Funktioner i Azure AI-sökning

Observera

Azure AI-sökning är tillgängligt via Azure-portalen, REST-API:er och Azure-SDK:er. Den ligger också till grund för Foundry IQ, det hanterade kunskapsskiktet som omvandlar företagsinnehåll till återanvändbara, behörighetsmedvetna kunskapsbaser för agenter i Microsoft Foundry-portalen.

Azure AI-sökning tillhandahåller informationshämtning och använder valfri AI-integrering för att extrahera mer värde från text- och vektorinnehåll.

I följande tabell sammanfattas funktioner efter kategori. Det finns funktionsparitet i alla Azure offentliga, privata och nationella moln, men vissa funktioner stöds inte i specifika regioner eller specifika nivåer.

Agentbaserad hämtning

Kategori Funktioner
Kunskapsbaser Kunskapsbaser samordnar pipelinen för agentisk hämtning, ansluter till din LLM och hanterar frågeparametrar. En kunskapsbas refererar till en eller flera kunskapskällor och definierar hämtningsbeteendet.
Kunskapskällor Kunskapskällor definierar innehållet som är tillgängligt för en kunskapsbas. En indexerad kunskapskälla backas upp av ett sökindex, medan en fjärransluten kunskapskälla hämtar innehåll från en extern plattform vid frågetillfället.
Frågeplanering (förhandsversion) Frågeplanering använder en LLM för att analysera konversationskontext och dela upp komplexa frågor i fokuserade underfrågor. Detta omfattar bearbetning av chatthistorik, frågedelning, synonymexpansion och stavningskorrigering.
Parallell frågekörning Underfrågor körs samtidigt över alla kunskapskällor. Varje underfråga stöder nyckelords-, vektor- och hybridsökning med automatisk semantisk reranking.
Resonemangsinsats för sökning (förhandsversion) Resonemangsinsats för hämtning styr nivån på LLM-bearbetningen i pipelinen så att du kan balansera djupet i hämtningen och relevansen mot svarstid och LLM-kostnad.
Utdata för svar Pipeline returnerar antingen extraktivt underbyggande innehåll eller, med svarssyntes (förhandsversion) aktiverat, ett LLM-genererat svar med källhänvisningar. Du kan också inkludera källreferenser och körningsinformation.

Indexering och extrahering av data

Kategori Funktioner
Datakällor Sökindex kan acceptera text från valfri källa, förutsatt att den skickas som ett JSON-dokument.

Indexerare är en funktion som automatiserar dataimport från datakällor som stöds för att extrahera sökbart innehåll i primära datalager. Indexerare hanterar JSON-serialisering åt dig och de flesta stöder någon form av ändrings- och borttagningsidentifiering. Du kan ansluta till en mängd olika datakällor, till exempel Microsoft OneLake, Azure SQL Database, Azure Cosmos DB eller Azure Blob Storage.

Logic Apps-anslutningsappar ger dig åtkomst till ett bredare utbud av datakällor, inklusive data på andra molnplattformar. Den här indexerings- och berikande pipelinen skapas i Azure AI-sökning men hanteras i Azure Logic Apps.

Kunskapskällor är en funktion i agentisk hämtning. De används under indexering och vid frågetillfället för att stödja en kunskapsbas.
Hierarkiska och kapslade datastrukturer Med komplexa typer och samlingar kan du modellera praktiskt taget alla typer av JSON-strukturer i ett sökindex. Kardinaliteten en-till-många och många-till-många kan uttryckas naturligt genom samlingar, komplexa typer och samlingar av komplexa typer.
Språklig analys Analysverktyg är komponenter i klassisk sökning som används för textbearbetning under indexerings- och sökåtgärder. Som standard kan du använda Standard Lucene-analysatorn för generell användning eller åsidosätta standardvärdet med en språkanalysator, en anpassad analysator som du konfigurerar eller en annan fördefinierad analysator som producerar token i det format du behöver.

Språkanalysatorer från Lucene eller Microsoft används för att intelligent hantera språkspecifik lingvistik, inklusive verbtempus, genus, oregelbundna pluralformade substantiv (till exempel "mus" jämfört med "möss"), ordsegmentering, orddelning (för språk utan blanksteg) och mer.

Anpassade lexikala analysverktyg används för komplexa frågeformulär som fonetikmatchning och reguljära uttryck.

Chattmodell och agentintegrering

Kategori Funktioner
Modeller för chattkomplettering som används under indexering GenAI-promptfärdighet är en färdighet som anropar en stor språkmodell under indexeringen och ger en uppmaning som avgör uppgiften. Du bestämmer vad uppgiften är. Det kan handla om att beskriva en bild, sammanfatta eller manipulera innehåll eller någon uppgift som modellen kan utföra. Utdata läggs till som ett nytt fält i ett sökbart index.
Modeller för chattens slutförande som används vid frågetillfället Agentisk hämtning använder en stor språkmodell för frågeplanering, nedbrytning och parafrasering av komplexa frågor för bättre frågetäckning över ditt index. Svar från agentbaserad hämtning är utformade för arbetsflöden mellan agenter. Du kan skicka sökresultat som en enda stor sträng, vilket förenklar agentanvändningen av ditt upphovsrättsskyddade innehåll. Svaret innehåller även referenser och information om frågeexekvering.

Svarssyntes (förhandsversion) använder LLM för att generera källhänvisningsbaserade svar från sökresultat som returneras av agentisk hämtning.

RAG-mönster kan implementeras med befintliga funktioner. Möjligheten att finjustera relevans och konstruera hybridfrågor förbättrar kvaliteten på innehållet som skickas till chattrobotar för svarsgenerering.

Tillämpat AI- och AI-berikat innehåll

Kategori Funktioner
AI-processering vid indexering AI-berikning refererar till inbäddad bild och bearbetning av naturligt språk i en indexerarpipeline som extraherar text och information från innehåll som annars inte kan indexeras för fulltextsökning. AI-bearbetning uppnås genom att lägga till och kombinera färdigheter i en kompetensuppsättning, som sedan är kopplad till en indexerare. AI kan vara antingen definierade kunskaper från Microsoft, till exempel textöversättning eller optisk teckenigenkänning (OCR) eller anpassade kunskaper som du tillhandahåller.

Integrerad datasegmentering och vektorisering delar upp större passager i mindre segment som kan vektoriseras, med vektorer som dirigeras till dedikerade fält i ett index för vektor- och hybridsökning.
AI-bearbetning under frågekörning Vectorizers används för att koda användarfrågesträngar till vektorer för vektorsökning. Du kan använda samma inbäddningsmodeller för frågor som du använde för indexering.

Lagra berikat innehåll för analys och förbrukning i scenarier som inte är sök Kunskapslager är beständig lagring av AI-berikat eller AI-genererat innehåll som är avsett för scenarier som inte är sökscenarier som kunskapsutvinning och datavetenskapsarbetsbelastningar. Ett kunskapslager definieras i en kompetensuppsättning, men skapas i Azure Storage som objekt eller tabellrader.
Cachade berikningar (förhandsversion) Cachelagring för berikning avser cachelagrade berikningar som kan återanvändas under körning av kompetensuppsättningar. Caching är värdefullt i kompetensområden som inkluderar OCR och bildanalys, som är dyra att bearbeta.

Vektor- och hybridhämtning

Kategori Funktioner
Vektorindexering Lägg till vektorfält i ett sökindex för att stödja vektorsökningsscenarier . Vektorfält kan samexistera med icke-bevektorfält i samma sökdokument.
Vektorfrågor Formulera enstaka och flera vektorfrågor.
Vektorsökningsalgoritmer Använd HNSW (Hierarchical Navigable Small World) eller fullständig K-Nearest Neighbors (KNN) för att hitta liknande vektorer i ett sökindex.
Vektorfilter Använd filter före eller efter frågekörning för större precision i informationshämtning.
Hybridinformationshämtning Sök efter begrepp och nyckelord i en enda hybridfrågebegäran.

Hybridsökning konsoliderar vektor- och textsökning med valfri semantisk rangordning och relevansjustering för bästa resultat.
Integrerad datasegmentering och vektorisering Inbyggd datasplitting genom funktion för textdelning. Intern vektorisering via vektoriserare och inbäddningsfärdigheter som Azure OpenAI-inbäddning, Azure Vision multimodal (förhandsversion) och AML som du kan använda för att ansluta till slutpunkter i Microsoft Foundry-modellkatalogen.

Integrerad vektorisering tillhandahåller en indexeringspipeline från slutpunkt till slutpunkt från källfiler till frågor.
Integrerad vektorkomprimering och kvantisering Använd inbyggd skalär och binär kvantisering för att minska vektorindexstorleken i minnet och på disken. Du kan också avstå från lagring av vektorer som du inte behöver eller tilldela smala datatyper till vektorfält för minskade lagringskrav.

Klassisk fulltext och andra frågeformulär

Kategori Funktioner
Textsökning i fritt format Fulltextsökning är ett primärt användningsfall för de flesta sökbaserade appar. Frågor kan formuleras med hjälp av en syntax som stöds.

Enkel frågesyntax ger logiska operatorer, frassökningsoperatorer, suffixoperatorer, prioritetsoperatorer.

Fullständig Lucene-frågesyntax innehåller alla åtgärder i enkel syntax, med tillägg för fuzzy-sökning, närhetssökning, termförstärkning och reguljära uttryck.
Relevans Enkel poängsättning är en viktig fördel med Azure AI-sökning. Använd bedömningsprofiler för att modellera relevans som en funktion av värden i själva dokumenten. Du kanske till exempel vill att nyare produkter eller rabatterade produkter ska visas högre i sökresultaten. Du kan också skapa bedömningsprofiler med hjälp av taggar för anpassad bedömning baserat på kundsökinställningar som du spårar och lagrar separat.

Semantisk rankning är en premiumfunktion som rangordnar om resultat baserat på semantisk relevans för frågan. Beroende på ditt innehåll och scenario kan det avsevärt förbättra sökrelevansen med minimal konfiguration eller ansträngning.
Geospatial sökning Geospatiala funktioner filtrerar över och matchar geografiska koordinater. Du kan matcha utifrån avstånd eller utifrån inkludering i en polygonform.
Filter och fasetter Fasetterad navigering aktiveras via en enskild frågeparameter. Azure AI-sökning returnerar en fasetterad navigeringsstruktur som du kan använda som kod bakom en kategorilista för självstyrd filtrering (till exempel för att filtrera katalogobjekt efter prisintervall eller varumärke).

Filter kan användas för att införliva fasetterad navigering i programmets användargränssnitt, förbättra frågeformuleringen och filtrera baserat på användar- eller utvecklardefinierade kriterier. Skapa filter med hjälp av OData-syntaxen.
Användarupplevelse Automatisk komplettering kan aktiveras för type-ahead frågor i en sökruta.

Sökförslag fungerar också med partiella textindata i ett sökfält, men resultatet är faktiska dokument i indexet i stället för frågetermer.

Synonymer associerar motsvarande termer som implicit utökar omfånget för en fråga, utan att användaren behöver ange de alternativa termerna.

Träffmarkering tillämpar textformatering på ett matchande nyckelord i sökresultat. Du kan välja vilka fält som returnerar markerade kodfragment.

Sortering erbjuds för flera fält via indexschemat och kan sedan växlas vid förfrågningstid med en enda sökparameter.

Sidindelning och att begränsa sökresultaten är enkelt med den finjusterade kontroll som Azure AI-sökning erbjuder över sökresultaten.

Säkerhetsfunktioner

Kategori Funktioner
Nätverkssäkerhet Med IP-regler för inkommande brandväggsstöd kan du konfigurera IP-intervall som söktjänsten accepterar begäranden över.

Skapa en privat slutpunkt med hjälp av Azure Private Link för att tvinga alla begäranden via ett virtuellt nätverk.

Nätverkssäkerhetsperimeter möjliggör anslutning av Azure AI-sökning till en nätverkssäkerhetsperimeter som inkluderar andra Azure-resurser, så att nätverksåtkomst kan hanteras på ett holistiskt sätt.
Datakryptering Microsoft-managed encryption-at-rest är inbyggd i det interna lagringsskiktet och är oåterkallelig.

Customer-managed encryption keys (CMK) som du skapar och hanterar i Azure Key Vault kan användas för kompletterande kryptering av index och synonymkartor. För tjänster som skapats efter den 1 augusti 2020 utökas CMK-kryptering till data på tillfälliga diskar för fullständig dubbel kryptering av indexerat innehåll.
Inkommande åtkomst Role-baserad åtkomstkontroll tilldelar roller till användare och grupper i Microsoft Entra ID för kontrollerad åtkomst till sökinnehåll och åtgärder. Du kan också använda nyckelbaserad autentisering om du inte vill använda rolltilldelningar.

Åtkomstkontroll på dokumentnivå filtrerar bort sökresultat som en användare inte har behörighet att se. Om datakällan för flera datakällor tillhandahåller en åtkomstkontrollmodell kan du konfigurera ett index för att ärva metadata för användarbehörighet.
Utgående säkerhet (indexerare) Dataanslutningar via privata slutpunkter gör att en indexerare kan ansluta till Azure resurser som skyddas via Azure Private Link.

Dataanslutningar via hanterade identiteter autentiserar anslutningar till Azure resurser med hjälp av ett Microsoft Entra säkerhetsobjekt, som eliminerar lagring och överföring av hårdkodade API-nycklar.

Dataåtkomst med hjälp av en betrodd identitet innebär att anslutningssträngar till externa datakällor kan utelämna användarnamn och lösenord. När en indexerare ansluter till datakällan tillåter resursen anslutningen om söktjänsten tidigare har registrerats som en betrodd tjänst (gäller endast för Azure Storage).

Portalfunktioner

Kategori Funktioner
Verktyg för prototyper och inspektion Lägg till index är en indexdesigner i Azure portalen som du kan använda för att skapa ett grundläggande schema som består av attributfält och några andra inställningar. När du har sparat indexet kan du fylla i det med hjälp av ett SDK eller REST API för att tillhandahålla data.

Importera data är en guide som skapar en indexeringspipeline från slutpunkt till slutpunkt, inklusive ett index, en indexerare, en kompetensuppsättning och en definition av datakällan, för nyckelordssökning och RAG-scenarier. För RAG hanterar den även datasegmentering och vektorisering. Om dina data finns i Azure kan den här guiden spara dig mycket tid och arbete, särskilt för utredning och utforskning av konceptutvärderingar.

Sökutforskaren används för att testa frågor och förfina bedömningsprofiler.

Skapa demoapp används för att generera en HTML-sida som kan användas för att testa sökupplevelsen.

Felsökningssessioner är ett visuellt redigeringsprogram som gör att du kan felsöka en kompetensuppsättning interaktivt. Den visar beroenden, utdata och transformeringar.
Övervakning och diagnostik Aktivera övervakningsfunktioner för att gå längre än de mått som alltid visas i Azure portalen. Mått på frågeförfrågningar per sekund, svarstid och begränsning samlas in och rapporteras på portalsidor utan att någon extra konfiguration krävs.

Programmerbarhet

Kategori Funktioner
RESTEN Tjänstens REST API är för dataplansåtgärder, inklusive alla åtgärder som rör indexering, frågor, AI-berikning och agentisk hämtning. Du kan också använda det här klientbiblioteket för att hämta systeminformation och statistik.

Management REST API är till för att skapa och etablera tjänster via Azure Resource Manager. Du kan också använda det här API:et för att hantera nycklar och kapacitet.
Azure SDKs för .NET Azure. Search.Documents är för dataplansåtgärder, inklusive alla åtgärder som rör indexering, frågor och AI-berikning. Du kan också använda det här klientbiblioteket för att hämta systeminformation och statistik.

Microsoft.Azure. Management.Search är till för att skapa och etablera tjänster via Azure Resource Manager. Du kan också använda det här API:et för att hantera nycklar och kapacitet.
Azure SDKs för Java com.azure.search.documents är avsedd för dataplansåtgärder, inklusive alla åtgärder som rör indexering, frågor och AI-berikning. Du kan också använda det här klientbiblioteket för att hämta systeminformation och statistik.

com.microsoft.azure.management.search är till för att skapa och etablera tjänster via Azure Resource Manager. Du kan också använda det här API:et för att hantera nycklar och kapacitet.
Azure SDKs för Python azure-search-documents är för dataplansåtgärder, inklusive alla åtgärder som rör indexering, frågor och AI-berikning. Du kan också använda det här klientbiblioteket för att hämta systeminformation och statistik.

azure-mgmt-search är till för att skapa och etablera tjänster via Azure Resource Manager. Du kan också använda det här API:et för att hantera nycklar och kapacitet.
Azure SDKs för JavaScript/TypeScript azure/search-documents är för dataplansåtgärder, inklusive alla åtgärder som rör indexering, frågor och AI-berikning. Du kan också använda det här klientbiblioteket för att hämta systeminformation och statistik.

azure/arm-search är till för att skapa och etablera tjänster via Azure Resource Manager. Du kan också använda det här API:et för att hantera nycklar och kapacitet.
  • Uppdaterades senast