Wyodrębnianie i wzbogacanie dokumentów SharePoint w usłudze Foundry IQ (Wyszukiwanie AI platformy Azure)

Użyj usługi Azure Content Understanding, aby wyodrębnić i wzbogacić dokumenty SharePoint w usłudze Foundry IQ (Wyszukiwanie AI platformy Azure). Te wskazówki dotyczą indeksatora SharePoint w usłudze Microsoft 365 oraz źródeł wiedzy SharePoint (indeksowanych).

Wbudowane analizowanie zapewnia wyodrębnianie tekstu i współpracuje z innymi umiejętnościami wzbogacania AI. W przypadku dokumentów bogatych w elementy układu lub wielomodalnych usługa Content Understanding łączy w sobie parsowanie uwzględniające układ, fragmentowanie i wyodrębnianie obrazów w ramach jednej umiejętności. Generuje również opcjonalne opisy obrazów przy użyciu wdrożonego modelu.

Obsługiwane dane wejściowe obejmują dokumenty Microsoft Word (DOCX), skoroszyty Microsoft Excel (XLSX) i prezentacje Microsoft PowerPoint (PPTX), z zastrzeżeniem ograniczeń specyficznych dla formatu. Użyj interfejsów API źródła wiedzy za pomocą contentExtractionMode: "standard", aby uzyskać prostszą konfigurację i operacje cyklu życia. Aby uzyskać większą kontrolę nad umiejętnościami, fragmentowaniem i projekcjami, skonfiguruj bezpośrednio indeksator SharePoint oraz zestaw umiejętności Content Understanding.

Prerequisites

Wybierz potok ekstrakcji

Wybierz potok na podstawie potrzebnego przetwarzania i zasobów, które zamierzasz utrzymywać.

rurociąg Użyj go, gdy Własność zasobów
Konfiguracja interfejsu API źródła wiedzy Potrzebujesz prostszej konfiguracji za pomocą jednej konfiguracji źródła wiedzy SharePoint (indeksowanego). Funkcja Search generuje indeksator, źródło danych, zestaw umiejętności i indeks. Użyj ustawień źródła wiedzy i operacji cyklu życia, aby je utrzymywać.
Konfiguracja indeksatora i zestawu umiejętności Potrzebujesz większej kontroli nad umiejętnościami, fragmentowaniem lub projekcjami, niż uwidaczniają ustawienia źródła wiedzy. Obiekty pozyskiwania i zabezpieczony indeks są konfigurowane i utrzymywane bezpośrednio. Dodaj źródło wiedzy indeksu wyszukiwania, jeśli chcesz użyć indeksu w bazie wiedzy.

Dwie ścieżki mają następujący kształt. W obu ścieżkach ruch modelu jest oddzielony od połączenia źródłowego SharePoint:

Interfejsy API źródła wiedzy: dokumenty SharePoint → wygenerowany indeksator → semantyczne fragmentowanie i opisy obrazów w usłudze Content Understanding → umiejętność osadzania → wygenerowany zabezpieczony indeks fragmentów → źródło wiedzy SharePoint (zindeksowane) → baza wiedzy.

Interfejsy API indeksatora i zestawu umiejętności: dokumenty SharePoint → Twój indeksator → semantyczne fragmentowanie i opisy obrazów w usłudze Content Understanding → umiejętność osadzania (na potrzeby wyszukiwania wektorowego) → Twój zabezpieczony indeks fragmentów. Wykonaj zapytanie bezpośrednio względem indeksu lub połącz go z bazą wiedzy za pośrednictwem źródła wiedzy indeksu wyszukiwania.

Połączenia wzbogacania: Umiejętność rozumienia zawartości → dołączony zasób Foundry na potrzeby analizy i opcjonalnych wbudowanych opisów; umiejętność osadzania → punkt końcowy i wdrożenie osadzania.

W przypadku indeksowanych źródeł wiedzy wyodrębnianie minimal używa wbudowanego analizowania. Użyj go do ekstrakcji z naciskiem na tekst lub gdy oddzielne umiejętności wzbogacania zapewniają potrzebne przetwarzanie. Wybierz wyodrębnianie standard, aby połączyć parsowanie uwzględniające układ usługi Content Understanding, fragmentowanie, wyodrębnianie obrazów i opcjonalne opisy w wygenerowanym potoku.

Podczas bezpośredniego konfigurowania indeksatora dodaj umiejętność Content Understanding do zestawu umiejętności dla tych samych zintegrowanych funkcji przetwarzania dokumentów. Nadal konfigurujesz osadzanie i dodatkowe wzbogacanie oddzielnie.

Zachowaj odrębne etapy przetwarzania:

  • Wyodrębnianie układu identyfikuje strukturę dokumentów, w tym sekcje, tabele i rysunki. Zweryfikuj wyodrębnioną strukturę z reprezentatywnymi plikami w obsługiwanych formatach.
  • Fragmentowanie wyznacza fragmenty treści. Fragmentowanie semantyczne jest zgodne z granicami układu i akapitu; fragmentowanie o stałym rozmiarze używa okien znaków. Żaden z tych wyborów sam w sobie nie umożliwia tworzenia opisów.
  • Wyodrębnianie obrazów generuje dane obrazów i odwołania. Opisy dodają wygenerowany tekst dla odpowiednich rysunków.
  • Embeddingi reprezentują zawartość fragmentu jako wektory. Serwowanie obrazów udostępnia obrazy podczas wyszukiwania w ramach oddzielnie obsługiwanej konfiguracji; odwołanie do wyodrębnionego obrazu nie jest adresem URL umożliwiającym pobranie.

W przypadku pobierania bezpośrednio z SharePoint zamiast z indeksowanego potoku przetwarzania zobacz źródło wiedzy SharePoint (zdalne), które ma inną architekturę pobierania danych i obsługi uprawnień.

Użyj standardowej ekstrakcji w źródle wiedzy SharePoint (z indeksem)

Ekstrakcja standardowa używa Content Understanding do analizowania obsługiwanych dokumentów i przygotowywania fragmentów semantycznych w ramach wygenerowanego potoku. Konfigurowanie uprawnień i modelu opisu obrazu w źródle wiedzy. Funkcja Search tworzy bazowe źródło danych, indeksator, zestaw umiejętności usługi Content Understanding i zabezpieczony indeks fragmentów.

  1. Postępuj zgodnie z instrukcjami w artykule Tworzenie indeksowanego źródła wiedzy w usłudze SharePoint w zakresie połączenia, wyboru źródła, tożsamości i modelu osadzania.
  2. W indexedSharePointParameters.ingestionParametersprogramie skonfiguruj następujące standardowe ustawienia wyodrębniania:
    • Ustaw opcję contentExtractionMode na standard.
    • Ustaw ingestionPermissionOptions na ["userIds", "groupIds"], aby zachować uprawnienia dokumentu SharePoint.
    • Skonfiguruj aiServices przy użyciu punktu końcowego obsługiwanego zasobu Foundry.
  3. Skonfiguruj chatCompletionModel, podając obsługiwany model do opisywania obrazów i wdrożenie w tym zasobie Foundry. Pozostaw disableImageVerbalization ustawione na false lub pomiń je. Przejrzyj kanoniczne kontrolki opisu obrazu, aby uzyskać informacje o wymaganiach dotyczących konfiguracji.
  4. Skonfiguruj embeddingModel.azureOpenAIParameters przy użyciu punktu końcowego zasobu Foundry w programie resourceUri, a także modelu osadzania deploymentId i modelName. Na przykład użyj https://<embedding-resource>.services.ai.azure.com dla punktu końcowego. Umiejętność osadzania wektorów wektoryzuje zawartość fragmentu usługi Content Understanding, w tym wygenerowane opisy obrazów, przed indeksowaniem.
  5. Uruchom pozyskiwanie i przejrzyj wygenerowane obiekty, w tym uprawnienia do projektowanych fragmentów.
  6. Po pomyślnym zakończeniu pozyskiwania źródło wiedzy jest gotowe do przypisania do bazy wiedzy. Nie potrzebujesz oddzielnego źródła wiedzy indeksu wyszukiwania dla tej ścieżki.

Semantyczne fragmentowanie zawartości i opisy obrazów są ogólnie dostępne w interfejsie API REST wyszukiwania 2026-10-01. Łącznik SharePoint i funkcje uprawnień zachowują oddzielnie udokumentowaną dostępność i wymagania dotyczące interfejsu API. Wersja interfejsu API rozumienia zawartości podrzędnej jest udokumentowana oddzielnie.

Ogranicz tę ścieżkę przetwarzania plików do obsługiwanych dokumentów. Elementy SharePoint list i strony witryny analizowane jako tekst nie udostępniają oryginalnych danych wejściowych pliku wymaganych przez usługę Content Understanding. Nie zakładaj, że konfiguracja biblioteki plików ma zastosowanie bez zmian do wyboru zawartości mieszanej.

Konfigurowanie indeksatora SharePoint i zestawu umiejętności usługi Content Understanding

Użyj interfejsów API indeksatora i zestawu umiejętności, aby uzyskać większą kontrolę nad potokiem wzbogacania. Połącz indeksator SharePoint z umiejętnością Content Understanding, która wykonuje semantyczne fragmentowanie i werbalizację obrazów. Skonfiguruj zestaw umiejętności i mapowania, aby zapisywać wzbogacone fragmenty i ich uprawnienia SharePoint do indeksu.

  1. Skonfiguruj źródło danych przy użyciu procedury indeksatora SharePoint. Zachowaj uprawnienia źródła, ustawiając wartość indexerPermissionOptions na ["userIds", "groupIds"] w źródle danych. Postępuj zgodnie z konfiguracją ACL w SharePoint dla pól uwierzytelniania i filtru uprawnień w indeksie.
  2. W indeksatorze ustaw wartość parameters.configuration.allowSkillsetToReadFileData na true. To ustawienie udostępnia oryginalny plik w lokalizacji /document/file_data na potrzeby danych wejściowych file_data umiejętności Content Understanding. Użyj oryginalnego pliku, a nie tekstu, który został już wyodrębniony do /document/content.
  3. Dodaj umiejętność Content Understanding z semantycznym fragmentowaniem i opisami obrazów do zestawu umiejętności:
    • Ustaw chunkingProperties.method na semantic i chunkingProperties.unit na tokens.
    • Ustaw zarówno modelName, jak i modelDeployment, aby używać obsługiwanego modelu opisu obrazu w dołączonym zasobie Foundry.
    • Uwzględnij images i locationMetadata w extractionOptions na potrzeby danych wyjściowych wyodrębniania obrazów i lokalizacji.
    • Mapuj file_data na /document/file_data i zachowaj dane wyjściowe text_sections. Wygenerowane opisy są uwzględniane w treści Markdown każdego odpowiedniego fragmentu.
  4. W przypadku wyszukiwania wektorowego dodaj umiejętność osadzania po umiejętności Content Understanding:
    • Ustaw resourceUri na punkt końcowy zasobu Foundry, taki jak https://<embedding-resource>.services.ai.azure.com, i skonfiguruj deploymentId i modelName.
    • Ustaw wartość context umiejętności na /document/text_sections/*, a wartość wejściową text na /document/text_sections/*/content. Ta konfiguracja osadza każdy fragment usługi Content Understanding po dołączeniu opisów obrazów.
    • Przypisz dane wyjściowe embedding do text_vector. Wyrównaj wymiary wektorów z indeksem i skonfiguruj zgodny wektoryzator czasu zapytania.
  5. Zdefiniuj projekcje indeksu jeden do wielu z parametrem sourceContext ustawionym na /document/text_sections/*. Project zawartość fragmentu, /document/text_sections/*/text_vector jeśli skonfigurowano, pola źródłowe i cytowania oraz żądane metadane lokalizacji do indeksu fragmentów.
  6. Postępuj zgodnie z wymaganiami dotyczącymi projekcji uprawnień SharePoint, aby powtórzyć uprawnienia dokumentu nadrzędnego dla każdego fragmentu:
    • Zamapuj /document/metadata_user_ids na pole uprawnień indeksu UserIds .
    • Zamapuj /document/metadata_group_ids na pole uprawnień indeksu GroupIds .
    • W przypadku SharePoint grup witryn należy również projektować /document/metadata_spo_site_urlSharePointSiteUrl i konfigurować wymagane rozwiązanie grupa programu SharePoint.
    • W przypadku korzystania z programu projectionMode: skipIndexingParentDocumentsużyj tych mapowań projekcji zamiast polegać tylko na mapowaniach pól indeksatora.
  7. Uruchom indeksator i sprawdź wzbogacone fragmenty i uprawnienia w indeksie. Aby użyć indeksu w bazie wiedzy, skonfiguruj również pola i konfigurację semantyczną w kryteriach indeksu dla pobierania agenta.

Usługa Content Understanding dostarcza fragmentowanie i wbudowane opisy obrazów w tym potoku; Nie potrzebujesz oddzielnej umiejętności dzielenia tekstu ani uzupełniania czatu dla tych operacji. Aby zapoznać się z relacjami wejściowymi/wyjściowymi umiejętności, zobacz Content Understanding walkthrough. Zachowaj konfigurację źródła i uprawnień SharePoint; nie kopiuj połączenia obiektów blob przewodnika ani opcjonalnego kroku magazynu obrazów.

Zachowaj metadane uprawnień poza umiejętnościami i danymi wejściowymi modelu. Zamiast tego przeprowadź to przez mapowania projekcji na poziomie źródła. Nie zastępuj umiejętnością niestandardowego internetowego interfejsu API, aby obejść ograniczenie chronionej zawartości.

Zachowywanie uprawnień i weryfikowanie pobierania

Filtrowanie uprawnień musi przetrwać fragmentowanie i pobieranie. Użyj kanonicznych pól uprawnień i mapowań dla identyfikatorów użytkowników, identyfikatorów grup i odpowiedniego kontekstu witryny. Zachowaj wymagane metadane ścieżki źródłowej, a także czytelne informacje o cytatach. Zachowaj pola uprawnień jako niepobieralne w normalnych zapytaniach.

Jeśli bezpośrednio skonfigurujesz indeksator i zestaw umiejętności, możesz wykonać zapytanie dotyczące wynikowego indeksu za pomocą funkcji Wyszukiwania. Aby użyć tego indeksu w bazie wiedzy, postępuj zgodnie z instrukcjami w artykule Tworzenie źródła wiedzy indeksu wyszukiwania, a następnie przypisz go do bazy wiedzy. To przekazanie korzysta z istniejącego indeksu; nie pozyskuje zawartości z SharePoint ani nie uruchamia ponownie Content Understanding. W konfiguracji interfejsu API źródła wiedzy przypisz samo źródło wiedzy SharePoint (indeksowane) do bazy wiedzy.

Przed użyciem dowolnego potoku w środowisku produkcyjnym:

  1. Sprawdź reprezentatywne fragmenty zawartości, wektorów podczas konfigurowania, skojarzeń źródła/cytatów i wymaganych mapowań uprawnień.
  2. Przetestuj zapytania wyszukiwania bezpośredniego z dozwolonymi użytkownikami i użytkownikami bez uprawnień przy użyciu procedury uprawnień czasu zapytania. Jeśli używasz bazy wiedzy, przetestuj również żądania pobrania dla tych użytkowników.
  3. Jeśli aplikacja uwidacznia punkt końcowy MCP, przetestuj również propagację tokenu użytkownika i wyniki dostępu. Sprawdź, czy zwracane cytaty i pola danych źródłowych nie ujawniają treści, do których odmówiono dostępu.
  4. Przetestuj odpowiednie scenariusze grup i witryn oraz odwołania uprawnień, korzystając ze wskazówek dotyczących synchronizacji SharePoint. Sam sukces indeksowania nie potwierdza bieżącej autoryzacji.

Przegląd ustawień sieciowych i własności zasobów

Traktuj dostęp aplikacji przychodzącej do Search oddzielnie od pozyskiwania danych wychodzących. Prywatny punkt końcowy wyszukiwania nie ustanawia prywatnej łączności z SharePoint, usługą Content Understanding ani wdrożeniami modelu.

  • Źródło SharePoint: użyj kontraktu uwierzytelniania łącznika. SharePoint Online używa publicznych punktów końcowych i nie jest obiektem docelowym udostępnionego łącza prywatnego.
  • Analiza Content Understanding: Użyj dołączonego obsługiwanego zasobu Foundry oraz wymaganych mechanizmów tożsamości i łączności.
  • Osadzanie i opcjonalny czat: Sprawdź obsługiwane uwierzytelnianie każdego skonfigurowanego punktu końcowego, przypisania ról, system DNS i wymagania dotyczące dostępu do sieci.

Oddzielny monit genAI (ukończenie czatu) lub niestandardowy punkt końcowy nie działa jako serwer proxy dla wywołań analizatora usługi Content Understanding. Usługa API Management nie jest obsługiwana w przypadku usługi Content Understanding. W przypadku pozyskiwania tylko listy ACL oddzielna umiejętność Chat Completion wymaga dozwolonego własnego punktu końcowego, a nie interfejsu APIM. W przypadku pozyskiwania etykiet poufności ta konfiguracja Chat Completion nie jest obsługiwana.

Zastosuj kanoniczne ograniczenia dotyczące chronionej zawartości do określonej konfiguracji, w tym niestandardowego internetowego interfejsu API, pamięci podręcznej, magazynu wiedzy, debugowania i ograniczeń obsługi obrazów. Uwierzytelnianie lub routing prywatny nie sprawia, że zablokowana konfiguracja staje się obsługiwana.

Samodzielnie utrzymujesz obiekty potoku, które tworzysz bezpośrednio. W przypadku obiektów utworzonych przez kreatora użyj udokumentowanego przepływu pracy dla tego kreatora. W przypadku obiektów generowanych przez źródło wiedzy użyj ustawień źródła wiedzy i operacji cyklu życia; nie traktuj wygenerowanych obiektów jako nieograniczonej powierzchni dostosowywania.

Rozwiązywanie problemów z przetwarzaniem i utrzymywanie potoku

W przypadku braku wyników usługi Content Understanding lub powolnego przetwarzania skorzystaj ze wskazówek dotyczących odpytywania analizy i dużych dokumentów. Domyślne okno sondowania analizy wynosi osiem minut. Gotowość analizatora niestandardowego ma oddzielne pięciominutowe okno. Sprawdź stan indeksatora , aby odróżnić wygasanie sondowania od uwierzytelniania, ograniczania przepustowości, formatu wejściowego lub błędów usługi terminalowej.

Korzystaj z procedur cyklu życia uprawnień SharePoint na potrzeby odświeżania, ponownej synchronizacji, cofania oraz obsługiwanych operacji ponownego tworzenia. Nie należy używać resetu zawartości zamiast zrozumienia działania odświeżania uprawnień.

Po wycofaniu pipeline’u zatrzymaj harmonogram i użyj udokumentowanej procedury usuwania. Usuń obiekty należące do klienta tylko wtedy, gdy nie są już potrzebne. Usunięcie źródła wiedzy wyszukiwania nie usuwa zewnętrznej zawartości SharePoint, zasobów Foundry ani wdrożeń modeli.