Tips tentang pengayaan AI pada Pencarian Azure AI

Catatan

Pencarian Azure AI tersedia melalui portal Azure, REST API, dan Azure SDK. Ini juga mendukung Foundry IQ, lapisan pengetahuan terkelola yang mengubah konten perusahaan menjadi pangkalan pengetahuan yang dapat digunakan kembali dan sadar izin untuk agen di portal Microsoft Foundry.

Artikel ini memberikan tips untuk membantu Anda memulai pengayaan AI dan set keterampilan yang digunakan selama pengindeksan.

Tips 1: Mulai sederhana dan mulai dari yang kecil

Panduan Impor data di portal Azure mendukung pengayaan AI. Tanpa menulis kode apa pun, Anda dapat membuat dan memeriksa semua objek yang digunakan dalam alur pengayaan: indeks, pengindeks, sumber data, dan set keterampilan.

Cara lain untuk memulai hanyalah dengan membuat sumber data hanya dengan beberapa dokumen atau baris dalam tabel yang mewakili dokumen yang ingin Anda indeks. Himpunan data kecil adalah cara terbaik untuk meningkatkan kecepatan menemukan dan memperbaiki masalah. Jalankan sampel Anda melalui alur end-to-end dan periksa apakah hasilnya memenuhi kebutuhan Anda. Ketika Anda puas dengan hasilnya, Anda siap untuk menambahkan lebih banyak file ke sumber data Anda.

Tips 2: Lihat apa yang berfungsi bahkan jika ada beberapa kegagalan

Terkadang kegagalan kecil menghentikan pengindeks sepenuhnya. Kondisi itu baik-baik saja jika Anda berencana untuk memperbaiki masalah satu per satu. Namun, Anda mungkin ingin mengabaikan jenis kesalahan tertentu, sehingga pengindeks dapat melanjutkan dan Anda dapat melihat alur apa yang benar-benar berfungsi.

Untuk mengabaikan kesalahan selama pengembangan, atur maxFailedItems dan maxFailedItemsPerBatch ke -1 sebagai bagian dari definisi pengindeks.

{
  "parameters": {
    "maxFailedItems": -1,
    "maxFailedItemsPerBatch": -1
  }
}

Catatan

Sebagai praktik terbaik, atur maxFailedItems dan maxFailedItemsPerBatch ke 0 untuk beban kerja produksi.

Tips 3: Gunakan sesi Debug untuk memecahkan masalah

Debug session adalah editor visual yang menunjukkan grafik dependensi keterampilan, masukan dan keluaran, serta definisi. Ini memuat dokumen sumber tunggal dari sumber data pengindeks dengan konfigurasi pengindeks dan skillset saat ini. Anda kemudian dapat menjalankan seluruh set keterampilan, yang tercakup dalam dokumen tersebut. Dalam sesi debug, Anda dapat mengidentifikasi dan mengatasi kesalahan, memvalidasi perubahan, dan menerapkan perubahan pada set keterampilan induk. Untuk panduan, lihat Tutorial: sesi debug.

Tips 4: Konten yang diharapkan tidak muncul

Jika konten hilang, periksa dokumen yang dihilangkan di portal Azure. Pada halaman layanan pencarian, buka Pengindeks, pilih pengindeks, lalu pilih nilai Status eksekusi untuk melihat detail dan kesalahan eksekusi.

Jika masalahnya terkait dengan ukuran file, Anda mungkin melihat kesalahan seperti ini: "Blob <nama-file>" berukuran <ukuran-file> byte, yang melebihi ukuran maksimum untuk ekstraksi dokumen pada tingkat layanan Anda saat ini." Untuk informasi selengkapnya tentang batas indexer, lihat Batas layanan.

Alasan kedua agar konten gagal muncul mungkin terkait dengan kesalahan pemetaan input/output. Misalnya, nama target output adalah "Orang" tetapi nama bidang indeks adalah "orang" yang ditulis dengan huruf kecil. Sistem mengembalikan pesan keberhasilan 201 untuk seluruh alur sehingga Menurut Anda pengindeksan berhasil, padahal sebenarnya bidang kosong.

Tips 5: Memperpanjang pemrosesan di luar waktu proses maksimum

Analisis gambar secara komputasi intensif bahkan untuk kasus sederhana, jadi ketika gambar sangat besar atau kompleks, waktu pemrosesan dapat melebihi waktu maksimum yang diizinkan.

Untuk pengindeks yang memiliki skillset, eksekusi skillset dibatasi pada 2 jam untuk sebagian besar tingkatan. Jika pemrosesan skillset gagal diselesaikan dalam periode tersebut, jadwalkan pengindeks untuk berjalan setiap lima menit sehingga dapat melanjutkan pemrosesan dari dokumen baik terakhir yang diketahui.

Pengindeksan terjadwal dilanjutkan pada dokumen terakhir dalam kondisi baik yang diketahui. Pada jadwal berulang, pengindeks dapat menangani backlog gambar selama beberapa jam atau hari, hingga semua gambar yang belum diproses selesai diproses. Untuk informasi selengkapnya tentang sintaks jadwal, lihat Menjadwalkan pengindeks.

Catatan

Jika pengindeks terjadwal berulang kali gagal pada dokumen yang sama, layanan mengurangi frekuensi eksekusinya (hingga 24 jam sekali) hingga membuat kemajuan. Setelah memperbaiki masalah yang mendasarinya, jalankan pengindeks sesuai permintaan. Jika membuat kemajuan, pengindeks akan kembali ke interval yang dikonfigurasi. Jika pengindeks tidak kembali ke jadwal yang dikonfigurasi setelah berhasil dijalankan, lihat Tanya Jawab Umum perilaku penjadwalan.

Tip 6: Meningkatkan kecepatan pengindeksan

Untuk pengindeksan paralel, distribusikan data Anda ke dalam beberapa kontainer atau beberapa folder virtual di dalam kontainer yang sama. Kemudian buat beberapa pasangan sumber data dan pengindeks. Semua pengindeks dapat menggunakan skillset yang sama dan menulis ke dalam indeks pencarian target yang sama, sehingga aplikasi pencarian Anda tidak perlu menyadari partisi ini.

Lihat juga

  • Terakhir diperbarui pada