Notatka
Dostęp do tej strony wymaga autoryzacji. Może spróbować zalogować się lub zmienić katalogi.
Dostęp do tej strony wymaga autoryzacji. Możesz spróbować zmienić katalogi.
Note
Usługa Foundry IQ (Wyszukiwanie AI platformy Azure) udostępnia bezpośrednie indeksowanie i interfejsy API zapytań wraz ze źródłem wiedzy wyższego poziomu i interfejsami API bazy wiedzy na potrzeby pobierania zarządzanego. Użyj portalu Azure, interfejsów API REST lub Azure SDKs, aby skonfigurować te możliwości lub połączyć agentów z bazami wiedzy w portalu Microsoft Foundry.
Umiejętność Azure Content Understanding używa analizatorów dokumentów z narzędzia Azure Content Understanding w narzędziach Foundry do wyodrębniania tekstu, obrazów i metadanych lokalizacji z dokumentów. Udostępnia również zawartość funkcji wyszukiwania wielomodalnego, pobierania agentów i pobierania rozszerzonej generacji (RAG). Nie ma potrzeby dodawania umiejętności dzielenia tekstu dla tego fragmentowania.
Podstawowa umiejętność jest ogólnie dostępna w interfejsie API 2026-04-01REST wyszukiwania. Semantyczne fragmentowanie i opisy obrazów generowanych przez sztuczną inteligencję wprowadzone w 2026-05-01-previewsystemie są ogólnie dostępne w interfejsie API 2026-10-01REST wyszukiwania. Skorzystaj z 2026-10-01 przykładów w tym artykule. Ta wersja interfejsu API wyszukiwania różni się od podrzędnej wersji interfejsu API usługi Content Understanding w obsługiwanych regionach.
W porównaniu z umiejętnością Układ dokumentu ta umiejętność generuje tabele i liczby języka Markdown, rozpoznaje tabele międzystronicowe i obsługuje fragmenty obejmujące strony. Następujące możliwości są niezależne:
-
Fragmentowanie:
fixedSizedzieli się znakami;semanticjest zgodny z układem, akapitem i granicami nagłówka przy użyciu długości tokenu. Semantyczne fragmentowanie nie jest klasyfikacją semantyczną. -
Wyodrębnianie obrazów:
extractionOptionszawierającaimagespolecenie tworzynormalized_images. Sam wyodrębnianie nie włącza opisów generowanych przez sztuczną inteligencję. -
Opisy obrazów: Sparowane
modelNameimodelDeploymentustawienia umożliwiają opisy osadzonych liczb, wykresów i diagramów w postaci wbudowanej w kod Markdown fragmentu przed wektoryzacją. Fragmentowanie semantyczne nie włącza opisów. - Osadzanie i obsługa obrazów: Skonfiguruj oddzielne umiejętności osadzania dla wektorów. Wyodrębnianie lub opisywanie obrazów nie powoduje udostępnienia ich klientowi lub włączeniu obsługi obrazów w czasie pobierania.
Aby zapoznać się z procedurą opartą na obiektach blob, zobacz Fragment i wektoryzacja za pomocą usługi Content Understanding.
Aby uzyskać SharePoint dokumentów, zobacz Wyodrębnianie i wzbogacanie dokumentów SharePoint w usłudze Foundry IQ (Wyszukiwanie AI platformy Azure). Wybierz konfigurację interfejsu API źródła wiedzy, aby uzyskać prostszą konfigurację konfiguracji i cyklu życia, lub konfigurację indeksatora i zestawu umiejętności w celu uzyskania większej kontroli.
Ograniczenia
Wyszukiwanie oczekuje na analizę dokumentów w oknie sondowania analizy. Duży plik nie jest automatycznie nieodpowiedni, a plik w ramach limitów usług nie ma gwarancji, że zostanie ukończony w tym oknie.
Zachowanie usługi Content Understanding dla różnych typów dokumentów ma zastosowanie do danych wyjściowych. Na przykład pliki DOCX i PDF mogą generować różne wyniki obrazów. Pliki reprezentatywne do testowania; rozważ konwersję plików PDF, gdy wymagana jest spójna obsługa obrazów.
Opcjonalna procedura magazynu obrazów w instrukcji nie ma zastosowania do potoków, które pozyskujące uprawnienia dokumentu. Przed połączeniem umiejętności, projekcji i magazynu przejrzyj SharePoint ograniczenia listy ACL.
Opcjonalnie
modelNameimodelDeploymentwybierz model uzupełniania czatu wdrożony w zasobie Foundry dołączonym do zestawu umiejętności.Obsługiwane modele uzupełniania
prebuilt-documentsą określane przez analizator usługi Content Understanding. Postępuj zgodnie z opisem obsługiwanych modeli generowania zawartości. Sama akceptacja konfiguracji nie potwierdza, że wybrany model będzie działać w czasie wykonywania.
Sondowanie analiz i duże dokumenty
Domyślne maksymalne okno sondowania operacji analizy dokumentów w usłudze Content Understanding wynosi osiem minut. Po przesłaniu analizy asynchronicznej wyszukiwanie sonduje operację stanu terminalu. Okno mierzy czas, który upłynął w tej pętli sondowania, w tym oczekiwania na sondowanie i ponawianie prób; nie jest to próg rozmiaru pliku, limit czasu dla jednego żądania HTTP ani kompleksowa gwarancja ukończenia.
Jeśli operacja nie osiągnie stanu terminalu w oknie sondowania, umiejętność zgłasza błąd wzbogacania limitu czasu umiejętności i nie zwraca żadnych danych wyjściowych analizy usługi Content Understanding dla tego dokumentu. Sprawdź błędy i ostrzeżenia wykonywania indeksatora. Niezależnie od tego, czy dokument, czy cały przebieg kończy się niepowodzeniem, zależy od pozostałych potoków, projekcji i skonfigurowanych progów błędów indeksatora. Brak danych wyjściowych fragmentu nie dowodzi, że wszystkie metadane źródłowe nie zostały zindeksowane. Zatrzymanie sondowania wyszukiwania nie jest dowodem na to, że analiza podrzędna została anulowana.
To ośmiominutowe okno analizy jest oddzielone od pięciominutowego limitu czasu sondowania gotowości na potrzeby tworzenia analizatora niestandardowego, limitów układu dokumentu, limitów czasu żądania poszczególnych żądań HTTP/umiejętności, opóźnień ponawiania prób, limitów przydziałów modelu i limitów środowiska uruchomieniowego i warstwy indeksatora. Ta umiejętność nie uwidacznia przesłonięcia analizy dla klienta.
W przypadku dużych lub złożonych dokumentów:
- Mierzenie reprezentatywnych plików, w tym liczby stron, typu pliku, układu, tabel, rysunków, fragmentów semantycznych i opcjonalnych opisów. Obciążenie modelu/usługi, ograniczanie przepustowości i opóźnienie między regionami może mieć wpływ na czas, który upłynął.
- Umieść zasoby usługi Search and Foundry w tym samym obsługiwanym regionie, jeśli to możliwe. Wyłącz opcjonalne opisy, jeśli ich nie potrzebujesz, lub oceń fragment o stałym rozmiarze.
- W przypadku dzielenia plików zachowaj istotne sekcje, tabele międzystronicowe, identyfikatory źródłowe, przesunięcia oryginalnej strony, odwołania do rysunku, cytaty i odpowiednie uprawnienia dla każdego pochodnego dokumentu i fragmentu.
- Rozważ inną obsługiwaną metodę wyodrębniania , jeśli spełnia ona wymagania dotyczące zawartości i zabezpieczeń. Zmniejszenie rozmiaru partii indeksatora nie powoduje rozszerzenia okna sondowania dla każdego dokumentu.
Ponowne uruchamianie lub resetowanie indeksatora może powtórzyć analizę i ponieść dodatkowe opłaty. Nie zakładaj, że ponawia próby ponownego użycia wcześniejszego wyniku analizy lub wznowienia stanu sondowania. Aby uzyskać informacje o diagnozie, zobacz Rozwiązywanie problemów z analizą zawartości.
Obsługiwane regiony
Umiejętność wywołuje interfejs API REST Usługi Content Understanding2025-11-01. Zasób usługi Foundry musi znajdować się w obsługiwanym regionie usługi Content Understanding.
Usługa IQ usługi Foundry może znajdować się w dowolnym obsługiwanym regionie IQ usługi Foundry. Opóźnienie sieci między regionami wpływa na wydajność indeksatora.
Obsługiwane formaty plików
Umiejętność rozpoznaje pliki PDF, JPEG, JPG, PNG, BMP, HEIF, TIFF, DOCX, XLSX, PPTX, HTML, TXT, MD, RTF i EML. Aby zapoznać się z bieżącymi ograniczeniami specyficznymi dla formatu, zobacz Content Understanding service limits (Limity usługi Content Understanding).
Obsługiwane języki
Aby uzyskać tekst drukowany, zobacz Obsługa języka usługi Content Understanding.
@odata.type
Microsoft.Skills.Util.ContentUnderstandingSkill
Limity danych
- Stosowane są limity przydziału i limityindeksatora zawartości oraz indeksator wyszukiwania dla danej warstwy . Sprawdź oba, w tym ograniczenia rozmiaru pliku, strony i obrazu; nie są one zastępowane przez okno sondowania.
- Przed indeksowaniem usuń ochronę haseł z plików PDF.
Parametry umiejętności
W parametrach jest rozróżniana wielkość liter.
| Nazwa parametru | Dozwolone wartości | Opis |
|---|---|---|
extractionOptions |
["images"], ["images", "locationMetadata"], ["locationMetadata"] |
Opcjonalne dodatkowe dane wyjściowe.
images wyodrębnia obrazy; locationMetadata dodaje informacje o stronie i pozycji. Żadne ustawienie nie włącza opisów. |
modelName |
String | Opcjonalna nazwa modelu uzupełniania czatów dla opisów obrazów osadzonych. Określ razem z modelDeployment. Model musi być obsługiwany przez usługę Content Understanding; zobacz Obsługiwane modele generowania. |
modelDeployment |
String | Opcjonalna nazwa wdrożenia w zasobie Foundry dołączonym do zestawu umiejętności. Określ razem z modelName. Pomiń obie właściwości, aby wyłączyć wbudowane opisy. |
chunkingProperties |
Obiekt | Opcjonalna konfiguracja fragmentowania opisana w następnej tabeli. |
chunkingProperties
| Property | Dozwolone wartości | Opis |
|---|---|---|
method |
fixedSize (wartość domyślna), semantic |
Okna znaków o stałym rozmiarze lub fragmenty semantyczne obsługujące układ. |
unit |
characterswith ; with ; tokens with fixedSizesemantic |
Jeśli pominięto, wywnioskowany z method. Inne pary nie są obsługiwane. |
maximumLength |
300–50 000 znaków lub 100–8 000 tokenów | Maksymalna długość fragmentu w skonfigurowanej jednostce. Wartość domyślna: 500. |
overlapLength |
Liczba całkowita nienależąca do połowy maximumLength |
Domyślnie: 0 Dotyczy .fixedSize W przypadku semanticparametru pomiń go lub ustaw na wartość 0. |
Dane wejściowe dla umiejętności
| Nazwa danych wejściowych | Opis |
|---|---|
file_data |
Oryginalna zawartość pliku, nie została jeszcze wyodrębniona. |
Użyj obiektu pliku zawierającego $type: "file" i data (bajty pliku zakodowanego w formacie base64) lub url (adres URL pliku do pobrania). Opcjonalnie sasToken uwierzytelnia adres URL pliku Blob Storage.
W przypadku potoków indeksatora obiektów blob i SharePoint ustaw wartość parameters.configuration.allowSkillsetToReadFileDatatrue na w indeksatorze. Spowoduje to uwidocznienie oryginalnego pliku jako /document/file_data; nie zwiększa limitów źródła ani usługi Content Understanding.
Niestandardowa umiejętność może również zwrócić obiekt pliku, w którym są obsługiwane umiejętności niestandardowe. Nie używaj niestandardowej umiejętności internetowego interfejsu API do pomijania ograniczeń dotyczących zawartości chronionej uprawnieniami.
Dane wyjściowe umiejętności
| Nazwa danych wyjściowych | Opis |
|---|---|
text_sections |
Kolekcja fragmentów, potencjalnie obejmujących strony. |
normalized_images |
Wyodrębnione obrazy. Prezentuj tylko wtedy, gdy extractionOptions element zawiera imageselement . |
Każdy text_sections element zawiera:
| Pole | Typ | Opis |
|---|---|---|
id |
String | Identyfikator fragmentu. |
content |
String | Zawartość języka Markdown. Zawiera wygenerowane opisy rysunków tylko wtedy, gdy ustawienia sparowanego modelu je włączają niezależnie od metody fragmentowania. |
locationMetadata |
Obiekt |
pageNumberFrom, pageNumberTo, ordinalPosition i source. Prezentuj, gdy są żądane metadane lokalizacji. |
imagePath |
String | Odwołania do obrazów rozdzielonych średnikami dla nakładających się zakresów rysunków, jeśli ma to zastosowanie. Nie jest to bezpośredni adres URL do pobrania. |
Każdy normalized_images element zawiera idobraz database64 , imagePathi, gdy jest to wymagane, locationMetadata.
locationMetadata.source zachowuje kodowanie pozycji elementu Content Understanding. Zachowaj skojarzenia stron i liczb podczas projekcji fragmentów. Jeśli skonfigurowano zgodną projekcję plików magazynu wiedzy, imagePath zidentyfikuje względną przechowywaną ścieżkę obrazu.
Kontrolki opisu rozliczeń i obrazów
Umiejętności korzystają z zasobu Microsoft Foundry dołączonego do zestawu umiejętności na potrzeby przetwarzania i rozliczeń. Bezpłatny dodatek do dokumentów dostępny dla innych wbudowanych umiejętności nie ma zastosowania.
Analizator usługi Content Understanding wywołuje analizowanie układu i wyodrębnianie powoduje naliczanie opłat oddzielnie od protokołu IQ usługi Foundry. Po skonfigurowaniu werbalizacja obrazów używa wdrożenia usługi LLM w tym samym zasobie i wiąże się z dodatkowymi opłatami za użycie modelu. Zapoznaj się z cennikiem usługi Content Understanding, cennikiem IQ rozwiązania Foundry i cennikiem skonfigurowanych Azure modelu OpenAI.
Aby wyłączyć wbudowane opisy obrazów w zestawie umiejętności, który konfigurujesz bezpośrednio, pomijaj lub usuwaj obiemodelName metody i modelDeployment z umiejętności Content Understanding. Zachowaj extractionOptions zawartość images , jeśli nadal potrzebujesz wyodrębnionych obrazów. Fragmentowanie semantyczne lub o stałym rozmiarze może być kontynuowane bez opisów. Wyłączenie opisów nie eliminuje odpowiednich opłat za wyodrębnianie/fragmentowanie zawartości, wyszukiwanie, osadzanie lub pobieranie opłat.
W przypadku wygenerowanych potoków źródła wiedzy przy użyciu wyodrębniania standardowego zmień źródło ingestionParameters wiedzy zamiast edytować wygenerowany zestaw umiejętności. Następujące kontrolki mają zastosowanie do normalnej konfiguracji ogólnie dostępnej bez wyodrębniania grafu:
- Ustaw opcję
disableImageVerbalizationnatrue. - Pomiń lub usuń
chatCompletionModel. Utrzymywanie modelu innego niż null podczas ustawiania flagi jest odrzucane. - Pomiń lub usuń
assetStoreelement , jeśli jest obsługiwany. Walidacja magazynu zasobów wymaga włączenia modelu uzupełniania czatów i werbalizacji obrazów. - Zachowaj model osadzania,
aiServicesi inne wymagane ustawienia źródła. Zaktualizuj źródło wiedzy przy użyciu procedury jej rodzaju.
| Konfiguracja opisu | Result |
|---|---|
Wygenerowane: flaga true, brak modelu czatu, brak magazynu zasobów |
Opis rezygnacji; wyodrębnianie i fragmentowanie może być kontynuowane. |
Wygenerowane: flaga true, model czatu zachowany |
Nieprawidłowy. Usuń chatCompletionModel. |
Wygenerowane: magazyn zasobów bez modelu lub flagi true |
Nieprawidłowy. |
Wygenerowane: model czatu, flaga false lub pominięty |
Można uruchomić werbalizacja obrazów; wybrana ścieżka wyodrębniania/modelu określa używane umiejętności. |
Te instrukcje nie mają zastosowania do niezależnej konfiguracji wyodrębniania grafów w wersji zapoznawczej, która może używać modelu czatu w celu wykonania innych czynności. Nie zmieniają one oddzielnie udokumentowanej dostępności rodzaju źródła wiedzy ani obsługi obrazów.
Examples
Są to kompletne jednostki żądań zestawu umiejętności, a nie cały potok indeksowania. Zastąp {endpoint} element punktem końcowym wyszukiwania i <access-token> tokenem dla tej usługi. Skonfiguruj tożsamość zarządzaną wyszukiwania i jego uprawnienia odnajdyń zgodnie z opisem w temacie Dołączanie zasobu usługi Foundry.
Przykład 1. Fragmentowanie o stałym rozmiarze z wyodrębnianiem obrazów i metadanych
Ta konfiguracja wyodrębnia obrazy bez generowania opisów.
PUT {endpoint}/skillsets/cu-fixed?api-version=2026-10-01
Authorization: Bearer <access-token>
Content-Type: application/json
{
"name": "cu-fixed",
"skills": [
{
"@odata.type": "#Microsoft.Skills.Util.ContentUnderstandingSkill",
"context": "/document",
"extractionOptions": ["images", "locationMetadata"],
"chunkingProperties": {
"method": "fixedSize",
"unit": "characters",
"maximumLength": 1325,
"overlapLength": 0
},
"inputs": [{"name": "file_data", "source": "/document/file_data"}],
"outputs": [
{"name": "text_sections", "targetName": "text_sections"},
{"name": "normalized_images", "targetName": "normalized_images"}
]
}
],
"cognitiveServices": {
"@odata.type": "#Microsoft.Azure.Search.AIServicesByIdentity",
"subdomainUrl": "https://<foundry-resource>.services.ai.azure.com",
"identity": null
}
}
Po indeksowaniu spodziewaj się text_sections , że zawartość języka Markdown i metadane lokalizacji oraz normalized_images wyodrębnione obrazy. Odwołania do rysunku zależą od dokumentu źródłowego; w tym przykładzie nie skonfigurowano modelu opisu.
Przykład 2. Fragmentowanie semantyczne z opisem obrazu
Zastąp <MODEL_NAME> ciąg obsługiwaną nazwą modelu uzupełniania czatów i <chat-deployment> jego wdrożeniem w dołączonym zasobie rozwiązania Foundry. Aby zapoznać się z konfiguracją bez opisów, zobacz Kontrolki rozliczeń i opisu obrazu.
PUT {endpoint}/skillsets/cu-semantic?api-version=2026-10-01
Authorization: Bearer <access-token>
Content-Type: application/json
{
"name": "cu-semantic",
"skills": [
{
"@odata.type": "#Microsoft.Skills.Util.ContentUnderstandingSkill",
"context": "/document",
"modelName": "<MODEL_NAME>",
"modelDeployment": "<chat-deployment>",
"extractionOptions": ["images", "locationMetadata"],
"chunkingProperties": {
"method": "semantic",
"unit": "tokens",
"maximumLength": 500
},
"inputs": [{"name": "file_data", "source": "/document/file_data"}],
"outputs": [
{"name": "text_sections", "targetName": "text_sections"},
{"name": "normalized_images", "targetName": "normalized_images"}
]
}
],
"cognitiveServices": {
"@odata.type": "#Microsoft.Azure.Search.AIServicesByIdentity",
"subdomainUrl": "https://<foundry-resource>.services.ai.azure.com",
"identity": null
}
}
Oczekiwano fragmentatora markdown w sposób semantycznie w elemecie text_sections. Po skonfigurowaniu pary modelu wygenerowane opisy są w postaci zawartości dla odpowiednich liczb. Wyodrębnianie obrazów i metadane lokalizacji pozostają kontrolowane przez extractionOptionsprogram . Rzeczywiste fragmenty i opisy różnią się w zależności od źródła i modelu.
Wektoryzacja fragmentów usługi Content Understanding
W przypadku wyszukiwania wektorowego dodaj następującą umiejętność Azure OpenAI Embedding do tablicy skills tego samego zestawu umiejętności. Przetwarza każdy fragment usługi Content Understanding po semantycznym fragmentowaniu i słowizacji obrazów. Dane text wejściowe zawierają wygenerowane opisy obrazów w języku Markdown fragmentu.
Ustaw resourceUri punkt końcowy zasobu usługi Foundry i deploymentId na wdrożenie programu text-embedding-3-large. Skonfiguruj uprawnienia umiejętności osadzania oddzielnie od załącznika zasobu Content Understanding.
{
"@odata.type": "#Microsoft.Skills.Text.AzureOpenAIEmbeddingSkill",
"context": "/document/text_sections/*",
"resourceUri": "https://<embedding-resource>.services.ai.azure.com",
"deploymentId": "<embedding-deployment>",
"modelName": "text-embedding-3-large",
"dimensions": 3072,
"inputs": [
{"name": "text", "source": "/document/text_sections/*/content"}
],
"outputs": [
{"name": "embedding", "targetName": "text_vector"}
]
}
/document/text_sections/*/text_vector Project do pola wektorowego indeksu fragmentu przy użyciu projekcji indeksu. Dla tego przykładu ustaw wymiary 3072 pola i użyj zgodnego wektoryzatora czasu zapytania.