Fragmentowanie i wektoryzowanie zawartości za pomocą umiejętności Azure Content Understanding

Note

Foundry IQ (Wyszukiwanie AI platformy Azure) udostępnia bezpośrednie interfejsy API indeksowania i zapytań, a także interfejsy API wyższego poziomu dla źródeł wiedzy i baz wiedzy do zarządzanego pobierania. Użyj portalu Azure, interfejsów API REST lub Azure SDKs, aby skonfigurować te funkcje lub połączyć agentów z bazami wiedzy w portalu Microsoft Foundry.

Ważna

Te funkcje i możliwości obsługują połączenia z innymi usługami firmy Microsoft i usługami innych firm. Korzystanie z tych usług podlega odpowiednim warunkom i może spowodować przetwarzanie lub przechowywanie danych poza granicą zgodności Azure, a także dane przepływające do granicy zgodności Azure.

Do Ciebie należy decydowanie o tym, czy dane będą przepływać poza granice zgodności i granice geograficzne organizacji, oraz o wszelkich związanych z tym konsekwencjach, a także zapewnienie odpowiednich uprawnień, ograniczeń i zatwierdzeń.

Odpowiadasz za staranne przeglądanie i testowanie aplikacji, które tworzysz w kontekście konkretnych przypadków użycia, oraz podejmowanie wszelkich odpowiednich decyzji i dostosowań. Obejmuje to implementowanie własnych odpowiedzialnych środków zaradczych dotyczących sztucznej inteligencji, takich jak metaprompty, filtry zawartości lub inne systemy bezpieczeństwa oraz zapewnienie, że aplikacje spełniają odpowiednią jakość, niezawodność, bezpieczeństwo i standardy wiarygodności. Aby uzyskać więcej informacji, zobacz Notę dotyczącą transparentności Foundry IQ (Wyszukiwanie AI platformy Azure).

W tym artykule utworzysz potok indeksowania za pomocą składnika umiejętności Azure Content Understanding, aby:

  • Wyodrębnianie tekstu i obrazów z dokumentu
  • Tworzy semantycznie spójne fragmenty, które szanują granice akapitu i sekcji
  • Opcjonalnie wygeneruj opisy sztucznej inteligencji wykresów, diagramów i innych obrazów wbudowanych
  • Osadź każdy fragment na potrzeby wyszukiwania wektorowego i rzutuj go do indeksu IQ rozwiązania Foundry

Funkcja Azure Content Understanding zwraca dla każdego dokumentu jeden lub więcej fragmentów. Każdy fragment zawiera zawartość w formacie Markdown, metadane lokalizacji (numery stron i wielokąty ograniczenia) oraz opcjonalne odwołania do wyodrębnionych obrazów. Gdy ustawisz chunkingProperties.method na semantic, fragmenty tekstu są wyznaczane zgodnie z granicami akapitów i nagłówków zamiast według zakresów o stałej liczbie znaków. Po ustawieniu modelName i modelDeployment umiejętność wywołuje wdrożenie funkcji uzupełniania czatu w usłudze Azure OpenAI w celu wygenerowania opisów osadzonych obrazów. Następnie umiejętność scala te opisy z zawartością fragmentu.

Semantyczne fragmentowanie i opisy obrazów są ogólnie dostępne w interfejsie API REST wyszukiwania 2026-10-01, używane w tym przewodniku. Ta dostępność jest niezależna od interfejsu API usługi Content Understanding wywoływanego przez umiejętność.

W tym artykule użyto przykładowych plików PDF planu zdrowotnego w Blob Storage. W przypadku dokumentów SharePoint zobacz Wyodrębnianie i wzbogacanie dokumentów SharePoint w usłudze Foundry IQ. Nie stosuj opcjonalnego kroku przechowywania obrazów w tym przewodniku do zawartości chronionej uprawnieniami. Aby dowiedzieć się więcej, zobacz ograniczenia list ACL w SharePoint.

Wymagania wstępne

Dla każdego żądania HTTP zastąp element {endpoint} elementem https://<search-service>.search.windows.net, a element <access-token> tokenem dla usługi Foundry IQ. Zastąp symbole zastępcze zasobu Foundry i wdrożenia modelu własnymi wartościami. <MODEL_NAME> jest opcjonalnym modelem opisu; <EMBEDDING_MODEL_NAME> jest modelem osadzania, a nie nazwą wdrożenia.

Użyj tego samego punktu końcowego zasobu osadzania, wdrożenia i modelu w umiejętności osadzania i wektoryzatorze czasu zapytania. W przykładach są używane punkty końcowe zasobów rozwiązania Foundry (https://<resource>.services.ai.azure.com), a nie adresy URL projektu.

Overview

Artykuł przedstawia potok indeksowania typu jeden-do-wielu. Każdy dokument źródłowy tworzy wiele dokumentów wyszukiwania (jeden na fragment):

  1. Indeksator odczytuje każdy plik z usługi Azure Blob Storage i przekazuje zawartość binarną do zestawu umiejętności za pośrednictwem /document/file_data.

  2. Umiejętność Azure Content Understanding używa segmentacji semantycznej do wygenerowania text_sections. Po ustawieniu wartości modelName i modelDeployment umiejętność generuje również opisy osadzonych obrazów i umieszcza je bezpośrednio w Markdownzie fragmentu.

  3. Umiejętność osadzania Azure OpenAI Embedding skill jest uruchamiana raz dla każdego fragmentu i tworzy wektor dla zawartości fragmentu.

  4. Projekcja indeksu zapisuje jeden dokument wyszukiwania dla każdego fragmentu w indeksie docelowym, mapuje zawartość, metadane strony, odwołania do obrazów i wektor do pól.

  5. (Opcjonalnie) magazyn wiedzy zapisuje normalized_images w usłudze Azure Blob Storage, aby aplikacje klienckie mogły pobierać wyodrębnione obrazy za pomocą adresu URL.

Przygotowywanie plików danych

Umiejętność Azure Content Understanding przetwarza zawartość binarną każdego dokumentu, dlatego pliki źródłowe muszą być w formacie, który obsługuje umiejętność. Aby uzyskać bieżącą listę, zobacz Limity usługi Content Understanding. Typowe obsługiwane formaty to PDF, DOCX, XLSX, PPTX i wiele formatów obrazów.

Przekaż pliki do kontenera Blob Storage. Możesz użyć portalu Azure, interfejsów API REST lub Azure SDK, aby utworzyć źródło danych.

Poniższe minimalne żądanie tworzy źródło danych używane w tym przewodniku.

POST {endpoint}/datasources?api-version=2026-10-01
Authorization: Bearer <access-token>
Content-Type: application/json

{
  "name": "my_blob_datasource",
  "type": "azureblob",
  "credentials": {
    "connectionString": "<your-blob-connection-string>"
  },
  "container": {
    "name": "my-container"
  }
}

Utwórz indeks dla indeksowania jeden do wielu

Każdy dokument wyszukiwania odpowiada jednemu fragmentowi utworzonemu przez umiejętności Content Understanding. Indeks wymaga:

  • Pole klucza (chunk_id).
  • Pole nadrzędne, które identyfikuje dokument źródłowy, z którego pochodzi fragment (parent_id).
  • Pola przechowujące zawartość fragmentu, metadane strony i odwołania do obrazów.
  • Pole wektorowe osadzania fragmentu.

Poniższa definicja indeksu jest zgodna z zestawem umiejętności utworzonym w następnej sekcji.

PUT {endpoint}/indexes/my_content_understanding_index?api-version=2026-10-01
Authorization: Bearer <access-token>
Content-Type: application/json

{
  "name": "my_content_understanding_index",
  "fields": [
    {
      "name": "chunk_id",
      "type": "Edm.String",
      "key": true,
      "searchable": true,
      "filterable": false,
      "retrievable": true,
      "stored": true,
      "sortable": true,
      "facetable": false,
      "analyzer": "keyword"
    },
    {
      "name": "parent_id",
      "type": "Edm.String",
      "searchable": false,
      "filterable": true,
      "retrievable": true,
      "stored": true,
      "sortable": false,
      "facetable": false
    },
    {
      "name": "title",
      "type": "Edm.String",
      "searchable": true,
      "filterable": false,
      "retrievable": true,
      "stored": true,
      "sortable": false,
      "facetable": false
    },
    {
      "name": "chunk",
      "type": "Edm.String",
      "searchable": true,
      "filterable": false,
      "retrievable": true,
      "stored": true,
      "sortable": false,
      "facetable": false
    },
    {
      "name": "page_number_from",
      "type": "Edm.Int32",
      "searchable": false,
      "filterable": true,
      "retrievable": true,
      "stored": true,
      "sortable": true,
      "facetable": false
    },
    {
      "name": "page_number_to",
      "type": "Edm.Int32",
      "searchable": false,
      "filterable": true,
      "retrievable": true,
      "stored": true,
      "sortable": true,
      "facetable": false
    },
    {
      "name": "image_path",
      "type": "Edm.String",
      "searchable": false,
      "filterable": false,
      "retrievable": true,
      "stored": true,
      "sortable": false,
      "facetable": false
    },
    {
      "name": "text_vector",
      "type": "Collection(Edm.Single)",
      "searchable": true,
      "retrievable": false,
      "stored": false,
      "dimensions": 1536,
      "vectorSearchProfile": "profile"
    }
  ],
  "semantic": {
    "defaultConfiguration": "semantic-config",
    "configurations": [
      {
        "name": "semantic-config",
        "prioritizedFields": {
          "titleField": {"fieldName": "title"},
          "prioritizedContentFields": [{"fieldName": "chunk"}]
        }
      }
    ]
  },
  "vectorSearch": {
    "profiles": [
      {
        "name": "profile",
        "algorithm": "algorithm",
        "vectorizer": "query-vectorizer"
      }
    ],
    "algorithms": [
      {
        "name": "algorithm",
        "kind": "hnsw"
      }
    ],
    "vectorizers": [
      {
        "name": "query-vectorizer",
        "kind": "azureOpenAI",
        "azureOpenAIParameters": {
          "resourceUri": "https://<embedding-resource>.services.ai.azure.com",
          "deploymentId": "<embedding-deployment>",
          "modelName": "<EMBEDDING_MODEL_NAME>"
        }
      }
    ]
  }
}

Definiowanie zestawu umiejętności do semantycznego fragmentowania i wektoryzacji

Po utworzeniu indeksu docelowego zdefiniuj zestaw umiejętności, który generuje fragmenty, wektory i mapowania projekcji zasilające ten indeks.

Zestaw umiejętności obejmuje dwie umiejętności:

  • Umiejętność Azure Content Understanding fragmentuje każdy dokument. Ustawienie chunkingProperties.method na semantic pozwala zachować granice akapitów i nagłówków. Ustawienie obu właściwości modelu niezależnie umożliwia opisy obrazów przed wektoryzacją. Aby uzyskać obsługiwane wartości, zobacz Parametry umiejętności.

  • Umiejętność osadzania Azure OpenAI generuje wektor dla zawartości każdego fragmentu.

Zestaw umiejętności używa indexProjections, aby przypisać każdy fragment do oddzielnego dokumentu wyszukiwania. Aby uzyskać więcej informacji, zobacz Definiowanie projekcji indeksu.

Żądanie korzysta z tożsamości zarządzanej przypisanej przez system usługi Foundry IQ do uzyskiwania dostępu do Foundry i osadzeń. Przykład parametrów połączenia obiektu blob jest niezależny; w przypadku połączenia źródłowego bez klucza użyj tożsamości zarządzanej dla źródła danych.

Poniższy przykład zawiera opisy obrazów. Jeśli pominiesz wdrożenie opcjonalnych opisów, użyj kontrolek rozliczeń i opisów obrazów, aby usunąć ich konfigurację przed przesłaniem zestawu umiejętności. Przed uruchomieniem potoku przejrzyj odpowiednie opłaty.

POST {endpoint}/skillsets?api-version=2026-10-01
Authorization: Bearer <access-token>
Content-Type: application/json

{
  "name": "my_content_understanding_skillset",
  "description": "Semantic chunking, image descriptions, and vectorization with the Azure Content Understanding skill",
  "skills": [
    {
      "@odata.type": "#Microsoft.Skills.Util.ContentUnderstandingSkill",
      "name": "my_content_understanding_skill",
      "context": "/document",
      "modelName": "<MODEL_NAME>",
      "modelDeployment": "<chat-deployment>",
      "chunkingProperties": {
        "method": "semantic",
        "unit": "tokens",
        "maximumLength": 500
      },
      "extractionOptions": ["images", "locationMetadata"],
      "inputs": [
        {
          "name": "file_data",
          "source": "/document/file_data"
        }
      ],
      "outputs": [
        {
          "name": "text_sections",
          "targetName": "text_sections"
        },
        {
          "name": "normalized_images",
          "targetName": "normalized_images"
        }
      ]
    },
    {
      "@odata.type": "#Microsoft.Skills.Text.AzureOpenAIEmbeddingSkill",
      "name": "my_azure_openai_embedding_skill",
      "context": "/document/text_sections/*",
      "inputs": [
        {
          "name": "text",
          "source": "/document/text_sections/*/content"
        }
      ],
      "outputs": [
        {
          "name": "embedding",
          "targetName": "text_vector"
        }
      ],
      "resourceUri": "https://<embedding-resource>.services.ai.azure.com",
      "deploymentId": "<embedding-deployment>",
      "modelName": "<EMBEDDING_MODEL_NAME>",
      "dimensions": 1536
    }
  ],
  "cognitiveServices": {
    "@odata.type": "#Microsoft.Azure.Search.AIServicesByIdentity",
    "subdomainUrl": "https://<foundry-resource>.services.ai.azure.com",
    "identity": null
  },
  "indexProjections": {
    "selectors": [
      {
        "targetIndexName": "my_content_understanding_index",
        "parentKeyFieldName": "parent_id",
        "sourceContext": "/document/text_sections/*",
        "mappings": [
          {
            "name": "chunk",
            "source": "/document/text_sections/*/content"
          },
          {
            "name": "text_vector",
            "source": "/document/text_sections/*/text_vector"
          },
          {
            "name": "page_number_from",
            "source": "/document/text_sections/*/locationMetadata/pageNumberFrom"
          },
          {
            "name": "page_number_to",
            "source": "/document/text_sections/*/locationMetadata/pageNumberTo"
          },
          {
            "name": "image_path",
            "source": "/document/text_sections/*/imagePath"
          },
          {
            "name": "title",
            "source": "/document/metadata_storage_name"
          }
        ]
      }
    ],
    "parameters": {
      "projectionMode": "skipIndexingParentDocuments"
    }
  }
}

Pełny opis parametrów, obsługiwane wartości i reguły walidacji dotyczące umiejętności Content Understanding można znaleźć w artykule Azure Content Understanding skill.

Wybieranie opcji fragmentowania i opisu

Fragmentowanie, wyodrębnianie obrazów i opisy obrazów są niezależnymi wyborami. W konfiguracji opisu użyj kontrolek opisu kanonicznego.

W przypadku fragmentów o stałym rozmiarze zastąp w umiejętności Content Understanding element chunkingProperties elementem {"method": "fixedSize", "unit": "characters", "maximumLength": 1325, "overlapLength": 0}. Informacje o dozwolonych zakresach i zasadach nakładania się znajdziesz w chunkingProperties.

Konfigurowanie i uruchamianie indeksatora

Utwórz i uruchom indeksator, który odczytuje dane ze źródła danych, wywołuje zestaw umiejętności i mapuje fragmenty do indeksu. Ustaw allowSkillsetToReadFileData na true, aby umiejętność Content Understanding otrzymywała zawartość pliku, i ustaw parsingMode na default.

Nie potrzebujesz outputFieldMappings w tym scenariuszu. Blok indexProjections w zestawie umiejętności mapuje już każdy fragment do pól indeksu docelowego.

POST {endpoint}/indexers?api-version=2026-10-01
Authorization: Bearer <access-token>
Content-Type: application/json

{
  "name": "my_content_understanding_indexer",
  "dataSourceName": "my_blob_datasource",
  "targetIndexName": "my_content_understanding_index",
  "skillsetName": "my_content_understanding_skillset",
  "parameters": {
    "batchSize": 1,
    "configuration": {
      "dataToExtract": "contentAndMetadata",
      "parsingMode": "default",
      "allowSkillsetToReadFileData": true
    }
  },
  "fieldMappings": [],
  "outputFieldMappings": []
}

Gdy indeksator jest uruchamiany, umiejętność Content Understanding dzieli plik na fragmenty i opcjonalnie generuje opisy. Projekcje indeksu zapisują jeden dokument wyszukiwania na każdy fragment. Jeśli zaktualizujesz istniejący indeksator i musisz zastosować ten potok do wcześniej indeksowanych plików, zresetuj i uruchom go. Uruchamianie bez resetowania przetwarza tylko nowe lub zmienione pliki.

Sprawdzanie stanu indeksatora

Przed wykonaniem zapytania upewnij się, że uruchomienie indeksatora zostało zakończone:

GET {endpoint}/indexers/my_content_understanding_indexer/status?api-version=2026-10-01
Authorization: Bearer <access-token>

Sprawdź lastResult.status, itemsFailed, itemsProcessed, errors i warnings. Sprawdź reprezentatywne fragmenty i zbadaj brakujące dokumenty, nawet jeśli przetworzona liczba nie jestzerowa. Aby uzyskać więcej informacji, zobacz Monitorowanie stanu indeksatora.

Weryfikowanie wyników

Wykonaj zapytanie względem indeksu, aby sprawdzić, czy fragmenty zawierają oczekiwaną zawartość, a wyszukiwanie wektorów działa zgodnie z oczekiwaniami. Użyj Eksploratora wyszukiwania lub dowolnego narzędzia wysyłającego żądania HTTP.

Następujące żądanie uruchamia zapytanie hybrydowe: wyszukiwanie chunk słów kluczowych i zapytanie wektorowe względem text_vector. Wektoryzator czasu zapytania osadza tekst zapytania przy użyciu skonfigurowanego wdrożenia osadzania.

POST {endpoint}/indexes/my_content_understanding_index/docs/search?api-version=2026-10-01
Authorization: Bearer <access-token>
Content-Type: application/json

{
  "search": "copay for in-network providers",
  "searchFields": "chunk",
  "count": true,
  "searchMode": "all",
  "vectorQueries": [
    {
      "kind": "text",
      "text": "copay for in-network providers",
      "fields": "text_vector"
    }
  ],
  "select": "chunk, title, page_number_from, page_number_to, image_path"
}

Odpowiedź zawiera value wpisy z wybranymi polami. Sprawdź zawartość fragmentu i powiązania ze stronami. Aby niezależnie sprawdzić pobieranie wektorów, powtórz żądanie bez search, searchFields i searchMode, pozostawiając vectorQueries. Same wyniki hybrydowe nie potwierdzają, że pobieranie wektorów zakończyło się pomyślnie.

Poniższa struktura odpowiedzi jest przykładem i nie są przechwyconymi danymi wyjściowymi z uruchomienia na żywo; granice fragmentów, tekst, liczby i wyniki różnią się:

{
  "@odata.count": 2,
  "value": [
    {
      "@search.score": 0.0317,
      "chunk": "## Cost sharing\n\nFor in-network providers, the copay is $20 per visit...\n\n![Chart: Copay comparison across plans](figures/3)",
      "title": "Northwind_Standard_Benefits_Details.pdf",
      "page_number_from": 4,
      "page_number_to": 4,
      "image_path": "figures/3"
    },
    {
      "@search.score": 0.0289,
      "chunk": "### Out-of-network providers\n\nWhen you visit a provider that isn't in the Northwind network, the copay is $40 per visit...",
      "title": "Northwind_Standard_Benefits_Details.pdf",
      "page_number_from": 5,
      "page_number_to": 6,
      "image_path": null
    }
  ]
}

Odpowiedź obejmuje:

  • chunk: Treść każdego fragmentu w formacie Markdown. Podczas konfigurowania obu właściwości modelu w umiejętności Content Understanding wygenerowane opisy obrazów są wyświetlane w tekście dla odpowiednich liczb.
  • page_number_from i page_number_to: zakres stron, z którego pochodzi fragment.
  • image_path: ścieżka do obrazu wyodrębnionego z fragmentem lub, gdy fragment obejmuje wiele obrazów, rozdzieloną średnikami listę ścieżek. Dokładny kształt zależy od tego, czy jest skonfigurowana projekcja plików magazynu wiedzy. Bez projekcji pliku ścieżka jest krótką postacią pokazaną w przykładzie (figures/3). W przypadku projekcji plików ścieżka to ścieżka względna obrazu w magazynie wiedzy. Aby udostępnić te obrazy aplikacjom klienckim, zobacz (Opcjonalnie) Obrazy projektu do pobrania.

(Opcjonalnie) Obrazy projektu do pobrania

image_path Wartości przechowywane w indeksie nie są bezpośrednio pobieranymi adresami URL. Aby pobrać obrazy, należy wyeksportować projekt normalized_images do Azure Blob Storage przy użyciu magazynu wiedzy. Aplikacja kliencka może następnie skonstruować adresy URL obiektów blob ze ścieżek przechowywanych obrazów.

Ten krok jest opcjonalny. Dodaj go tylko wtedy, gdy aplikacja kliencka musi wyświetlać lub pobierać wyodrębnione obrazy.

knowledgeStore Dodaj właściwość z następującego fragmentu konfiguracji do ładunku zestawu umiejętności. Zaktualizuj istniejący zestaw umiejętności za pomocą PUT {endpoint}/skillsets/my_content_understanding_skillset?api-version=2026-10-01. Ten opcjonalny scenariusz obiektów blob nie jest obsługiwany w przypadku zawartości chronionej przez uprawnienia SharePoint.

{
  "knowledgeStore": {
    "storageConnectionString": "<your-azure-storage-connection-string>",
    "projections": [
      {
        "files": [
          {
            "storageContainer": "extracted-images",
            "source": "/document/normalized_images/*"
          }
        ],
        "tables": [],
        "objects": []
      }
    ]
  }
}

Aby wypełnić nową projekcję plików dla dokumentów, które zostały już zindeksowane, zresetuj i uruchom indeksator. Spowoduje to ponowne przetworzenie plików źródłowych przy użyciu zaktualizowanego skillsetu.

Po uruchomieniu indeksatora każdy obiekt blob w kontenerze extracted-images odpowiada jednemu normalized_images elementowi. Adres URL obiektu blob ma postać https://<storage-account>.blob.core.windows.net/<container>/<imagePath>. Użyj każdej pojedynczej ścieżki przechowywanego obrazu, gdy fragment image_path zawiera wiele ścieżek rozdzielonych średnikami. Aplikacja wymaga również autoryzowanego dostępu do Blob Storage. Projekcja plików nie udostępnia obrazów publicznie ani nie umożliwia udostępniania obrazów bazy wiedzy.

Aby uzyskać pełny schemat, w tym dodatkowe typy projekcji (tables i objects) oraz opcje uwierzytelniania, zobacz Magazyn wiedzy „projekcje” w Foundry IQ.

Sterowanie generowaniem opisów obrazów

Informacje na temat ustawień potoków bezpośrednich i generowanych, w tym weryfikacji mechanizmu rezygnacji i ograniczeń repozytorium zasobów, można znaleźć w sekcji Mechanizmy sterowania rozliczeniami i opisami obrazów.

Uprzątnij zasoby

Zatrzymaj lub usuń indeksator i jego harmonogram, gdy pozyskiwanie danych nie jest już potrzebne. Usuń źródło danych, zestaw umiejętności i indeks, gdy nie są już potrzebne. Pojemność wyszukiwania, pliki obiektów blob i wyodrębnione obrazy, zasoby usługi Foundry i wdrożenia modelu mają oddzielne cykle życia; Usunięcie obiektów wyszukiwania nie powoduje usunięcia tych zasobów zewnętrznych ani już naliczonych odwrotnych opłat.

W przypadku wygenerowanego źródła wiedzy użyj udokumentowanej procedury usuwania i przejrzyj wygenerowane obiekty. Nie usuwaj zasobów udostępnionych używanych przez inne pipeline’y.

Troubleshooting

Jeśli indeksator ulegnie awarii lub zwróci nieoczekiwane wyniki, sprawdź następujące typowe przyczyny.

Walidacja zestawu umiejętności kończy się błędem 400

Funkcja zwraca 400 Skill validation failed błąd, gdy kombinacje parametrów są ze sobą sprzeczne. Typowe przyczyny:

  • modelName jest ustawione bez modelDeployment, lub odwrotnie. Oba muszą być ustawione razem.
  • Ustawiono method na semantic i overlapLength na wartość większą niż 0. Ustaw overlapLength na 0 lub pomiń je.
  • method i unit nie są obsługiwaną parą. Użyj fixedSize z characters lub semantic z tokens.

Autoryzacja nie powodzi się w przypadku zasobu Foundry

Jeśli przy wywoływaniu zasobu Foundry zwracany jest kod 401 lub 403, sprawdź, czy:

text_sections jest pusty

Jeśli indeksowane dokumenty nie mają fragmentów, sprawdź, czy:

  • Format pliku jest obsługiwany. Aby uzyskać listę, zobacz Obsługiwane formaty plików.
  • Zasób Foundry znajduje się w obsługiwanym regionie.
  • Chronione hasłem pliki PDF są odblokowywane przed indeksowaniem.

Brak opisów obrazów

Jeśli fragmenty nie zawierają wbudowanych opisów obrazów, sprawdź konfigurację opisu, wdrożenie w dołączonym zasobie Foundry oraz dostępny limit TPM lub RPM.

Rozwiązywanie problemów z analizą Content Understanding

Domyślne okno sondowania analizy dokumentów wynosi osiem minut. Po wygaśnięciu tego okna proces zwraca błąd przekroczenia limitu czasu umiejętności i nie generuje żadnych danych wyjściowych usługi Content Understanding dla tego dokumentu. To wygaśnięcie niekoniecznie powoduje niepowodzenie całego uruchomienia indeksatora.

Użyj szczegółów wykonywania, aby odróżnić przyczynę:

Objawy lub dowody Sprawdzanie
Przekroczenie limitu czasu umiejętności podczas odpytywania analizy Reprezentatywna złożoność dokumentu, opcjonalna praca, lokalizacja zasobów oraz kanoniczne wskazówki dotyczące obszernych dokumentów. Rozmiar partii nie zmienia tego okresu.
Tworzenie analizatora nie jest gotowe Oddzielna operacja z pięciominutowym limitem czasu sondowania gotowości, a nie ośmiominutowym oknem analizy dokumentów.
Błąd rozumienia zawartości terminalu lub nieprawidłowo sformułowane dane wyjściowe Zgłoszony błąd usługi oraz obsługiwany format pliku/wejścia. Nie diagnozuj każdego brakującego fragmentu jako wygaśnięcia odpytywania.
Limit czasu HTTP, 429 lub usługa jest niedostępna Niepowodzenia żądań i połączeń sieciowych, dławienie oraz skonfigurowana pojemność modelu i usługi. Opóźnienia ponawiania prób mogą zajmować czas odpytywania.
401 lub 403 Tożsamość, przypisania ról, punkt końcowy zasobu i dostęp sieciowy.
Wyczerpanie limitu przydziału plików i stron lub czasu działania indeksatora Limity usługi Content Understanding i Limity indeksatora wyszukiwania, oddzielnie.

Zarejestruj nazwę indeksatora, czas wykonywania, identyfikator źródła, nazwę umiejętności, szczegóły błędu oraz dostępne identyfikatory żądań i korelacji dla pomocy technicznej. Nie dołączaj tokenów dostępu, kluczy ani chronionej zawartości dokumentu. Zobacz Rozwiązywanie problemów z indeksatoremoraz typowe błędy i ostrzeżenia.

Przed ponownym uruchomieniem lub zresetowaniem rozważ koszt powtarzania wyodrębniania, opisów i osadzania. Nie zakładaj buforowanej analizy, wznowienia odpytywania, anulowania wcześniejszej operacji Content Understanding ani braku zduplikowanych opłat za przetwarzanie.