Dicas para enriquecimento de inteligência artificial no Pesquisa de IA do Azure 

Observação

Pesquisa de IA do Azure  está disponível por meio do portal Azure, APIs REST e SDKs do Azure. Ele também sustenta o IQ do Foundry, a camada de conhecimento gerenciado que transforma o conteúdo da empresa em bases de conhecimento reutilizáveis e com reconhecimento de permissão para agentes no portal do Microsoft Foundry.

Este artigo fornece dicas para ajudá-lo a começar a usar o enriquecimento de IA e conjuntos de habilidades usados durante a indexação.

Dica 1: começar de forma simples e pequena

O assistente de importação de dados no portal do Azure dá suporte ao enriquecimento de IA. Sem escrever nenhum código, você pode criar e examinar todos os objetos usados em um pipeline de enriquecimento: um índice, um indexador, uma fonte de dados e um conjunto de habilidades.

Outra maneira de começar simplesmente é criando uma fonte de dados com apenas um punhado de documentos ou linhas em uma tabela que são representativas dos documentos que você deseja indexar. Um pequeno conjunto de dados é a melhor maneira de aumentar a velocidade de encontrar e corrigir problemas. Passe seu exemplo pelo pipeline de ponta a ponta e verifique se os resultados atendem às suas necessidades. Quando estiver satisfeito com os resultados, você estará pronto para adicionar mais arquivos à fonte de dados.

Dica 2: veja o que funciona, mesmo que haja algumas falhas

Às vezes, uma pequena falha interrompe o funcionamento de um indexador. Essa condição é boa se você planeja corrigir problemas um a um. No entanto, talvez você queira ignorar um tipo específico de erro, para que o indexador possa continuar e você possa ver quais fluxos estão realmente funcionando.

Para ignorar erros durante o desenvolvimento, defina maxFailedItems e maxFailedItemsPerBatch -1 como parte da definição do indexador.

{
  "parameters": {
    "maxFailedItems": -1,
    "maxFailedItemsPerBatch": -1
  }
}

Observação

Como prática recomendada, defina o maxFailedItems e o maxFailedItemsPerBatch como 0 para cargas de trabalho de produção.

Dica 3: Usar a sessão de depuração para solucionar problemas

A Sessão de depuração é um editor visual que mostra o grafo de dependências, as entradas e saídas e as definições de um conjunto de habilidades. Carrega um único documento da fonte de dados do indexador com a configuração atual do indexador e do conjunto de habilidades. Em seguida, você pode executar o conjunto de habilidades inteiro, no escopo desse documento. Em uma sessão de depuração, você pode identificar e resolver erros, validar alterações e confirmar alterações em um conjunto de habilidades pai. Para obter um passo a passo, confira Tutorial: sessões de depuração.

Dica 4: o conteúdo esperado não aparece

Se o conteúdo estiver ausente, verifique se há documentos descartados no portal do Azure. Na página do serviço de pesquisa, abra Indexadores, selecione o indexador e selecione o valor de Status de uma execução para exibir os detalhes e erros de execução.

Se o problema estiver relacionado ao tamanho do arquivo, você poderá ver um erro como este: "O blob <file-name> tem o tamanho de <file-size> bytes, o que excede o tamanho máximo para extração de documentos para sua camada de serviço atual." Para obter mais informações sobre os limites do indexador, consulte Limites de serviço.

Um segundo motivo para o conteúdo não aparecer pode estar relacionado a erros de mapeamento de entrada/saída. Por exemplo, o nome da saída de destino é "People", mas o nome do campo de índice é "people", com letras minúsculas. O sistema retorna 201 mensagens de êxito para todo o pipeline para que você pense que a indexação foi bem-sucedida, quando na verdade um campo está vazio.

Dica 5: estender o processamento além do tempo máximo de execução

A análise de imagem faz uso intensivo de computação até mesmo em casos simples, de modo que quando as imagens são especialmente grandes ou complexas, os tempos de processamento podem ultrapassar o tempo máximo permitido.

Para indexadores que têm conjuntos de habilidades, a execução do conjunto de habilidades é limitada a 2 horas para a maioria das camadas. Se o processamento do conjunto de habilidades não for concluído dentro desse período, agende o indexador para executar a cada cinco minutos para que ele possa retomar o processamento do último documento válido conhecido.

A indexação programada é retomada no último documento válido conhecido. Em um agendamento recorrente, o indexador pode trabalhar através da lista de pendências de imagens em uma série de horas ou dias, até que todas as imagens não processadas sejam processadas. Para obter mais informações sobre a sintaxe de agendamento, veja Agendar um indexador.

Observação

Se um indexador agendado falhar repetidamente no mesmo documento, o serviço reduzirá sua frequência de execução (até uma vez a cada 24 horas) até que ele progrida. Depois de corrigir o problema subjacente, execute o indexador sob demanda. Se ele fizer progresso, o indexador retornará ao intervalo configurado. Se o indexador não retornar à agenda configurada após uma execução bem-sucedida, consulte perguntas frequentes sobre o comportamento de agendamento.

Dica 6: aumentar a taxa de transferência da indexação

Para indexação paralela, distribua seus dados em vários contêineres ou em várias pastas virtuais dentro do mesmo contêiner. Crie vários pares de fonte de dados e indexador. Todos os indexadores podem usar o mesmo conjunto de habilidades e gravar no mesmo índice de pesquisa de destino, de modo que seu aplicativo de pesquisa não precisa estar ciente desse particionamento.

Confira também

  • Last updated on