Guida introduttiva: Ricerca vettoriale nel portale di Azure

In questa guida introduttiva si usa la procedura guidata Importa dati nel portale di Azure per iniziare a usare integrated vectorization. La procedura guidata suddivide il contenuto e chiama un modello di embedding per vettorizzare i blocchi durante l'indicizzazione e l'esecuzione di query.

Questa guida introduttiva usa pdf basati su testo e immagini semplici dal repository azure-search-sample-data. Tuttavia, è possibile usare file diversi e completare comunque questa guida introduttiva.

Prerequisiti

• Un account Azure con una sottoscrizione attiva. Creare gratuitamente un account.

• Un servizio Azure AI Search. Questa configurazione rapida richiede il livello Basic o superiore per il supporto delle identità gestite.

• Fonte di dati supportata.

• Modello di incorporamento supportato.

• Familiarità con la procedura guidata. Vedere Importa guidata dati nel portale di Azure.

Origini dati supportate

La procedura guidata supporta diverse origini dati Azure. Tuttavia, questa guida introduttiva illustra solo le origini dati che funzionano con interi file, descritti nella tabella seguente.

Modelli di incorporamento supportati

Il portale supporta i modelli di incorporamento seguenti per la vettorializzazione integrata. Le istruzioni di distribuzione vengono fornite in una sezione successiva.

¹ Ai fini della fatturazione, è necessario collegare l'account multiservizio all'insieme di competenze di Azure AI Search. La procedura guidata richiede che il servizio di ricerca e l'account multiservizio si trovino nella stessa area supportata per la competenza Incorporamenti multimodali di Visione di Azure (anteprima).

² La procedura guidata supporta solo le distribuzioni di API serverless per questo modello. È possibile usare il interfaccia della riga di comando di Azure per effettuare il provisioning della distribuzione serverless (anteprima).

³ L'endpoint Azure della risorsa OpenAI deve avere un sottodominio custom, ad esempio https://my-unique-name.openai.azure.com. Se la risorsa è stata creata nel portale di Azure, questo sottodominio viene generato automaticamente durante l'installazione delle risorse.

⁴ risorse Azure OpenAI (con accesso ai modelli di incorporamento) create nel portale Microsoft Foundry non sono supportate. È necessario creare una risorsa OpenAI Azure nel portale di Azure.

Per le indicazioni più recenti sul ciclo di vita del modello, comprese le deprecazioni, consulta Ritiro e deprecazione dei modelli.

Requisiti dell'endpoint pubblico

Tutte le risorse precedenti devono disporre dell'accesso pubblico abilitato in modo che la procedura guidata possa accedervi. In caso contrario, la procedura guidata non ha esito positivo. Dopo l'esecuzione della procedura guidata, è possibile abilitare i firewall e gli endpoint privati nei componenti di integrazione per la sicurezza. Per altre informazioni, vedere Proteggere le connessioni nella procedura guidata di importazione.

Se gli endpoint privati sono già presenti e non è possibile disabilitarli, l'opzione alternativa consiste nell'eseguire il rispettivo flusso end-to-end da uno script o programma in una macchina virtuale. La macchina virtuale deve trovarsi nella stessa rete virtuale dell'endpoint privato. Ecco un esempio di codice Python per la vettorializzazione integrata. Lo stesso repository GitHub include esempi in altri linguaggi di programmazione.

Configurare l'accesso

Prima di iniziare, assicurarsi di disporre delle autorizzazioni per accedere al contenuto e alle operazioni. Questo avvio rapido usa Microsoft Entra ID per l'autenticazione e l'accesso basato su ruoli per l'autorizzazione. Per assegnare i ruoli, è necessario essere proprietario o amministratore accesso utenti . Se i ruoli non sono fattibili, usare invece l'autenticazione basata su chiave .

Configurare i ruoli obbligatori e i ruoli condizionali identificati in questa sezione.

Ruoli obbligatori

Azure AI Search fornisce la pipeline di ricerca vettoriale. Configurare l'accesso per se stessi e il servizio di ricerca per leggere i dati, eseguire la pipeline e interagire con altre risorse Azure.

Nel servizio Azure AI Search:

1. Abilitare l'accesso in base al ruolo.

2. Configurare un'identità gestita assegnata dal sistema.

3. Assegnare i ruoli seguenti a se stessi.

   • Collaboratore servizio di ricerca

   • Contributore di dati dell'indice di ricerca

   • Lettore di dati dell'indice di ricerca

Ruoli condizionali

Le schede seguenti illustrano tutte le risorse compatibili con la procedura guidata per la ricerca vettoriale. Selezionare solo le schede che si applicano all'origine dati scelta e al modello di embedding.

Preparare i dati di esempio

In questa sezione si preparano i dati di esempio per l'origine dati scelta.

Preparare il modello di incorporamento

La procedura guidata supporta diversi modelli di incorporamento da Azure OpenAI e dal catalogo dei modelli Microsoft Foundry. Per distribuire i modelli necessari per il modello di embedding, vedere Distribuire i modelli di Microsoft Foundry nel portale Foundry.

Avviare la procedura guidata

1. Passare al servizio di ricerca nel portale Azure.

2. Nella pagina Panoramica selezionare Importa dati.

   

3. Selezionare l'origine dati: Archiviazione BLOB di Azure, ADLS Gen2 o OneLake.

4. Selezionare RAG.

   

Eseguire la procedura guidata

La procedura guidata consente di eseguire diversi passaggi di configurazione. Questa sezione illustra ogni passaggio in sequenza.

Connettersi ai dati

In questo passaggio, colleghi Azure AI Search al origine dati scelto per l'inserimento e l'indicizzazione del contenuto.

Vettorizzare il testo

Durante questo passaggio, la procedura guidata usa il modello di incorporamento scelto per vettorizzare i dati suddivisi in blocchi. La suddivisione in blocchi è incorporata e non configurabile. Le impostazioni valide sono:

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

Vettorizzare e arricchire le immagini

I PDF del piano sanitario includono un logo aziendale, ma per il resto, non ci sono immagini. È possibile ignorare questo passaggio se si usano i documenti di esempio.

Tuttavia, se il contenuto include immagini utili, è possibile applicare l'intelligenza artificiale in uno o entrambi i modi seguenti:

• Usare un modello di incorporamento di immagini supportato dal catalogo dei modelli di Microsoft Foundry o dall'API embedding di Azure Vision( tramite un account multiservizio) per vettorizzare le immagini.

• Usare il riconoscimento ottico dei caratteri (OCR) per estrarre testo dalle immagini. Questa opzione richiama la competenza OCR.

Aggiungere una classificazione semantica

Nella pagina Impostazioni avanzate è possibile aggiungere facoltativamente una classificazione semantica per rerank dei risultati alla fine dell'esecuzione della query.On the Advanced settings page, you can optionally add semantic ranking to rerank results at the end of query execution. La riclassificazione promuove le corrispondenze più rilevantemente semantiche ai primi posti.

Eseguire il mapping di nuovi campi

Nella pagina Impostazioni avanzate è possibile aggiungere facoltativamente nuovi campi, presupponendo che l'origine dati fornisca metadati o campi che non vengono prelevati al primo passaggio. Per impostazione predefinita, la procedura guidata genera i campi descritti nella tabella seguente.

Non è possibile modificare i campi generati o i relativi attributi, ma è possibile aggiungere nuovi campi se l'origine dati li fornisce. Ad esempio, Archiviazione BLOB di Azure fornisce una raccolta di campi di metadati.

Per aggiungere campi allo schema dell'indice:

1. Nella pagina Impostazioni avanzate , in Campi indice selezionare Anteprima e modifica.

2. Selezionare Aggiungi campo.

3. Selezionare un campo di origine nei campi disponibili, immettere un nome di campo per l'indice e accettare (o eseguire l'override) del tipo di dati predefinito.

4. Se si vuole ripristinare lo schema nella versione originale, selezionare Reimposta.

Punti chiave su questo passaggio:

• Lo schema dell'indice fornisce campi vettoriali e non vettoriali per dati segmentati.

• La modalità di analisi dei documenti crea blocchi (un documento di ricerca per blocco).

Pianificare l'indicizzazione

Per le origini dati in cui i dati sottostanti sono volatili, è possibile pianificare l'indicizzazione per acquisire le modifiche a intervalli specifici o date e ore specifiche.

Per pianificare l'indicizzazione:

1. Nella pagina Impostazioni avanzate , in Pianificazione dell'indicizzazione, specificare una pianificazione di esecuzione per l'indicizzatore. Si consiglia Once per questa guida introduttiva.

   

2. Selezionare Avanti.

Completare la procedura guidata

Il passaggio finale consiste nel esaminare la configurazione e creare gli oggetti necessari per la ricerca vettoriale. Se necessario, tornare alle pagine precedenti della procedura guidata per modificare la configurazione.

Per completare la procedura guidata:

1. Nella pagina Rivedi e crea specificare un prefisso per gli oggetti creati dalla procedura guidata. Un prefisso comune consente di rimanere organizzati.

   

2. Selezionare Crea.

Oggetti creati dalla procedura guidata

Al termine della configurazione, la procedura guidata crea gli oggetti seguenti:

Controllare i risultati

Search Explorer accetta stringhe di testo come input e quindi vettorizza il testo per l'esecuzione di query vettoriali.

Per interrogare l'indice vettoriale:

1. Nel portale di Azure passare a Search Management>Indexes e quindi selezionare l'indice.

2. Selezionare Opzioni query e quindi selezionare Nascondi valori vettoriali nei risultati della ricerca. Questo passaggio rende i risultati più leggibili.

   

3. Dal menu Visualizza selezionare Visualizzazione JSON in modo da poter immettere testo per la query vettoriale nel parametro di text query vettoriale.

   

   La query predefinita è una ricerca vuota ("*"), ma include parametri per la restituzione delle corrispondenze di numero. Si tratta di una query ibrida che esegue query di testo e vettoriali in parallelo. Include anche la classificazione semantica e specifica i campi da restituire nei risultati tramite l'istruzione select .

    {
      "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. Sostituisci entrambi i segnaposto asterisco (*) con una domanda correlata ai piani sanitari, ad esempio 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. Per eseguire la query, selezionare Cerca.

   

   Ogni documento è un blocco del PDF originale. Il title campo mostra il pdf da cui proviene il blocco. Ognuno chunk è lungo. È possibile copiare e incollarne uno in un editor di testo per leggere l'intero valore.

6. Per visualizzare tutti i blocchi di un documento specifico, aggiungere un filtro per il title_parent_id campo per un PDF specifico. È possibile controllare la scheda Campi dell'indice per verificare che il campo sia filtrabile.

   {
      "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"
          }
       ]
   }
   

Pulire le risorse

Quando si lavora nella propria sottoscrizione, è consigliabile completare un progetto rimuovendo le risorse non più necessarie. Le risorse che rimangono in esecuzione hanno un costo.

Nel portale di Azure selezionare Tutte le risorse o Gruppi di risorse dal riquadro sinistro per trovare e gestire le risorse. È possibile eliminare le risorse singolarmente o eliminare il gruppo di risorse per rimuovere tutte le risorse contemporaneamente.

Passaggio successivo

In questa guida introduttiva è stata presentata la procedura guidata Importa dati , che crea tutti gli oggetti necessari per la vettorializzazione integrata. Per esplorare in dettaglio ogni passaggio, vedere Impostare la vettorizzazione integrata in Azure AI Search.