egy keresési dokumentumot).

Indexelés ütemezése

Az olyan adatforrások esetében, ahol a mögöttes adatok változékonyak, ütemezheti az indexelést , hogy meghatározott időközönként vagy adott dátumokban és időpontokban rögzítse a változásokat.

Indexelés ütemezése:

1. A Speciális beállítások lapon, az Indexelés ütemezése csoportban adja meg az indexelő futási ütemezését. Ebben a rövid útmutatóban a Once parancsot javasoljuk.

   

2. Válassza a Tovább gombot.

A varázsló befejezése

Az utolsó lépés a konfiguráció áttekintése és a vektorkereséshez szükséges objektumok létrehozása. Ha szükséges, térjen vissza a varázsló előző lapjaira a konfiguráció módosításához.

A varázsló befejezéséhez:

1. A Véleményezés és létrehozás lapon adja meg a varázsló által létrehozott objektumok előtagját. Egy gyakori előtag segít a rendszerezésben.

   

2. Válassza a Létrehozás lehetőséget.

Varázsló által létrehozott objektumok

Amikor a varázsló befejezi a konfigurációt, a következő objektumokat hozza létre:

Eredmények ellenőrzése

A Search Explorer szövegsztringeket fogad bemenetként, majd vektorizálja a szöveget a vektoros lekérdezés végrehajtásához.

A vektorindex lekérdezése:

1. A Azure portálon lépjen a Search Management>Indexes lapra, és válassza ki az indexet.

2. Válassza a Lekérdezési beállítások lehetőséget, majd válassza a Vektorértékek elrejtése a keresési eredmények között lehetőséget. Ez a lépés olvashatóbbá teszi az eredményeket.

   

3. A Nézet menüben válassza a JSON-nézetet , hogy beírhassa a vektoros lekérdezés szövegét a text vektoros lekérdezés paraméterébe.

   

   Az alapértelmezett lekérdezés egy üres keresés ("*"), de a szám egyezések visszaadására szolgáló paramétereket is tartalmaz. Ez egy hibrid lekérdezés, amely szöveges és vektoros lekérdezéseket futtat párhuzamosan. Emellett szemantikai rangsorolást is tartalmaz, és meghatározza, hogy mely mezőket kell visszaadni az eredményekben az select utasításon keresztül.

    {
      "search": "*",
      "count": true,
      "vectorQueries": [
        {
          "kind": "text",
          "text": "*",
          "fields": "text_vector,image_vector"
        }
      ],
      "queryType": "semantic",
      "semanticConfiguration": "my-demo-semantic-configuration",
      "captions": "extractive",
      "answers": "extractive|count-3",
      "queryLanguage": "en-us",
      "select": "chunk_id,text_parent_id,chunk,title,image_parent_id"
    }
   

4. Cserélje le mindkét csillag (*) helyőrzőt az egészségbiztosítási tervekkel kapcsolatos kérdésre, például Which plan has the lowest deductible?.

    {
      "search": "Which plan has the lowest deductible?",
      "count": true,
      "vectorQueries": [
        {
          "kind": "text",
          "text": "Which plan has the lowest deductible?",
          "fields": "text_vector,image_vector"
        }
      ],
      "queryType": "semantic",
      "semanticConfiguration": "my-demo-semantic-configuration",
      "captions": "extractive",
      "answers": "extractive|count-3",
      "queryLanguage": "en-us",
      "select": "chunk_id,text_parent_id,chunk,title"
    }
   

5. A lekérdezés futtatásához válassza a Keresés lehetőséget.

   

   Minden dokumentum az eredeti PDF-fájl egy-egy darabja. A title mezőben látható, hogy az adattömb melyik PDF-fájlból származik. Mindegyik chunk hosszú. A teljes érték olvasásához másolhat és beilleszthet egyet egy szövegszerkesztőbe.

6. Egy adott dokumentum összes adattömbjének megtekintéséhez adjon hozzá egy szűrőt egy title_parent_id adott PDF-fájl mezőihez. Az index Mezők lapján ellenőrizheti, hogy a mező szűrhető-e.

   {
      "select": "chunk_id,text_parent_id,chunk,title",
      "filter": "text_parent_id eq 'aHR0cHM6Ly9oZWlkaXN0c3RvcmFnZWRlbW9lYXN0dXMuYmxvYi5jb3JlLndpbmRvd3MubmV0L2hlYWx0aC1wbGFuLXBkZnMvTm9ydGh3aW5kX1N0YW5kYXJkX0JlbmVmaXRzX0RldGFpbHMucGRm0'",
      "count": true,
      "vectorQueries": [
          {
             "kind": "text",
             "text": "*",
             "k": 5,
             "fields": "text_vector"
          }
       ]
   }
   

Erőforrások törlése

Ha a saját előfizetésében dolgozik, érdemes befejezni egy projektet a már nem szükséges erőforrások eltávolításával. Az otthagyott futó erőforrások pénzbe kerülhetnek.

Az Azure portálon válassza az Összes erőforrás vagy Erőforráscsoportok lehetőséget a bal oldali panelen az erőforrások megkereséséhez és kezeléséhez. Az erőforrásokat egyenként törölheti, vagy törölheti az erőforráscsoportot az összes erőforrás egyidejű eltávolításához.

Következő lépés

Ez a rövid útmutató bemutatta az Adatok importálása varázslót, amely létrehozza az összes szükséges objektumot az integrált vektorizáláshoz. Az egyes lépések részletes megismeréséhez lásd: A Azure AI Keresés integrált vektorizálásának beállítása.