Użyj Microsoft Retriever 1 w Foundry IQ (Wyszukiwanie AI platformy Azure)

Important

Microsoft Retriever 1 jest w Public Preview i podlega dodatkowym warunkom użytkowania usługi Microsoft Azure Previews. Aby zapoznać się z warunkami wersji zapoznawczej specyficznymi dla tej funkcji, zobacz Funkcjonalność w wersji zapoznawczej.

Microsoft-retriever-1 to wyspecjalizowany model pobierania hostowany w usłudze Foundry IQ (Wyszukiwanie AI platformy Azure). Nie musisz łączyć się z zewnętrznym modelem planowania ani konfigurować jego sieci i uwierzytelniania na potrzeby planowania wyszukiwania, które ten model zapewnia. Ten przepływ pracy przeszukuje bezpośrednio mały indeks zasad, a następnie uwidacznia tę samą zawartość za pośrednictwem bazy wiedzy.

Wsparcie użytkowania

Azure portal portal Microsoft Foundry zestaw SDK .NET Python SDK Java SDK JavaScript SDK REST API
❌ ❌ ✔️ ✔️ ✔️ ✔️ ✔️

Prerequisites

  • Usługa Foundry IQ z planem Standard Knowledge Retrieval w obsługiwanym regionie.
  • Uprawnienie do tworzenia, wypełniania, wykonywania zapytań i usuwania przykładowego indeksu, źródła wiedzy i bazy wiedzy. W przypadku uwierzytelniania bez klucza przypisz swojej tożsamości role Współautor usługi wyszukiwania, Współautor danych indeksu wyszukiwania i Czytelnik danych indeksu wyszukiwania w usłudze Foundry IQ.
  • Projekt konsoli .NET 8 lub nowszy w najnowszej wersji zapoznawczej Azure.Search.Documents. Zobacz bibliotekę klienta .NET.

Tworzenie małego indeksu zasad

Utwórz indeks z tekstem zasad z możliwością wyszukiwania i polem jurysdykcji z możliwością filtrowania.

Zaloguj się zgodnie z opisem w temacie Connect to Foundry IQ. Uruchom fragmenty kodu zestawu SDK w kolejności.

from azure.identity import DefaultAzureCredential
from azure.search.documents import SearchClient
from azure.search.documents.indexes import SearchIndexClient

search_endpoint = "<search-endpoint>"
index_name = "mr1-policy-index"
knowledge_source_name = "mr1-policy-source"
knowledge_base_name = "mr1-policy-kb"
credential = DefaultAzureCredential()
index_client = SearchIndexClient(search_endpoint, credential)
search_client = SearchClient(search_endpoint, index_name, credential)

Odwołanie:DefaultAzureCredential, SearchClient, SearchIndexClient.

Utwórz indeks i przekaż dwie syntetyczne polisy.

from azure.search.documents.indexes.models import (
    SearchFieldDataType,
    SearchIndex,
    SearchableField,
    SimpleField,
)

index = index_client.create_index(SearchIndex(
    name=index_name,
    fields=[
        SimpleField(
            name="id", type=SearchFieldDataType.STRING, key=True,
        ),
        SearchableField(name="title"),
        SearchableField(name="content"),
        SimpleField(
            name="jurisdiction",
            type=SearchFieldDataType.STRING,
            filterable=True,
        ),
    ],
))

documents = [
    {
        "id": "ca-leave",
        "title": "Canadian parental leave",
        "jurisdiction": "CA",
        "content": (
            "Canadian employees receive four weeks of paid parental leave."
        ),
    },
    {
        "id": "ca-request",
        "title": "Canadian leave requests",
        "jurisdiction": "CA",
        "content": (
            "Canadian employees submit parental leave requests through "
            "the HR portal at least 30 days before leave."
        ),
    },
]
search_client.upload_documents(documents=documents)

Odwołanie:SearchIndexClient, SearchIndex, SearchClient.upload_documents.

Zaloguj się zgodnie z opisem w temacie Connect to Foundry IQ. Uruchom fragmenty kodu zestawu SDK w kolejności.

using Azure.Identity;
using Azure.Search.Documents;
using Azure.Search.Documents.Indexes;

string searchEndpoint = "<search-endpoint>";
string indexName = "mr1-policy-index";
string knowledgeSourceName = "mr1-policy-source";
string knowledgeBaseName = "mr1-policy-kb";
var credential = new DefaultAzureCredential();
var indexClient = new SearchIndexClient(new Uri(searchEndpoint), credential);
var searchClient = new SearchClient(
    new Uri(searchEndpoint), indexName, credential);

Odwołanie:DefaultAzureCredential, SearchClient, SearchIndexClient.

Utwórz indeks i przekaż dwie syntetyczne polisy.

using Azure.Search.Documents.Indexes.Models;
using Azure.Search.Documents.Models;

var index = (await indexClient.CreateIndexAsync(
    new SearchIndex(indexName,
    [
        new SimpleField("id", SearchFieldDataType.String)
        {
            IsKey = true,
        },
        new SearchableField("title"),
        new SearchableField("content"),
        new SimpleField("jurisdiction", SearchFieldDataType.String)
        {
            IsFilterable = true,
        },
    ])).Value;

var documents = new SearchDocument[]
{
    new()
    {
        ["id"] = "ca-leave",
        ["title"] = "Canadian parental leave",
        ["jurisdiction"] = "CA",
        ["content"] =
            "Canadian employees receive four weeks of paid parental leave.",
    },
    new()
    {
        ["id"] = "ca-request",
        ["title"] = "Canadian leave requests",
        ["jurisdiction"] = "CA",
        ["content"] =
            "Canadian employees submit parental leave requests through " +
            "the HR portal at least 30 days before leave.",
    },
};
await searchClient.UploadDocumentsAsync(documents);

Reference:SearchIndexClient, SearchIndex, SearchClient.UploadDocumentsAsync.

  1. Ustaw punkt końcowy usługi Foundry IQ i token dostępu. Aby uzyskać token dostępu, zobacz Nawiązywanie połączenia z usługą Foundry IQ.

    @searchEndpoint = <search-endpoint>
    @searchAccessToken = <search-access-token>
    @indexName = mr1-policy-index
    @knowledgeSourceName = mr1-policy-source
    @knowledgeBaseName = mr1-policy-kb
    
  2. Utwórz indeks.

    PUT {{searchEndpoint}}/indexes/{{indexName}}?api-version=2026-11-01-preview
    Content-Type: application/json
    Authorization: Bearer {{searchAccessToken}}
    
    {
      "name": "{{indexName}}",
      "fields": [
        { "name": "id", "type": "Edm.String", "key": true },
        { "name": "title", "type": "Edm.String", "searchable": true },
        { "name": "content", "type": "Edm.String", "searchable": true },
        { "name": "jurisdiction", "type": "Edm.String", "filterable": true }
      ]
    }
    

    Odwołanie:Indeksy — tworzenie lub aktualizowanie.

  3. Przekaż dwa syntetyczne dokumenty.

    POST {{searchEndpoint}}/indexes/{{indexName}}/docs/index?api-version=2026-11-01-preview
    Content-Type: application/json
    Authorization: Bearer {{searchAccessToken}}
    
    {
      "value": [
        {
          "@search.action": "upload", "id": "ca-leave",
          "title": "Canadian parental leave", "jurisdiction": "CA",
          "content": "Canadian employees receive four weeks of paid parental leave."
        },
        {
          "@search.action": "upload", "id": "ca-request",
          "title": "Canadian leave requests", "jurisdiction": "CA",
          "content": "Canadian employees submit parental leave requests through the HR portal at least 30 days before leave."
        }
      ]
    }
    

    Odwołanie:Dokumenty - indeks.

Wyszukiwanie bezpośrednio za pomocą narzędzia Microsoft Retriever 1

Prześlij pełne pytanie z wykonywaniem zapytania w trybie agentic, filtrem i trybem debugowania ustawionym na agentic.

from azure.search.documents.models import (
    AgenticSearchOptions,
    QueryDebugMode,
    QueryType,
)

question = "What parental leave do Canadian employees receive and how do they request it?"
results = search_client.search(
    search_text=question,
    query_type=QueryType.AGENTIC,
    agentic_options=AgenticSearchOptions(max_runtime_in_seconds=60),
    filter="jurisdiction eq 'CA'",
    select=["id", "title", "content", "jurisdiction"],
    top=5,
    debug=QueryDebugMode.AGENTIC,
)
documents = list(results)
diagnostics = results.get_debug_info()

Przykładowa diagnostyka:

{
  "semantic": null,
  "queryRewrites": null,
  "agentic": {
    "terminationReason": "modelStopped",
    "subQueries": [],
    "usage": {
      "agenticPlanningTokens": 102,
      "reasoningTokens": 50
    }
  }
}

Reference:SearchClient.search.

Prześlij pełne pytanie z wykonywaniem zapytania w trybie agentic, filtrem i trybem debugowania ustawionym na agentic.

using Azure.Search.Documents;
using Azure.Search.Documents.Models;

string question = "What parental leave do Canadian employees receive and how do they request it?";
var options = new SearchOptions
{
    QueryType = SearchQueryType.Agentic,
    AgenticOptions = new AgenticSearchOptions { MaxRuntimeInSeconds = 60 },
    Filter = "jurisdiction eq 'CA'",
    Select = { "id", "title", "content", "jurisdiction" },
    Size = 5,
    Debug = QueryDebugMode.Agentic,
};
var directResult = await searchClient.SearchAsync<SearchDocument>(
    question, options);

Przykładowa diagnostyka:

{
  "semantic": null,
  "queryRewrites": null,
  "agentic": {
    "terminationReason": "modelStopped",
    "subQueries": [],
    "usage": {
      "agenticPlanningTokens": 102,
      "reasoningTokens": 50
    }
  }
}

Reference:SearchClient.SearchAsync, SearchOptions.

Prześlij pełne pytanie za pomocą polecenia queryType: "agentic". Filtr ogranicza dane do Kanady, a select kontroluje zwracane pola.

POST {{searchEndpoint}}/indexes/{{indexName}}/docs/search?api-version=2026-11-01-preview
Content-Type: application/json
Authorization: Bearer {{searchAccessToken}}

{
  "search": "What parental leave do Canadian employees receive and how do they request it?",
  "queryType": "agentic",
  "agenticOptions": { "maxRuntimeInSeconds": 60 },
  "filter": "jurisdiction eq 'CA'",
  "select": "id,title,content,jurisdiction",
  "top": 5,
  "debug": "agentic"
}

Odwołanie:Dokumenty — wyszukiwanie POST.

Odpowiedź 200 oznacza, że żądanie zostało ukończone. 206 Odpowiedź oznacza częściowe powodzenie, a odpowiedź może nadal zawierać dokumenty.

Przyczyna modelStopped zakończenia przetwarzania oznacza zakończenie przetwarzania po zatrzymaniu modelu lub osiągnięciu limitu iteracji przez usługę. maxRuntimeExceeded oznacza, że żądanie osiągnęło limit czasu wykonywania, zanim model się zatrzymał. modelFailed oznacza, że przetwarzanie modelu nie powiodło się przed zatrzymanie modelu.

Pobieranie za pośrednictwem bazy wiedzy

Użyj źródła wiedzy opartego na indeksie wyszukiwania, aby użyć tego samego indeksu.

  1. Utwórz źródło wiedzy.

    from azure.search.documents.indexes.models import (
        SearchIndexFieldReference,
        SearchIndexKnowledgeSource,
        SearchIndexKnowledgeSourceParameters,
    )
    
    source = index_client.create_knowledge_source(
        SearchIndexKnowledgeSource(
            name=knowledge_source_name,
            search_index_parameters=SearchIndexKnowledgeSourceParameters(
                search_index_name=index_name,
                source_data_fields=[
                    SearchIndexFieldReference(name="id"),
                    SearchIndexFieldReference(name="title"),
                    SearchIndexFieldReference(name="content"),
                    SearchIndexFieldReference(name="jurisdiction"),
                ],
            ),
        ),
    )
    

    Odwołanie:SearchIndexClient.

  2. Utwórz bazę wiedzy przy użyciu modelu microsoft-retriever-1, z minimalnym rozumowaniem i ekstrakcyjnymi danymi wyjściowymi.

    from azure.search.documents.indexes.models import (
        KnowledgeBase,
        KnowledgeBaseMicrosoftRetriever1Model,
        KnowledgeSourceReference,
    )
    from azure.search.documents.knowledgebases.models import (
        KnowledgeRetrievalOutputMode,
        KnowledgeRetrievalMinimalReasoningEffort,
    )
    
    knowledge_base = index_client.create_knowledge_base(KnowledgeBase(
        name=knowledge_base_name,
        knowledge_sources=[
            KnowledgeSourceReference(name=source.name),
        ],
        models=[KnowledgeBaseMicrosoftRetriever1Model()],
        retrieval_reasoning_effort=KnowledgeRetrievalMinimalReasoningEffort(),
        output_mode=KnowledgeRetrievalOutputMode.EXTRACTIVE_DATA,
    ))
    

    Odwołanie:KnowledgeBase, SearchIndexClient.

  3. Pobierz przy użyciu dokładnie jednej intencji semantycznej zawierającej pełne pytanie.

    from azure.search.documents.knowledgebases import (
        KnowledgeBaseRetrievalClient,
    )
    from azure.search.documents.knowledgebases.models import (
        KnowledgeBaseRetrievalRequest,
        KnowledgeRetrievalMinimalReasoningEffort,
        KnowledgeRetrievalOutputMode,
        KnowledgeRetrievalSemanticIntent,
    )
    
    retrieval_client = KnowledgeBaseRetrievalClient(
        search_endpoint, credential, knowledge_base_name=knowledge_base.name,
    )
    response = retrieval_client.retrieve(KnowledgeBaseRetrievalRequest(
        intents=[KnowledgeRetrievalSemanticIntent(search=question)],
        retrieval_reasoning_effort=KnowledgeRetrievalMinimalReasoningEffort(),
        output_mode=KnowledgeRetrievalOutputMode.EXTRACTIVE_DATA,
        include_activity=True,
    ))
    

    Reference:KnowledgeBaseRetrievalClient.

  1. Utwórz źródło wiedzy.

    using Azure.Search.Documents.Indexes.Models;
    
    var source = (await indexClient.CreateKnowledgeSourceAsync(
        new SearchIndexKnowledgeSource(knowledgeSourceName,
            new SearchIndexKnowledgeSourceParameters(indexName)
            {
                SourceDataFields =
                {
                    new SearchIndexFieldReference("id"),
                    new SearchIndexFieldReference("title"),
                    new SearchIndexFieldReference("content"),
                    new SearchIndexFieldReference("jurisdiction"),
                },
            }))).Value;
    

    Odwołanie:SearchIndexClient.

  2. Utwórz bazę wiedzy przy użyciu modelu microsoft-retriever-1, z minimalnym rozumowaniem i ekstrakcyjnymi danymi wyjściowymi.

    using Azure.Search.Documents.Indexes.Models;
    using Azure.Search.Documents.KnowledgeBases.Models;
    
    var knowledgeBase = (await indexClient.CreateKnowledgeBaseAsync(
        new KnowledgeBase(knowledgeBaseName,
            [new KnowledgeSourceReference(source.Name)])
        {
            Models = { new KnowledgeBaseMicrosoftRetriever1Model() },
            RetrievalReasoningEffort =
                new KnowledgeRetrievalMinimalReasoningEffort(),
            OutputMode = KnowledgeRetrievalOutputMode.ExtractiveData,
        })).Value;
    

    Odwołanie:KnowledgeBase, SearchIndexClient.

  3. Pobierz przy użyciu dokładnie jednej intencji semantycznej zawierającej pełne pytanie.

    using Azure.Search.Documents.KnowledgeBases;
    using Azure.Search.Documents.KnowledgeBases.Models;
    
    var retrievalClient = new KnowledgeBaseRetrievalClient(
        new Uri(searchEndpoint), knowledgeBase.Name, credential);
    var request = new KnowledgeBaseRetrievalRequest
    {
        Intents = { new KnowledgeRetrievalSemanticIntent(question) },
        RetrievalReasoningEffort =
            new KnowledgeRetrievalMinimalReasoningEffort(),
        OutputMode = KnowledgeRetrievalOutputMode.ExtractiveData,
        IncludeActivity = true,
    };
    var response = await retrievalClient.RetrieveAsync(request);
    

    Reference:KnowledgeBaseRetrievalClient.

  1. Utwórz źródło wiedzy.

    PUT {{searchEndpoint}}/knowledgesources/{{knowledgeSourceName}}?api-version=2026-11-01-preview
    Content-Type: application/json
    Authorization: Bearer {{searchAccessToken}}
    
    {
      "name": "{{knowledgeSourceName}}",
      "kind": "searchIndex",
      "searchIndexParameters": {
        "searchIndexName": "{{indexName}}",
        "sourceDataFields": [
          { "name": "id" }, { "name": "title" },
          { "name": "content" }, { "name": "jurisdiction" }
        ]
      }
    }
    

    Odwołanie:Źródła wiedzy — tworzenie lub aktualizowanie.

  2. Utwórz bazę wiedzy przy użyciu rodzaju modelu microsoftRetriever1, minimalnego rozumowania i wyjścia ekstrakcyjnego.

    PUT {{searchEndpoint}}/knowledgebases/{{knowledgeBaseName}}?api-version=2026-11-01-preview
    Content-Type: application/json
    Authorization: Bearer {{searchAccessToken}}
    
    {
      "name": "{{knowledgeBaseName}}",
      "knowledgeSources": [{ "name": "{{knowledgeSourceName}}" }],
      "models": [{ "kind": "microsoftRetriever1" }],
      "retrievalReasoningEffort": { "kind": "minimal" },
      "outputMode": "extractiveData"
    }
    

    Odwołanie:Bazy wiedzy — tworzenie lub aktualizowanie.

  3. Pobierz przy użyciu dokładnie jednej intencji semantycznej zawierającej pełne pytanie.

    POST {{searchEndpoint}}/knowledgebases/{{knowledgeBaseName}}/retrieve?api-version=2026-11-01-preview
    Content-Type: application/json
    Authorization: Bearer {{searchAccessToken}}
    
    {
      "intents": [{
        "type": "semantic",
        "search": "What parental leave do Canadian employees receive and how do they request it?"
      }],
      "retrievalReasoningEffort": { "kind": "minimal" },
      "outputMode": "extractiveData",
      "includeActivity": true
    }
    

    Odwołanie:Pobieranie wiedzy — pobieranie.

Dziennik aktywności zawiera wynik planisty podobny do następującego przykładu:

{
  "type": "modelQueryPlanning",
  "id": 1,
  "inputTokens": 94,
  "outputTokens": 26,
  "elapsedMs": 251,
  "model": {
    "modelName": "microsoft-retriever-1"
  }
}

Aby przeanalizować i skorelować odpowiedź JSON podczas inspekcji dowodów, zapoznaj się z Wyodrębniona odpowiedź, Tablica odwołań i Tablica działań.

Nakład wysiłku na wnioskowanie podczas automatycznego pobierania

Żądania mogą różnić się stopniem trudności. Na niektóre żądania można odpowiedzieć za pomocą szybkiego wyszukiwania, podczas gdy inne wymagają dokładniejszego planowania. Użyj opcji Automatycznie, jeśli nie można przewidzieć trudności każdego żądania z wyprzedzeniem. Zamiast stosować jeden stały wysiłek rozumowania dla każdego żądania, Auto wybiera głębokość pobierania dla każdego żądania.

Auto działa według jednej z dwóch ścieżek dla każdego żądania. Ścieżka domyślna rozpoczyna się od początkowego przebiegu Auto, który wykorzystuje minimalny wysiłek rozumowania przy pobieraniu, i przechodzi do bardziej szczegółowego planowania tylko wtedy, gdy jest to konieczne. Jeśli żądanie nie kwalifikuje się do ścieżki domyślnej, Auto zamiast tego rozpoczyna działanie od średniego nakładu pracy. Auto wymaga zewnętrznego modelu planowania, którego używa, gdy żądanie zaczyna się na poziomie Medium lub eskaluje do poziomu Medium. Ścieżka domyślna jest dostępna tylko wtedy, gdy żądanie spełnia wszystkie następujące wymagania:

Źródło wiedzy Początkowy automatyczny przebieg
Indeks wyszukiwania ✔️
Azure Blob ✔️
Azure SQL ✔️
Plik ✔️
OneLake ✔️
Zindeksowany SharePoint ✔️
Zdalny SharePoint ❌
Fabric Data Agent ❌
Fabric Ontology ❌
Serwer MCP ❌
Work IQ ❌
Internet ❌
  • W przypadku źródeł wiedzy w początkowym przebiegu Auto obsługa obrazów jest wyłączona, a resultsProcessing nie jest ustawione na none.

Jeśli żądanie zawiera więcej niż jedną intencję semantyczną lub inne wymaganie dotyczące początkowego przebiegu Auto nie zostanie spełnione, Auto rozpoczyna od Medium. Źródło wiedzy, które nie jest używane w początkowym przebiegu Auto, nadal może być odpytywane w późniejszych etapach planowania.

Gdy żądanie kwalifikuje się do ścieżki domyślnej, Auto przechodzi od prostszego pobierania do bardziej złożonego planowania zgodnie z potrzebami:

  1. Auto najpierw wysyła zapytania do źródeł wiedzy, które kwalifikują się do pierwszego etapu. Jeśli wynik o najwyższej klasyfikacji jest wystarczająco odpowiedni, funkcja Auto zwraca te wyniki od razu.
  2. Jeśli żądanie jest zbyt złożone w pierwszym przebiegu, a program microsoft-retriever-1 obsługuje wszystkie źródła wiedzy dostępne dla żądania, narzędzie microsoft-retriever-1 uruchamia dokładniejsze pobieranie.
  3. Na koniec program microsoft-retriever-1 może eskalować do zewnętrznego modelu planowania przy użyciu średniego nakładu pracy , gdy żądanie wymaga dokładniejszego planowania.

Aby użyć funkcji Auto, dodaj obsługiwany model zewnętrzny do bazy wiedzy, skonfiguruj dostęp do modelu i ustaw nakład pracy podczas pobierania na Wartość Automatyczna.

  1. Dodaj zewnętrzny model planowania i ustaw opcję Auto jako ustawienie domyślne bazy wiedzy.

    from azure.search.documents.indexes.models import (
        AzureOpenAIVectorizerParameters,
        KnowledgeBaseAzureOpenAIModel,
        KnowledgeBaseMicrosoftRetriever1Model,
    )
    from azure.search.documents.knowledgebases.models import (
        KnowledgeRetrievalAutoReasoningEffort,
    )
    
    azure_open_ai_model = KnowledgeBaseAzureOpenAIModel(
        azure_open_ai_parameters=AzureOpenAIVectorizerParameters(
            resource_url="<azure-openai-endpoint>",
            deployment_name="<model-deployment-name>",
            model_name="<model-name>",
        ),
    )
    knowledge_base.models = [
        KnowledgeBaseMicrosoftRetriever1Model(),
        azure_open_ai_model,
    ]
    knowledge_base.retrieval_reasoning_effort = (
        KnowledgeRetrievalAutoReasoningEffort()
    )
    knowledge_base = index_client.create_or_update_knowledge_base(
        knowledge_base,
    )
    

    Odwołanie:KnowledgeBase, SearchIndexClient.

  2. Pobieranie z użyciem Auto

    from azure.search.documents.knowledgebases.models import (
        KnowledgeBaseRetrievalRequest,
        KnowledgeRetrievalAutoReasoningEffort,
        KnowledgeRetrievalOutputMode,
        KnowledgeRetrievalSemanticIntent,
    )
    
    auto_response = retrieval_client.retrieve(
        KnowledgeBaseRetrievalRequest(
            intents=[KnowledgeRetrievalSemanticIntent(search=question)],
            retrieval_reasoning_effort=(
                KnowledgeRetrievalAutoReasoningEffort()
            ),
            output_mode=KnowledgeRetrievalOutputMode.EXTRACTIVE_DATA,
            include_activity=True,
        )
    )
    

    Reference:KnowledgeBaseRetrievalClient.

  1. Dodaj zewnętrzny model planowania i ustaw opcję Auto jako ustawienie domyślne bazy wiedzy.

    using Azure.Search.Documents.Indexes.Models;
    using Azure.Search.Documents.KnowledgeBases.Models;
    
    var azureOpenAIParameters = new AzureOpenAIVectorizerParameters
    {
        ResourceUri = new Uri("<azure-openai-endpoint>"),
        DeploymentName = "<model-deployment-name>",
        ModelName = "<model-name>",
    };
    knowledgeBase.Models.Clear();
    knowledgeBase.Models.Add(new KnowledgeBaseMicrosoftRetriever1Model());
    knowledgeBase.Models.Add(new KnowledgeBaseAzureOpenAIModel(
        azureOpenAIParameters: azureOpenAIParameters));
    knowledgeBase.RetrievalReasoningEffort =
        new KnowledgeRetrievalAutoReasoningEffort();
    knowledgeBase = (await indexClient.CreateOrUpdateKnowledgeBaseAsync(
        knowledgeBase)).Value;
    

    Odwołanie:KnowledgeBase, SearchIndexClient.

  2. Pobieranie z użyciem Auto

    using Azure.Search.Documents.KnowledgeBases.Models;
    
    var autoRequest = new KnowledgeBaseRetrievalRequest
    {
        Intents = { new KnowledgeRetrievalSemanticIntent(question) },
        RetrievalReasoningEffort =
            new KnowledgeRetrievalAutoReasoningEffort(),
        OutputMode = KnowledgeRetrievalOutputMode.ExtractiveData,
        IncludeActivity = true,
    };
    var autoResponse = await retrievalClient.RetrieveAsync(autoRequest);
    

    Reference:KnowledgeBaseRetrievalClient.

  1. Dodaj zewnętrzny model planowania i ustaw opcję Auto jako ustawienie domyślne bazy wiedzy.

    PUT {{searchEndpoint}}/knowledgebases/{{knowledgeBaseName}}?api-version=2026-11-01-preview
    Content-Type: application/json
    Authorization: ******
    
    {
      "name": "{{knowledgeBaseName}}",
      "knowledgeSources": [{ "name": "{{knowledgeSourceName}}" }],
      "models": [
        { "kind": "microsoftRetriever1" },
        {
          "kind": "azureOpenAI",
          "azureOpenAIParameters": {
            "resourceUri": "<azure-openai-endpoint>",
            "deploymentId": "<model-deployment-name>",
            "modelName": "<model-name>"
          }
        }
      ],
      "retrievalReasoningEffort": { "kind": "auto" },
      "outputMode": "extractiveData"
    }
    

    Odwołanie:Bazy wiedzy — tworzenie lub aktualizowanie.

  2. Pobieranie z użyciem Auto

    POST {{searchEndpoint}}/knowledgebases/{{knowledgeBaseName}}/retrieve?api-version=2026-11-01-preview
    Content-Type: application/json
    Authorization: ******
    
    {
      "intents": [{
        "type": "semantic",
        "search": "What parental leave do Canadian employees receive and how do they request it?"
      }],
      "retrievalReasoningEffort": { "kind": "auto" },
      "outputMode": "extractiveData",
      "includeActivity": true
    }
    

    Odwołanie:Pobieranie wiedzy — pobieranie.

Poniższy skrócony fragment działania przedstawia żądanie Auto, które jest eskalowane z microsoft-retriever-1 do modelu planowania zewnętrznego:

{
  "activity": [
    {
      "type": "modelQueryPlanning",
      "model": {
        "modelName": "microsoft-retriever-1"
      }
    },
    {
      "type": "modelQueryPlanning",
      "model": {
        "modelName": "<model-name>",
        "deploymentId": "<model-deployment-name>"
      }
    },
    {
      "type": "agenticReasoning",
      "logicalReasoningEffort": {
        "kind": "auto"
      }
    }
  ]
}

Pierwszy wpis planowania pokazuje aktywność microsoft-retriever-1. Drugi wpis pokazuje, że planowanie przekazano zewnętrznemu modelowi planowania.

Aby uzyskać więcej informacji, zobacz retrieval reasoning effort.

Limitations

  • Baza wiedzy, która korzysta tylko z narzędzia microsoft-retriever-1, nie obsługuje niskiego lub średniego poziomu wysiłku rozumowania podczas pobierania ani wyboru źródła wiedzy.
  • Agentyczne wykonywanie Direct Search nie obsługuje niezerowych skip, count: true, orderby, facetów, pokrycia poniżej 100, wyróżniania, przekształceń zapytań, sprawdzania pisowni, semanticQuery, odpowiedzi, podpisów, kontrolek semantycznego oczekiwania lub błędów, przekształceń zapytań wektorowych, featuresMode, queryLanguage lub semanticFields. Indeksy z obsługą usługi Purview również nie są obsługiwane.

Troubleshooting

Jeśli minimalne żądanie zawierające działanie nie modelQueryPlanning ma działania z microsoft-retriever-1wartością model.modelName , sprawdź wymagania wstępne i upewnij się, że żądanie zawiera jedną intencję semantyczną. Wiele intencji pomija planowanie microsoft-retriever-1, uruchamia zwykłe pobieranie minimalne i zwraca 206 z ostrzeżeniem w rekordzie aktywności agenticReasoning.

Jeśli polecenie microsoft-retriever-1 zostanie uruchomione, ale nie zakończy planowania, jego modelQueryPlanning rekord aktywności zawiera błąd. Przy ustawieniu Minimal żądanie zwraca 206, gdy zachowuje pobrane wyniki; w przeciwnym razie żądanie kończy się niepowodzeniem. W trybie Auto planowanie można przekazać zewnętrznemu modelowi planowania, jak pokazano w przykładzie działania Auto.

Czyszczenie przykładowych zasobów

Usuń tylko zasoby utworzone przez Ciebie dla tego przykładu, w kolejności zależności: baza wiedzy, źródło wiedzy, a następnie indeks.

index_client.delete_knowledge_base(knowledge_base_name)
index_client.delete_knowledge_source(knowledge_source_name)
index_client.delete_index(index_name)

Odwołanie:SearchIndexClient.

await indexClient.DeleteKnowledgeBaseAsync(knowledgeBaseName);
await indexClient.DeleteKnowledgeSourceAsync(knowledgeSourceName);
await indexClient.DeleteIndexAsync(indexName);

Odwołanie:SearchIndexClient.

### Delete the owned sample KB
DELETE {{searchEndpoint}}/knowledgebases/{{knowledgeBaseName}}?api-version=2026-11-01-preview
Authorization: Bearer {{searchAccessToken}}

### Delete the owned sample knowledge source
DELETE {{searchEndpoint}}/knowledgesources/{{knowledgeSourceName}}?api-version=2026-11-01-preview
Authorization: Bearer {{searchAccessToken}}

### Delete the owned sample index
DELETE {{searchEndpoint}}/indexes/{{indexName}}?api-version=2026-11-01-preview
Authorization: Bearer {{searchAccessToken}}

Odwołanie:bazy wiedzy, źródła wiedzy i indeksy.