Mi az a Azure AI Keresés?

Azure AI Keresés egy teljes körűen felügyelt, felhőalapú szolgáltatás, amely az adatokat az AI-hez csatlakoztatja. A szolgáltatás egységes hozzáférést biztosít a vállalati és webes tartalmakhoz, így az ügynökök és a nagy nyelvi modellek (LLM-ek) környezeteket, csevegési előzményeket és több forrásból érkező jeleket használhatnak megbízható, megalapozott válaszok létrehozásához.

A gyakori felhasználási esetek közé tartozik a klasszikus keresés, valamint a ügynöki visszakeresést használó, visszakereséssel kiegészített generálás (RAG), amelyben a szolgáltatás összehangolja a lekérdezés megtervezését, a visszakeresést és a válasz összeállítását. Ezek a képességek olyan forgatókönyveket támogatnak, amelyek a hagyományos keresési élménytől kezdve az AI-alapú ügynökökig és a vállalati és fogyasztói forgatókönyvekhez egyaránt megfelelő csevegőalkalmazásokig terjednek.

Keresési szolgáltatás létrehozásakor a következő képességek érhetők el:

• Két motor: klasszikus keresés önálló kérelmekre és ügynöki lekérés párhuzamos, iteratív, LLM által támogatott keresésre.
• Teljes szöveges, vektoros, hibrid és multimodális lekérdezések helyi (indexelt) és távoli tartalmakon keresztül.
• Mesterséges intelligencia dúsítás adatelemek feldolgozására, vektorizálásra, és a nyers tartalom kereshetővé tételére.
• A relevanciahangolás a szándékillesztés és az eredményminőség javítására szolgál.
• Azure skálázás, biztonság, monitorozás és megfelelőség.
• Azure támogatott adatplatformokkal, Azure OpenAI-val és Microsoft Foundryvel való integráció.

Miért érdemes Azure AI Keresés használni?

• A helyi ügynökök és csevegőrobotok zárt, nagyvállalati vagy webes adatokra építenek a pontos, kontextusra érzékeny válaszok érdekében.

• Adatok elérése Azure Blob Storage, Azure Cosmos DB, Microsoft SharePoint, Microsoft OneLake és más támogatott adatforrásokból. Válasszon indexelt vagy távelérést a frissesség, a késleltetés és a megfelelőségi igények alapján.

• Tartalom bővítése és strukturálása indexeléskor vagy lekérdezési időben az adattömbök, beágyazások és LLM által támogatott átalakításokat végző készségekkel.

• A teljes szöveges keresés és a vektoros keresés (hibrid keresés) kombinálásával kiegyensúlyozza a pontosságot és a visszahívást.

• Egyetlen multimodális folyamatban lévő szöveget és képeket tartalmazó tartalom lekérdezése.

• Egyszerűen implementálhatja a kereséssel kapcsolatos funkciókat: relevanciahangolás, részletes navigáció, szűrők (beleértve a térbeli keresést), szinonimák leképezése és automatikus kiegészítés.

• Vállalati biztonság, hozzáférés-vezérlés és megfelelőség biztosítása Microsoft Entra ID, Azure Private Link, dokumentumszintű hozzáférés-vezérlés és szerepköralapú hozzáférés révén.

• Skálázás és működés éles környezetben az Azure megbízhatóságával, monitorozásával és diagnosztikájával (naplók, metrikák és riasztások), valamint az automatizáláshoz szükséges REST API- és SDK-eszközökkel.

Az egyes funkciókról további információt a A Azure AI Keresésfeatures című témakörben talál.

Mi a klasszikus keresés?

A klasszikus keresés egy index-első lekérési modell kiszámítható, kis késésű lekérdezésekhez. Minden lekérdezés egyetlen előre definiált keresési indexet céloz meg, és a rangsorolt dokumentumokat egy kérelem–válasz ciklusban adja vissza. A beolvasás során nem történik LLM-alapú tervezés, iteráció vagy szintézis.

Ebben az architektúrában a keresési szolgáltatás a feldolgozatlan tartalmat tartalmazó adattárak és az ügyfélalkalmazás között helyezkedik el. Az alkalmazás feladata, hogy lekérdezési kéréseket küldjön a keresési szolgáltatásnak, és kezelje a választ.

Ez az architektúra két elsődleges számítási feladatot tartalmaz:

Mi az ügynöki lekérés?

Az agentikus visszakeresés egy összetett ügynök-ügynök munkafolyamatokhoz tervezett többkérdéses folyamat. Minden lekérdezés egy tudásbázist céloz meg, amely a tudás teljes tartományát képviseli. Az Ön ügynöke hivatkozik a tudásbázisra, hogy mire kell alapozni, míg a tudásbázis kezeli a földelés módját.

A tudásbázis egy vagy több tudásbázisból, a lekérdezéstervezéshez és a válaszszintézishez választható LLM-ből, valamint a lekérési viselkedést szabályozó paraméterekből áll. Minden lekérdezés tervezésen, fókuszált részlekérdezésekre való dekompozíción, és a tudásforrásokból történő párhuzamos adatlekérés, szemantikai sorrendezés és az eredmények egyesítése során megy keresztül. A háromlépcsős válasz ügynökhasználathoz van optimalizálva.

A motorháztető alatt az ügynöki visszakeresés a klasszikus keresési architektúrára épít egy kontextusréteg (tudásbázis) hozzáadásával, amely több forrásból történő lekérést vezényel. A tudásbázisok indexelhetők vagy távoliak: az indexelt források ugyanazokat az indexelési és lekérdezési motorokat használják, mint a klasszikus keresés, míg a távoli források megkerülik az indexelést, és élőben kérdezik le.

Hogyan viszonyulnak egymáshoz?

A klasszikus keresés és az ügynöki lekérés az információk lekérésének kiegészítő módjai. Mindkettő támogatja a teljes szöveges, vektoros, hibrid és multimodális keresést. A tartalom betöltési és lekérdezési módjában azonban különböznek. Az alábbi táblázat összefoglalja a főbb különbségeket.

Első lépések

Az Azure AI Keresés az Azure portálon, REST API-k, és az Azure SDK-k .NET, Java, JavaScript, és Python használatával érhető el.

A portál hasznos a szolgáltatáskezeléshez és a tartalomkezeléshez, a tudásbázisok, a tudásforrások, az indexek, az indexelők, a készségkészletek és az adatforrások prototípus-készítési eszközeivel. A REST API-k és az SDK-k hasznosak az éles automatizáláshoz.

Az elérési út kiválasztása

Első lépésként használja ezt az ellenőrzőlistát a legfontosabb döntések meghozatalához:

• Válasszon egy tarifamodellt: Válasszon a dedikált vagy a kiszolgáló nélküli (előzetes verzió) díjszabási modell közül. Az igényeinek leginkább megfelelő modell kiválasztásához tekintse meg a tarifamodell és a szolgáltatási szint kiválasztásával kapcsolatos segítséget.

• Adja meg, hogyan szeretné lekérni az adatokat: Közvetlenül a keresési indexből kérdezhet le kiszámítható, alacsony késésű eredményeket, vagy ügynöki lekéréssel több indexet is lekérdezhet egy tudásbázison keresztül. Ha egy hagyományos alkalmazást ügynök vagy csevegőrobot nélkül hoz létre, a közvetlen indexelési lekérdezések alacsonyabb költséggel és összetettséggel elégíthetik ki a legtöbb igényt. Ha több tudásforrásban szeretne dolgozni, vagy összetettebb forgatókönyveket szeretne támogatni, fontolja meg az ágensalapú visszakeresést minimális következtetési ráfordítással (előzetes verzió).

• Válasszon egy régiót: Ha ügynöki lekérést használ, válasszon egy támogatott régiót. A klasszikus kereséshez válasszon egy régiót, amely a szükséges funkciókat és kapacitást kínálja.

• Válasszon egy betöltési módszert az indexhez kötött tartalomhoz: Ha a tartalom támogatott adatforrásban található, a lekéréses módszerrel lekérheti és szerializálhatja az adatokat a JSON-ban. Ha nem rendelkezik támogatott adatforrással, vagy ha a tartalmat és az indexet valós időben kell szinkronizálni, a leküldéses módszer az egyetlen lehetőség.

• Szüksége van vektorokra? Az LLM-ek és -ügynökök nem igényelnek vektorokat. Csak akkor használja őket, ha hasonlósági keresésre van szüksége, vagy ha olyan tartalommal rendelkezik, amely vektorokká homogenizálható. Azure AI Keresés a feladathoz integrált vektorizációt kínál.

• Szüksége van felhasználóalapú engedélyöröklésre? A Távoli SharePoint-ot erre a forgatókönyvre tervezték, de az Azure Blob Storage-ban vagy az ADLS Gen2-ben lévő tartalmakhoz csatolt felhasználói engedélyeket is örökölheti. Minden más forgatókönyv esetében használhatja a biztonsági szűrő kerülő megoldását.

A képzési erőforrások kiválasztása

Ezek a rövid útmutatók és minták segítséget nyújtanak az első lépésekhez.