O que é Pesquisa de IA do Azure ?

Pesquisa de IA do Azure  é um serviço totalmente gerenciado e hospedado na nuvem que conecta seus dados à IA. O serviço unifica o acesso ao conteúdo corporativo e da Web para que agentes e LLMs (grandes modelos de linguagem) possam usar contexto, histórico de chat e sinais de várias fontes para produzir respostas confiáveis e fundamentadas.

Casos de uso comuns incluem pesquisa clássica e geração aumentada por recuperação (RAG) usando recuperação agentiva, em que o serviço orquestra o planejamento de consultas, a recuperação e a construção da resposta. Esses recursos dão suporte a cenários que vão desde experiências de pesquisa tradicionais até agentes habilitados para IA e aplicativos de chat adequados para cenários corporativos e de consumidores.

Quando você cria um serviço de pesquisa, os seguintes recursos são incluídos:

• Dois mecanismos: pesquisa clássica por solicitações simples e recuperação agente para pesquisa paralela, iterativa e assistida por LLM.
• Texto completo, vetor, consultas híbridas e multimodal em conteúdo local (indexado) e remoto.
• O enriquecimento de IA para agrupar, vetorizar e, de outra forma, tornar o conteúdo bruto pesquisável.
• Ajuste de relevância para melhorar a correspondência de intenções e a qualidade do resultado.
• Azure escala, segurança, monitoramento e conformidade.
• Azure integrações com plataformas de dados compatíveis, Azure OpenAI e Microsoft Foundry.

Por que usar Pesquisa de IA do Azure ?

• Agentes terrestres e chatbots em dados proprietários, empresariais ou da Web para respostas precisas e com reconhecimento de contexto.

• Acesse dados de Armazenamento de Blobs do Azure, Azure Cosmos DB, Microsoft SharePoint, Microsoft OneLake e outras fontes de dados com suporte. Escolha acesso indexado ou remoto com base em suas necessidades de atualização, latência e conformidade.

• Enriquecer e estruturar conteúdo no momento da indexação ou consulta com ferramentas que executam segmentação, incorporação e transformações assistidas por LLM.

• Combine a pesquisa de texto completo com a pesquisa de vetor (pesquisa híbrida) para equilibrar a precisão e o recall.

• Consultar o conteúdo que contém texto e imagens em um único pipeline multimodal.

• Implemente facilmente recursos relacionados à pesquisa: ajuste de relevância, navegação facetada, filtros (incluindo pesquisa geo-espacial), mapeamento de sinônimos e preenchimento automático.

• Forneça segurança empresarial, controle de acesso e conformidade por meio de Microsoft Entra ID, Link Privado do Azure, controle de acesso no nível do documento e acesso baseado em função.

• Dimensione e opere em produção com a confiabilidade do Azure, monitoramento e diagnóstico (logs, métricas e alertas) e ferramentas de automação via API REST ou SDK.

Para obter mais informações sobre funcionalidades específicas, consulte Features de Pesquisa de IA do Azure .

O que é a pesquisa clássica?

A pesquisa clássica é um modelo de recuperação baseado em índice para consultas previsíveis e de baixa latência. Cada consulta tem como destino um único índice de pesquisa predefinido e retorna documentos classificados em um ciclo de solicitação-resposta. Nenhum planejamento auxiliado por LLM, nem iteração ou síntese ocorrem durante a recuperação.

Nessa arquitetura, seu serviço de pesquisa fica entre os armazenamentos de dados que contêm seu conteúdo não processado e seu aplicativo cliente. O aplicativo é responsável por enviar solicitações de consulta para seu serviço de pesquisa e lidar com a resposta.

Essa arquitetura tem duas cargas de trabalho primárias:

O que é recuperação por meio de agentes?

A recuperação por meio de agentes é um pipeline de múltiplas consultas projetado para fluxos de trabalho complexos entre agentes. Cada consulta tem como destino uma base de dados de conhecimento que representa um domínio completo do conhecimento. Seu agente faz referência à base de conhecimento sobre no que se basear, enquanto a base de conhecimento controla como executar a fundamentação.

Uma base de dados de conhecimento consiste em uma ou mais fontes de conhecimento, uma LLM opcional para planejamento de consultas e síntese de respostas e parâmetros que regem o comportamento de recuperação. Cada consulta passa por planejamento, decomposição em subconsultas focadas, recuperação paralela de fontes de conhecimento, reclassificação semântica e mesclagem de resultados. A resposta de três pontas é otimizada para consumo de agente.

Internamente, a recuperação por meio de agentes se baseia na arquitetura de pesquisa clássica, adicionando uma camada de contexto (base de conhecimento) que orquestra a recuperação de múltiplas fontes. As fontes de conhecimento podem ser indexadas ou remotas: fontes indexadas usam os mesmos mecanismos de indexação e consulta que a pesquisa clássica, enquanto fontes remotas ignoram a indexação e são consultadas ao vivo.

Como eles comparam

A pesquisa clássica e a recuperação agêncica são modos complementares de recuperação de informações. Ambos são compatíveis com texto completo, vetor, híbrido e pesquisa multimodal . No entanto, elas diferem na forma como o conteúdo é ingerido e consultado. A tabela a seguir resume suas principais diferenças.

Como começar

Você pode acessar Pesquisa de IA do Azure  por meio do portal Azure, REST APIs e SDKs do Azure para .NET, Java, JavaScript e Python.

O portal é útil para administração de serviços e gerenciamento de conteúdo, com ferramentas para a criação de suas bases de dados de conhecimento, fontes de conhecimento, índices, indexadores, conjuntos de habilidades e fontes de dados. APIs REST e SDKs são úteis para automação de produção.

Escolha seu caminho

Antes de começar, use esta lista de verificação para tomar decisões importantes:

• Escolha um modelo de preços: selecione entre o modelo de preço dedicado ou sem servidor (versão prévia). Consulte Escolher um modelo de preços e uma camada de serviço para obter ajuda com a escolha do modelo que melhor atenda às suas necessidades.

• Escolha como deseja recuperar dados: Você pode consultar diretamente de um índice de pesquisa resultados previsíveis e de baixa latência ou usar a recuperação agente para consultar vários índices por meio de uma base de dados de conhecimento. Se você estiver criando um aplicativo tradicional sem um agente ou chatbot, as consultas de índice direto poderão atender à maioria das necessidades com menor custo e complexidade. Se você quiser trabalhar com múltiplas fontes de conhecimento ou oferecer suporte a cenários mais avançados, considere a recuperação agêntica com esforço mínimo de raciocínio (prévia).

• Escolha uma região: Se você estiver usando a recuperação agêntica, escolha uma região com suporte. Para a pesquisa clássica, escolha uma região que ofereça os recursos e a capacidade necessários.

• Escolha um método de ingestão para conteúdo associado ao índice: Se o conteúdo estiver em uma fonte de dados com suporte, use o método pull para recuperar e serializar dados em JSON. Se você não tiver uma fonte de dados com suporte ou se seu conteúdo e índice precisarem ser sincronizados em tempo real, o método push será sua única opção.

• Você precisa de vetores? LLMs e agentes não exigem vetores. Use-os somente se precisar de pesquisa de similaridade ou se tiver conteúdo que possa ser homogêneo em vetores. Pesquisa de IA do Azure  oferece vetorização integrada para essa tarefa.

• Você precisa de herança de permissões baseada em usuário? O SharePoint remoto foi projetado para esse cenário, mas você também pode herdar permissões de usuário anexadas ao conteúdo no Armazenamento de Blobs do Azure ou no ADLS Gen2. Para todos os outros cenários, você pode usar a solução alternativa de filtro de segurança .

Escolha seus recursos de aprendizagem

Esses guias de início rápido e exemplos estão disponíveis para ajudá-lo a começar.