Funkcje Wyszukiwanie AI platformy Azure

Uwaga

Wyszukiwanie AI platformy Azure jest dostępna za pośrednictwem portalu Azure, interfejsów API REST i Azure SDKs. Jest także podstawą Foundry IQ — zarządzanej warstwy wiedzy, która przekształca treści przedsiębiorstwa w bazy wiedzy wielokrotnego użytku z uwzględnieniem uprawnień dla agentów w portalu Microsoft Foundry.

Wyszukiwanie AI platformy Azure zawiera pobieranie informacji i używa opcjonalnej integracji sztucznej inteligencji w celu wyodrębnienia większej wartości z zawartości tekstowej i wektorowej.

Poniższa tabela zawiera podsumowanie funkcji według kategorii. Istnieje równorzędność funkcji we wszystkich chmurach publicznych, prywatnych i suwerennych platformy Azure, ale niektóre funkcje nie są obsługiwane w konkretnych regionach lub konkretnych warstwach.

Powołaniowe pobieranie

Kategoria Funkcje
Bazy wiedzy Bazy wiedzy orkiestrują potok wyszukiwania agentowego, łącząc się z modelem LLM i zarządzając parametrami zapytania. Baza wiedzy odwołuje się do co najmniej jednego źródła wiedzy i definiuje zachowanie pobierania.
Źródła wiedzy Źródła wiedzy definiują zawartość dostępną dla bazy wiedzy. Indeksowane źródło wiedzy jest wspierane przez indeks wyszukiwania, a zdalne źródło wiedzy pobiera zawartość z platformy zewnętrznej w czasie wykonywania zapytań.
Planowanie zapytań (wersja zapoznawcza) Planowanie zapytań wykorzystuje LLM do analizy kontekstu rozmowy i podziału złożonych pytań na ukierunkowane podzapytania. Obejmuje to przetwarzanie historii czatów, dekompozycję zapytań, rozszerzanie synonimów i korektę pisowni.
Równoległe wykonywanie zapytań Podzapytania są uruchamiane jednocześnie we wszystkich źródłach wiedzy. Każde podzapytanie obsługuje wyszukiwanie słów kluczowych, wektorowe i hybrydowe z automatycznym semantycznym ponownym rankingiem.
Nakład na rozumowanie przy wyszukiwaniu (wersja zapoznawcza) Nakład rozumowania podczas wyszukiwania określa poziom przetwarzania przez model LLM w potoku przetwarzania, dzięki czemu można równoważyć głębokość i trafność wyszukiwania z opóźnieniami i kosztem użycia modelu LLM.
Dane wyjściowe odpowiedzi Potok zwraca albo wyodrębnioną treść ugruntowującą, albo — przy włączonej syntezie odpowiedzi (wersja zapoznawcza) — odpowiedź wygenerowaną przez model LLM wraz z cytatami. Opcjonalnie możesz dołączyć odwołania do źródła i szczegóły wykonywania.

Indeksowanie i wyodrębnianie danych

Kategoria Funkcje
Źródła danych Indeksy wyszukiwania mogą akceptować tekst z dowolnego źródła, pod warunkiem że są przesyłane jako dokument JSON.

Indeksatory to funkcja automatyzująca importowanie danych z obsługiwanych źródeł danych w celu wyodrębniania zawartości z możliwością wyszukiwania w podstawowych magazynach danych. Indeksatory obsługują serializację JSON dla Ciebie, a większość z nich wspiera jakąś formę wykrywania zmian i usunięć. Możesz nawiązać połączenie z różnymi źródłami danych, w tym z Microsoft OneLake, Azure SQL Database, Azure Cosmos DB lub Azure Blob Storage.

Łączniki usługi Logic Apps zapewniają dostęp do szerszego zakresu źródeł danych, w tym danych na innych platformach w chmurze. Ten proces indeksowania i wzbogacania jest tworzony w Wyszukiwanie AI platformy Azure, ale zarządzany w Azure Logic Apps.

Źródła wiedzy są funkcją wyszukiwania agentowego. Są one używane podczas indeksowania i w czasie wykonywania zapytań w celu obsługi bazy wiedzy.
Hierarchiczne i zagnieżdżone struktury danych Złożone typy i kolekcje umożliwiają modelowanie praktycznie dowolnego typu struktury JSON w indeksie wyszukiwania. Kardynalność "jeden do wielu" i "wiele do wielu" może być wyrażana bezpośrednio przez kolekcje, typy złożone i kolekcje typów złożonych.
Analiza lingwistyczna Analizatory są składnikami klasycznego wyszukiwania używanego do przetwarzania tekstu podczas indeksowania i operacji wyszukiwania. Domyślnie można użyć analizatora Standard Lucene ogólnego przeznaczenia lub zastąpić wartość domyślną analizatorem języka, analizatorem niestandardowym skonfigurowanym lub innym wstępnie zdefiniowanym analizatorem tworzącym tokeny w wymaganym formacie.

Analizatory języka z Lucene lub Microsoft są używane do inteligentnej obsługi lingwistyki specyficznej dla języka, w tym czasów czasowników, rodzaju gramatycznego, nieregularnych rzeczowników w liczbie mnogiej (na przykład "mysz" i "myszy"), rozbijanie wyrazów, dzielenie wyrazów (w językach bez spacji) i nie tylko.

Niestandardowe analizatory leksykalne są używane do złożonych formularzy zapytań, takich jak dopasowywanie fonetyczne i wyrażenia regularne.

Integracja modelu czatu i agenta

Kategoria Funkcje
Modele uzupełniania czatu używane podczas indeksowania Umiejętność monitowania usługi GenAI to umiejętność , która wywołuje duży model językowy podczas indeksowania i wyświetla monit, który określa zadanie. Decydujesz, czym jest zadanie. Może to obejmować opisywanie obrazu, podsumowywanie lub manipulowanie zawartością albo dowolne zadanie, które może wykonać model. Dane wyjściowe są dodawane jako nowe pole w indeksie z możliwością wyszukiwania.
Modele uzupełniania czatu używane w czasie wykonywania zapytania Wyszukiwanie agentowe wykorzystuje duży model językowy do planowania zapytań, dekompozycji i parafrazowania złożonych zapytań, aby lepiej pokryć indeks zapytaniami. Odpowiedzi z wyszukiwania agentów są przeznaczone dla przepływów pracy między agentami. Wyniki wyszukiwania można przekazać jako pojedynczy duży łańcuch znaków, co upraszcza konsumpcję agenta posiadanej treści. Odpowiedź zawiera również cytaty i informacje o wykonywaniu zapytań.

Synteza odpowiedzi (wersja demonstracyjna) używa modelu LLM do generowania odpowiedzi opartych na cytatach na podstawie wyników wyszukiwania zwracanych przez pobieranie agentowe.

Wzorce RAG można zaimplementować przy użyciu istniejących możliwości. Możliwość dostosowywania pod kątem istotności i konstruowania zapytań hybrydowych zwiększa jakość zawartości wysyłanej do czatbotów na potrzeby generowania odpowiedzi.

Zastosowana sztuczna inteligencja i wzbogacona zawartość sztucznej inteligencji

Kategoria Funkcje
Przetwarzanie sztucznej inteligencji podczas indeksowania Wzbogacenie AI odnosi się do przetwarzania osadzonych obrazów i języka naturalnego w potoku indeksatora, który wyodrębnia tekst i informacje z treści, które w przeciwnym razie nie mogłyby być pełnotekstowo indeksowane. Przetwarzanie sztucznej inteligencji jest osiągane przez dodawanie i łączenie umiejętności w zestawie umiejętności, który następnie jest dołączony do indeksatora. Sztuczna inteligencja może być wbudowanymi umiejętnościami od Microsoft, takimi jak tłumaczenie tekstu lub optyczne rozpoznawanie znaków (OCR), lub dostosowanymi umiejętnościami, które udostępniasz.

Zintegrowane fragmentowanie i wektoryzacja danych dzieli większe fragmenty na mniejsze fragmenty, które można wektoryzować, z wektorami kierowanymi do dedykowanych pól w indeksie na potrzeby wyszukiwania wektorowego i hybrydowego.
Przetwarzanie AI podczas realizacji zapytania Wektoryzatory służą do kodowania ciągów zapytań użytkownika do wektorów wyszukiwania wektorów. W przypadku zapytań używanych do indeksowania można użyć tych samych modeli osadzania.

Przechowywanie wzbogaconej zawartości na potrzeby analizy i użycia w scenariuszach niezwiązanych z wyszukiwaniem Magazyn wiedzy jest trwałym magazynem wzbogaconej przez sztuczną inteligencję lub wygenerowaną przez sztuczną inteligencję zawartości przeznaczoną dla scenariuszy niezwiązanych z wyszukiwaniem, takimi jak wyszukiwanie wiedzy i obciążenia nauki o danych. Magazyn wiedzy jest definiowany w zestawie umiejętności, ale utworzony w Azure Storage jako obiekty lub zestawy wierszy tabelarycznych.
Buforowane wzbogacania (wersja zapoznawcza) Buforowanie wzbogacania odnosi się do buforowanych wzbogaceń, które mogą być ponownie używane podczas wykonywania zestawu umiejętności. Buforowanie jest cenne w kontekście umiejętności obejmujących OCR i analizę obrazów, których przetwarzanie jest kosztowne.

Wektorowe i hybrydowe wyszukiwanie

Kategoria Funkcje
Indeksowanie wektorów W indeksie wyszukiwania dodaj pola wektorów , aby obsługiwać scenariusze wyszukiwania wektorów . Pola wektorowe mogą współistnieć z polami niewektorowymi w tym samym dokumencie wyszukiwania.
Zapytania wektorowe Sformułuj zapytania pojedynczych i wielokrotnych wektorów.
Algorytmy wyszukiwania wektorowego Użyj hierarchicznego nawigowalnego małego świata (HNSW) lub całkowitego K-Nearest Neighbors (KNN), aby znaleźć podobne wektory w indeksie wyszukiwania.
Filtry wektorowe Zastosuj filtry przed wykonaniem zapytania lub po nim, aby uzyskać większą precyzję podczas pobierania informacji.
Pobieranie informacji hybrydowych Wyszukaj pojęcia i słowa kluczowe w pojedynczym żądaniu zapytania hybrydowego.

Wyszukiwanie hybrydowe konsoliduje wyszukiwanie wektorowe i tekstowe z opcjonalnym semantycznym klasyfikowaniem i dostrajaniem istotności w celu uzyskania najlepszych wyników.
Zintegrowane fragmentowanie i wektoryzacja danych Natywne dzielenie danych za pomocą umiejętności dzielenia tekstu. Natywna wektoryzacja za pomocą wektoryzatorów oraz umiejętności tworzenia osadzeń, takich jak Azure OpenAI Embedding, Azure Vision multimodal (wersja zapoznawcza) i AML, których można używać do łączenia z punktami końcowymi w katalogu modeli w Microsoft Foundry.

Zintegrowana wektoryzacja zapewnia pełny potok indeksowania z plików źródłowych do zapytań.
Kompresja i kwantyzacja wektorów zintegrowanych Użyj wbudowanej kwantyzacji skalarnej i binarnej , aby zmniejszyć rozmiar indeksu wektorowego w pamięci i na dysku. Można również zrezygnować z przechowywania wektorów, których nie potrzebujesz, lub przypisywać wąskie typy danych do pól wektorowych w celu uzyskania ograniczonych wymagań dotyczących przechowywania.

Klasyczny pełny tekst i inne formularze zapytań

Kategoria Funkcje
Wyszukiwanie tekstu w dowolnej formie Wyszukiwanie pełnotekstowe to podstawowy przypadek użycia większości aplikacji opartych na wyszukiwaniu. Zapytania można sformułować przy użyciu obsługiwanej składni.

Prosta składnia zapytania udostępnia operatory logiczne, operatory wyszukiwania fraz, operatory sufiksów, operatory pierwszeństwa.

Pełna składnia zapytań Lucene obejmuje wszystkie operacje w prostej składni, z rozszerzeniami dla wyszukiwania rozmytego, wyszukiwania w pobliżu, wzmacniania terminu oraz wyrażeń regularnych.
Zasadność Proste ocenianie jest kluczową zaletą Wyszukiwanie AI platformy Azure. Profile oceniania umożliwiają modelowanie istotności jako funkcji wartości w samych dokumentach. Na przykład możesz chcieć, aby nowsze produkty lub produkty z rabatami pojawiły się wyżej w wynikach wyszukiwania. Profile oceniania można również tworzyć przy użyciu tagów do spersonalizowanego oceniania na podstawie preferencji wyszukiwania klientów, które śledzisz i przechowujesz oddzielnie.

Ranker semantyczny to funkcja premium, która ponownie szereguje wyniki na podstawie semantycznej zgodności z zapytaniem. W zależności od treści i scenariusza to rozwiązanie może znacznie poprawić trafność wyników wyszukiwania przy minimalnej konfiguracji i nakładzie pracy.
Wyszukiwanie geoprzestrzenne Funkcje geoprzestrzenne filtrują i pasują do współrzędnych geograficznych. Można dopasować na podstawie odległości lub poprzez włączenie do kształtu wielokąta.
Filtry i aspekty Nawigacja aspektowa jest włączona za pomocą pojedynczego parametru zapytania. Wyszukiwanie AI platformy Azure zwraca strukturę nawigacji aspektowej, której można użyć jako kodu listy kategorii do samodzielnego filtrowania (na przykład filtrowania elementów wykazu według zakresu cen lub marki).

Filtry mogą służyć do dołączania nawigacji fasetowej do interfejsu użytkownika, ulepszania formułowania zapytań i filtrowania na podstawie kryteriów określonych przez użytkownika lub dewelopera. Tworzenie filtrów przy użyciu składni OData.
Środowisko użytkownika Autouzupełnianie można włączyć dla zapytań z wyprzedzeniem typu na pasku wyszukiwania.

Sugestie wyszukiwania działają także z częściowymi danymi wejściowymi tekstowymi na pasku wyszukiwania, ale wyniki są rzeczywistymi dokumentami w indeksie, zamiast terminów zapytania.

Synonimy kojarzy równoważne terminy , które niejawnie rozszerzają zakres zapytania, bez konieczności podawania terminów alternatywnych przez użytkownika.

Wyróżnianie trafień stosuje formatowanie tekstu do pasującego słowa kluczowego w wynikach wyszukiwania. Możesz wybrać, które pola zwracają wyróżnione fragmenty.

Sortowanie jest oferowane dla wielu pól za pośrednictwem schematu indeksu, a następnie przełączane w czasie kwerendy z pojedynczym parametrem wyszukiwania.

Paginacja i ograniczanie wyników wyszukiwania jest proste dzięki precyzyjnej kontroli, którą Wyszukiwanie AI platformy Azure oferuje nad wynikami wyszukiwania.

Funkcje zabezpieczeń

Kategoria Funkcje
Zabezpieczenia sieci Reguły adresów IP dla obsługi zapory dla ruchu przychodzącego umożliwiają konfigurowanie zakresów adresów IP, dla których usługa wyszukiwania akceptuje żądania.

Utwórz prywatny punkt końcowy używając Azure Private Link w celu wymuszenia wszystkich żądań za pośrednictwem sieci wirtualnej.

Obwód zabezpieczeń sieci umożliwia przyłączenie Wyszukiwanie AI platformy Azure do obwodu zabezpieczeń sieci, który obejmuje inne zasoby Azure, dzięki czemu można zarządzać dostępem w sposób holistyczny.
Szyfrowanie danych Szyfrowanie danych nieaktywnych zarządzane przez Microsoft jest wbudowane w wewnętrzną warstwę magazynu i jest nieodwracalne.

Klucze szyfrowania zarządzane przez klienta (CMK) które tworzysz i zarządzasz w Azure Key Vault mogą być używane do dodatkowego szyfrowania indeksów i map synonimów. W przypadku usług utworzonych po 1 sierpnia 2020 r. szyfrowanie CMK rozszerza dane na dyskach tymczasowych w celu pełnego podwójnego szyfrowania indeksowanej zawartości.
Dostęp przychodzący Kontrola dostępu oparta na rolach przypisuje role do użytkowników i grup w Microsoft Entra ID w celu uzyskania kontrolowanego dostępu do zawartości i operacji wyszukiwania. Możesz również użyć uwierzytelniania opartego na kluczach , jeśli nie chcesz używać przypisań ról.

Kontrola dostępu na poziomie dokumentu filtruje wyniki wyszukiwania, których użytkownik nie ma autoryzacji do wyświetlenia. W przypadku kilku źródeł danych, jeśli źródło danych zapewnia model kontroli dostępu, można skonfigurować indeks, aby dziedziczył metadane uprawnień użytkownika.
Zabezpieczenia ruchu wychodzącego (indeksatory) Połączenia danych za pośrednictwem prywatnych punktów końcowych umożliwiają indekserowi łączenie się z zasobami Azure chronionymi poprzez usługę Azure Private Link. Połączenia danych za pomocą tożsamości zarządzanych uwierzytelniają połączenia z zasobami Azure przy użyciu podmiotu zabezpieczeń Microsoft Entra, co eliminuje przechowywanie i przekazywanie zakodowanych na stałe kluczy interfejsu API.Dostęp do danych przy użyciu zaufanej tożsamości oznacza, że parametry połączenia z zewnętrznymi źródłami danych mogą pomijać nazwy użytkowników i hasła. Gdy indeksator łączy się ze źródłem danych, zasób zezwala na połączenie, jeśli usługa wyszukiwania została wcześniej zarejestrowana jako zaufana usługa (dotyczy tylko Azure Storage).

Funkcje portalu

Kategoria Funkcje
Narzędzia do tworzenia prototypów i inspekcji Dodaj indeks jest projektantem indeksów w portalu Azure, którego można użyć do utworzenia podstawowego schematu składającego się z pól przypisanych i kilku innych ustawień. Po zapisaniu indeksu możesz wypełnić go przy użyciu zestawu SDK lub interfejsu API REST w celu udostępnienia danych.

Importowanie danych to kreator, który tworzy pełny potok indeksowania, w tym indeks, indeksator, zestaw umiejętności i definicję źródła danych dla scenariuszy wyszukiwania słów kluczowych i RAG. W przypadku programu RAG obsługuje również fragmentowanie i wektoryzację danych. Jeśli Twoje dane znajdują się w Azure, ten kreator może zaoszczędzić Ci znaczną ilość czasu i wysiłku, szczególnie w przypadku analiz i eksploracji proof-of-concept.

Eksplorator wyszukiwania służy do testowania zapytań i uściślinia profilów oceniania.

Tworzenie aplikacji demonstracyjnej służy do generowania strony HTML, która może służyć do testowania środowiska wyszukiwania.

Sesje debugowania to edytor wizualny, który umożliwia interaktywne debugowanie zestawu umiejętności. Pokazuje on zależności, dane wyjściowe i przekształcenia.
Monitorowanie i diagnostyka Włącz funkcje monitorowania, aby wykraczać poza metryki widoczne na pierwszy rzut oka, które są zawsze widoczne w portalu Azure. Metryki dotyczące zapytań na sekundę, opóźnienia i dławienia są przechwytywane i zgłaszane w obrębie stron portalu bez konieczności dodatkowej konfiguracji.

Programowalność

Kategoria Funkcje
REST Interfejs REST API usługi służy do operacji w płaszczyźnie danych, w tym wszystkich operacji związanych z indeksowaniem, zapytaniami, wzbogacaniem za pomocą sztucznej inteligencji i wyszukiwaniem agentowym. Możesz również użyć tej biblioteki klienta, aby pobrać informacje o systemie i statystyki.

Management REST API służy do tworzenia i aprowizacji usług za pośrednictwem Azure Resource Manager. Za pomocą tego interfejsu API można również zarządzać kluczami i pojemnością.
Azure SDK dla .NET Azure. Search.Documents dotyczy operacji płaszczyzny danych, w tym wszystkich operacji związanych z indeksowaniem, zapytaniami i wzbogacaniem sztucznej inteligencji. Możesz również użyć tej biblioteki klienta, aby pobrać informacje o systemie i statystyki.

Microsoft.Azure. Management.Search służy do tworzenia i aprowizacji usług za pośrednictwem Azure Resource Manager. Za pomocą tego interfejsu API można również zarządzać kluczami i pojemnością.
Azure SDK dla Java Com.azure.search.documents jest przeznaczony dla operacji płaszczyzny danych, w tym wszystkich operacji związanych z indeksowaniem, zapytaniami i wzbogacaniem sztucznej inteligencji. Możesz również użyć tej biblioteki klienta, aby pobrać informacje o systemie i statystyki.

com.microsoft.azure.management.search służy do tworzenia i aprowizacji usług za pośrednictwem Azure Resource Manager. Za pomocą tego interfejsu API można również zarządzać kluczami i pojemnością.
Azure SDK dla Python azure-search-documents to operacje płaszczyzny danych, w tym wszystkie operacje związane z indeksowaniem, zapytaniami i wzbogacaniem sztucznej inteligencji. Możesz również użyć tej biblioteki klienta, aby pobrać informacje o systemie i statystyki.

azure-mgmt-search służy do tworzenia i aprowizacji usług za pośrednictwem Azure Resource Manager. Za pomocą tego interfejsu API można również zarządzać kluczami i pojemnością.
Azure SDK dla języka JavaScript/TypeScript azure/search-documents to operacje płaszczyzny danych, w tym wszystkie operacje związane z indeksowaniem, zapytaniami i wzbogacaniem sztucznej inteligencji. Możesz również użyć tej biblioteki klienta, aby pobrać informacje o systemie i statystyki.

azure/arm-search służy do tworzenia i aprowizowania usług za pośrednictwem Azure Resource Manager. Za pomocą tego interfejsu API można również zarządzać kluczami i pojemnością.
  • Ostatnia aktualizacja o