Co to jest Wyszukiwanie AI platformy Azure?

Wyszukiwanie AI platformy Azure jest w pełni zarządzaną usługą hostowaną w chmurze, która łączy dane ze sztuczną inteligencją. Usługa łączy dostęp do zawartości przedsiębiorstwa i sieci Web, dzięki czemu agenci i duże modele językowe (LLM) mogą używać kontekstów, historii czatów i sygnałów wieloźródłowych do tworzenia niezawodnych, uziemionych odpowiedzi.

Typowe przypadki użycia obejmują wyszukiwanie klasyczne oraz generowanie wspomagane wyszukiwaniem (RAG) z użyciem wyszukiwania agentowego, gdzie usługa koordynuje planowanie zapytań, wyszukiwanie i tworzenie odpowiedzi. Te możliwości obsługują scenariusze od tradycyjnych środowisk wyszukiwania po agentów opartych na sztucznej inteligencji i aplikacje do czatów odpowiednie zarówno dla scenariuszy dla przedsiębiorstw, jak i konsumentów.

Podczas tworzenia usługi wyszukiwania są dostępne następujące możliwości:

• Dwa silniki: klasyczne wyszukiwanie dla pojedynczych zapytań i wyszukiwanie agentowe na potrzeby równoległego, iteracyjnego, wspomaganego przez LLM wyszukiwania.
• Pełnotekstowe, wektorowe, hybrydowe i wielomodalne zapytania dotyczące zawartości lokalnej (indeksowanej) i zdalnej.
• Wzbogacanie sztucznej inteligencji w celu fragmentowania, wektoryzowania i w inny sposób umożliwia wyszukiwanie nieprzetworzonej zawartości.
• Dostrajanie istotności w celu poprawy dopasowania intencji i jakości wyników.
• Skalowanie, zabezpieczenia, monitorowanie i zgodność w Azure.
• Integracje Azure z obsługiwanymi platformami danych, Azure OpenAI i Microsoft Foundry.

Dlaczego warto używać Wyszukiwanie AI platformy Azure?

• Agenci naziemni i czatboty w zastrzeżonych, korporacyjnych lub internetowych danych w celu uzyskania dokładnych odpowiedzi obsługujących kontekst.

• Uzyskaj dostęp do danych z Azure Blob Storage, Azure Cosmos DB, Microsoft SharePoint, Microsoft OneLake i innych obsługiwanych źródeł danych. Wybierz dostęp indeksowany lub zdalny w zależności od potrzeb dotyczących aktualności, opóźnień i zgodności.

• Wzbogacanie i tworzenie struktury zawartości podczas indeksowania lub wykonywania zapytań za pomocą umiejętności, które wykonują fragmentowanie, osadzanie i przekształcenia wspomagane przez LLM.

• Połącz wyszukiwanie pełnotekstowe z wyszukiwaniem wektorowym (wyszukiwanie hybrydowe), aby zrównoważyć precyzję i przypomnienia.

• Wykonywanie zapytań dotyczących zawartości zawierającej tekst i obrazy w jednym potoku wielomodalnym.

• Łatwa implementacja funkcji związanych z wyszukiwaniem: korekta istotności, nawigacja fasetowa, filtry (w tym wyszukiwanie geograficzne), mapowanie synonimów i automatyczne uzupełnianie.

• Zapewnianie zabezpieczeń przedsiębiorstwa, kontroli dostępu i zgodności za pośrednictwem Microsoft Entra ID, Azure Private Link, kontroli dostępu na poziomie dokumentu i dostępu opartego na rolach.

• Skalowanie i działanie w środowisku produkcyjnym z zapewnioną niezawodnością Azure, monitorowaniem i diagnostyką (dzienniki, metryki i alerty), a także użycie REST API lub narzędzi SDK do automatyzacji.

Aby uzyskać więcej informacji na temat określonych funkcji, zobacz Features Wyszukiwanie AI platformy Azure.

Co to jest wyszukiwanie klasyczne?

Wyszukiwanie klasyczne to model wyszukiwania opartego na indeksie, zapewniający niskie opóźnienia dla przewidywalnych zapytań. Każde zapytanie jest przeznaczone dla pojedynczego, wstępnie zdefiniowanego indeksu wyszukiwania i zwraca uporządkowane dokumenty w jednym cyklu zapytanie-odpowiedź. Podczas pobierania nie występuje asystowane planowanie, iteracja ani synteza wspierane przez LLM.

W tej architekturze usługa wyszukiwania znajduje się między magazynami danych, które zawierają nieprzetworzoną zawartość i aplikację kliencą. Aplikacja jest odpowiedzialna za wysyłanie żądań zapytań do usługi wyszukiwania i obsługę odpowiedzi.

Ta architektura ma dwa podstawowe obciążenia:

Czym jest agentic retrieval?

Agentowe pobieranie to potok z wieloma zapytaniami zaprojektowany dla złożonych przepływów pracy agenta z agentem. Każde zapytanie dotyczy bazy wiedzy , która reprezentuje pełną domenę wiedzy. Agent odwołuje się do bazy wiedzy dotyczącej tego, na czym się opiera, a baza wiedzy obsługuje sposób wykonywania uziemienia.

Baza wiedzy składa się z co najmniej jednego źródła wiedzy, opcjonalnego modułu LLM do planowania zapytań i syntezy odpowiedzi oraz parametrów, które zarządzają zachowaniem pobierania. Każde zapytanie przechodzi planowanie, dekompozycję na ukierunkowane podzapytania, równoległe pobieranie ze źródeł wiedzy, semantyczne przerangowanie i scalanie wyników. Odpowiedź z trzema elementami jest zoptymalizowana pod kątem zużycia agentów.

W tle agentowe wyszukiwanie opiera się na klasycznej architekturze wyszukiwania, dodając warstwę kontekstu (bazę wiedzy), która organizuje pobieranie z wielu źródeł. Źródła wiedzy mogą być indeksowane lub zdalne: indeksowane źródła używają tych samych silników indeksujących i zapytań co wyszukiwanie klasyczne, podczas gdy źródła zdalne pomijają indeksowanie i są odpytywane na żywo.

Jak porównują

Klasyczne wyszukiwanie i wyszukiwanie agentyczne to komplementarne tryby wyszukiwania informacji. Obie obsługują wyszukiwanie pełnotekstowe, wektorowe, hybrydowe i wielomodalne . Różnią się one jednak sposobem pozyskiwania zawartości i wykonywania zapytań. W poniższej tabeli podsumowano ich kluczowe różnice.

Jak rozpocząć

Dostęp do Wyszukiwanie AI platformy Azure można uzyskać za pośrednictwem portalu Azure, REST API, i Azure SDKs dla .NET, Java, JavaScript i Python.

Portal jest przydatny do administrowania usługami i zarządzania zawartością z narzędziami do tworzenia prototypów baz wiedzy, źródeł wiedzy, indeksów, indeksatorów, zestawów umiejętności i źródeł danych. Interfejsy API REST i zestawy SDK są przydatne w przypadku automatyzacji produkcyjnej.

Wybierz ścieżkę

Przed rozpoczęciem użyj tej listy kontrolnej, aby podjąć kluczowe decyzje:

• Wybierz model cen: wybierz między modelem cen dedykowanym lub bezserwerowym (wersja zapoznawcza). Zobacz Wybieranie modelu cenowego i warstwy usług , aby uzyskać pomoc dotyczącą wybierania modelu, który najlepiej odpowiada Twoim potrzebom.

• Wybierz sposób pobierania danych: Możesz wyszukiwać bezpośrednio w indeksie wyszukiwania, aby uzyskać przewidywalne wyniki przy niskich opóźnieniach, albo użyć wyszukiwania agentowego do przeszukiwania wielu indeksów za pośrednictwem bazy wiedzy. Jeśli tworzysz tradycyjną aplikację bez agenta lub czatbota, zapytania dotyczące indeksów bezpośrednich mogą spełniać większość potrzeb z niższymi kosztami i złożonością. Jeśli chcesz pracować z wieloma źródłami wiedzy lub obsłużyć bardziej zaawansowane scenariusze, rozważ wyszukiwanie agentowe z minimalnym nakładem na rozumowanie (wersja zapoznawcza).

• Wybierz region: Jeśli używasz odnajdywania agentowego, wybierz obsługiwany region. W przypadku wyszukiwania klasycznego wybierz region, który oferuje potrzebne funkcje i pojemność.

• Wybierz metodę pozyskiwania zawartości powiązanej z indeksem: Jeśli zawartość znajduje się w obsługiwanym źródle danych, użyj metody pull , aby pobrać i serializować dane w formacie JSON. Jeśli nie masz obsługiwanego źródła danych lub jeśli zawartość i indeks muszą być synchronizowane w czasie rzeczywistym, metoda wypychania jest jedyną opcją.

• Czy potrzebujesz wektorów? LLMs i agenci nie wymagają wektorów. Używaj ich tylko wtedy, gdy potrzebujesz wyszukiwania podobieństwa lub zawartości, która może być homogenizowana w wektorach. Wyszukiwanie AI platformy Azure oferuje zintegrowaną wektoryzację dla tego zadania.

• Czy potrzebujesz dziedziczenia uprawnień opartych na użytkownikach? Zdalne SharePoint jest przeznaczone dla tego scenariusza, ale można również dziedziczyć uprawnienia użytkownika dołączone do zawartości w Azure Blob Storage lub ADLS Gen2. W przypadku wszystkich innych scenariuszy można użyć obejścia filtru zabezpieczeń .

Wybieranie zasobów szkoleniowych

Te przewodniki szybkiego startu i przykłady są dostępne, aby ułatwić rozpoczęcie pracy.