Använda ett Azure Logic Apps-arbetsflöde för automatisk indexering i Azure AI-sökning

I Azure AI-sökning kan du använda guiden Importera data i Azure-portalen för att skapa ett logikapparbetsflöde som indexerar och vektoriserar ditt innehåll. Den här funktionen motsvarar en indexerare och datakälla som genererar en indexeringspipeline och skapar sökbart innehåll.

När du har skapat ett arbetsflöde i guiden kan du hantera arbetsflödet i Azure Logic Apps tillsammans med dina andra arbetsflöden. I bakgrunden följer guiden en arbetsflödesmall som hämtar (matar in) innehåll från en källa för indexering i Azure AI-sökning. De anslutningsappar som används i det här scenariot är fördefinierade och finns redan i Azure Logic Apps, så arbetsflödesmallen innehåller bara information om dessa anslutningsappar för att skapa anslutningar till datakällan, Azure AI-sökning och andra objekt som krävs för att slutföra inmatningsarbetsflödet.

Viktiga funktioner

Azure Logic Apps-integrering i Azure AI-sökning lägger till stöd för:

• Fler datakällor från Microsoft och andra leverantörer
• Integrerad vektorisering
• Schemalagd indexering eller indexering på begäran
• Ändringsidentifiering av nya och befintliga dokument

Guidens indata för Importera data inkluderar:

• En datakälla som stöds
• En textinbäddningsmodell som stöds

När guiden är klar har du följande komponenter:

Förutsättningar

• Du måste vara ägare eller deltagare i din Azure-prenumeration med behörighet att skapa resurser.

• Azure AI-sökning, Basic-prisnivå eller högre om du vill använda en söktjänstidentitet för anslutningar till en Azure datakälla. Annars kan du använda valfri nivå, beroende på nivågränser.

• Azure OpenAI med en inbäddningsmodelldistribution som stöds. Vektorisering är integrerad i arbetsflödet. Om du inte behöver vektorer kan du ignorera fälten eller prova en annan indexeringsstrategi.

• Azure Logic Apps i en region som stöds. Den bör ha en systemtilldelad hanterad identitet om du vill använda Microsoft Entra-ID-autentisering på anslutningar i stället för API-nycklar.

Regioner som stöds

Funktioner från slutpunkt till slutpunkt är tillgängliga i följande regioner, som tillhandahåller datakällanslutning, dokumentsprickor, dokumentsegment, stöd för Inbäddningsmodeller för Azure OpenAI och det inbyggda indexeringsstödet för att hämta data. Följande regioner för Azure Logic Apps tillhandahåller den ParseDocument åtgärd som indexeringsintegrering baseras på.

• East US
• Östra USA 2
• Södra Centrala USA
• Västra USA 2
• Västra USA 3
• Syd-Brasilien
• Australia East
• Östasien
• Sydostasien
• North Europe
• Centrala Sverige
• UK South

Modeller som stöds

Logikappens sökväg via guiden Importera data stöder ett urval av inbäddningsmodeller.

Distribuera någon av följande inbäddningsmodeller i Azure OpenAI för ditt arbetsflöde från slutpunkt till slutpunkt.

• Textinbäddning-3-liten
• text-inbäddning-3-stor
• text-embedding-ada-002

Stödda kopplingar

Följande anslutningsappar är användbara för indexering av ostrukturerade data som ett komplement till klassiska indexerare som främst riktar in sig på strukturerade data.

• SharePoint
• OneDrive
• OneDrive för företag
• Azure File Storage
• Azure-köer
• Service Buss

Åtgärder som stöds

Logikapps-integration innehåller följande indexeringsåtgärder. Mer information finns i Ansluta till Foundry Tools från arbetsflöden i Azure Logic Apps.

• Sök efter nya data.

• Hämta data. En HTTP-åtgärd som hämtar det uppladdade dokumentet med hjälp av fil-URL:en från utlösarens utdata.

• Skriv dokumentinformation. En åtgärd för dataåtgärder som sammanfogar olika objekt.

• Skapa tokensträng. En åtgärd för dataåtgärder som skapar en tokensträng med hjälp av utdata från åtgärden Skriv.

• Skapa innehållssegment. En åtgärd för dataåtgärder som delar upp tokensträngen i delar, baserat på antingen antalet tecken eller token per innehållssegment.

• Konvertera tokeniserade data till JSON. En åtgärd för dataåtgärder som konverterar tokensträngssegmenten till en JSON-matris.

• Välj JSON-matrisobjekt. En åtgärd för dataåtgärder som väljer flera objekt från JSON-matrisen.

• Generera inbäddningarna. En Azure OpenAI-åtgärd som skapar inbäddningar för varje JSON-matrisobjekt.

• Välj inbäddningar och annan information. En åtgärd för dataåtgärder som väljer inbäddningar och annan dokumentinformation.

• Indexera datan. En Azure AI-sökning-åtgärd som indexerar data baserat på varje vald inbäddning.

Den stöder också följande frågeåtgärder:

• Vänta på indataprompten. En utlösare som antingen avsöker eller väntar på att nya data ska tas emot, antingen baserat på en schemalagd upprepning eller som svar på specifika händelser.

• Indatasystemmeddelande för modellen. En Data Operations-åtgärd som tillhandahåller indata för att träna modellen.

• Indataexempelfrågor och svar. En Data Operations-åtgärd som innehåller exempel på kundfrågor och associerade roller för att träna modellen.

• Indatasystemmeddelande för sökfråga. En åtgärd för dataåtgärder som tillhandahåller sökfrågeindata för att träna modellen.

• Generera sökfråga. En inbäddad kodåtgärd som använder JavaScript för att skapa en sökfråga för vektorlagringen, baserat på utdata från föregående sammanställningsåtgärder.

• Konvertera frågan till inbäddning. En Azure OpenAI-åtgärd som ansluter till API:et för chattens slutförande, vilket garanterar tillförlitliga svar i chattkonversationer.

• Hämta en inbäddningskod. En Azure OpenAI-åtgärd som hämtar en enda vektorinbäddning.

• Sök i vektordatabasen. En Azure AI-sökning-åtgärd som kör sökningar i vektorarkivet.

• Skapa uppmaning. En infogad kodåtgärd som använder JavaScript för att skapa prompter.

• Utför chattens slutförande. En Azure OpenAI-åtgärd som ansluter till API:et för chattens slutförande, vilket garanterar tillförlitliga svar i chattkonversationer.

• Returnera ett svar. En begäransåtgärd som returnerar resultatet till anroparen när du använder Förfrågningsutlösaren.

Begränsningar

• Sökindexet genereras med ett fast schema (dokument-ID, innehåll och vektoriserat innehåll) med endast textextrahering. Du kan ändra indexet så länge uppdateringen inte påverkar befintliga fält.

• Vektorisering stöder endast textbäddning.

• Borttagningsdetektering stöds inte. Du måste ta bort överblivna dokument från indexet manuellt.

• Duplicerade dokument i sökindexet är ett känt problem med den här funktionen. Om det här problemet uppstår bör du överväga att ta bort objekt och börja om från början.

• Inget stöd för privata slutpunkter i logikappens arbetsflöde som skapats av portalguiden. Arbetsflödet hanteras med hjälp av Konsumtion alternativet för konsumtion och omfattas av dess begränsningar. För att använda alternativet Standard ska du använda en programmatisk metod för att skapa arbetsflödet.

Skapa ett arbetsflöde för logikappen

Följ de här stegen för att skapa ett logikapparbetsflöde för indexering av innehåll i Azure AI-sökning.

1. Starta guiden Importera data i Azure-portalen.

2. Välj en stödd Azure Logic Apps-koppling.

   

3. I Anslut till dina data anger du ett namnprefix som används för sökindexet och arbetsflödet. Med ett gemensamt namn kan du hantera dem tillsammans.

4. Ange indexeringsfrekvensen. Om du väljer enligt ett schema används en mall som innehåller ett schemaläggningsalternativ för att skapa arbetsflödet. Du kan ändra indexeringsschemat i steget Indexera flera dokument i arbetsflödet när det har skapats.

5. Välj en autentiseringstyp där logikappens arbetsflöde ansluter till sökmotorn och startar indexeringsprocessen. Arbetsflödet kan ansluta med hjälp av Azure AI-sökning API-nycklar eller så kan guiden skapa en rolltilldelning som ger behörighet till den systemtilldelade hanterade identiteten Logic Apps, förutsatt att det finns en sådan.

6. Välj Nästa för att fortsätta till nästa sida.

7. I Vectorize your text (Vektorisera din text) anger du modelldistributionen och Azure OpenAI-anslutningsinformationen. Välj prenumeration och tjänst, en textinbäddningsmodell som stöds och den autentiseringstyp som arbetsflödet använder för att ansluta till Azure OpenAI.

8. Välj Nästa för att fortsätta till nästa sida. Granska konfigurationen.

9. Välj Skapa för att börja bearbeta.

   Arbetsflödet körs som ett serverlöst arbetsflöde i Logic Apps (förbrukning), separat från AI Search-tjänsten.

10. Bekräfta att index skapas i Azure-portalen på sidan Index i Azure AI-sökning. Sökutforskaren är den första fliken. Välj Sök för att returnera innehåll.

Ändra befintliga objekt

Du kan göra följande ändringar i ett sökindex utan att bryta indexeringen:

• Lägga till bedömningsprofiler
• Lägg till semantisk rangordning
• Lägg till stavningskontroll (förhandsversion)
• Lägga till synonymkartor
• Lägg till förslagsgivare

Du kan göra följande uppdateringar av ett arbetsflöde utan att bryta indexeringen:

• Ändra Listfiler i mappen för att ändra antalet dokument som skickas till indexering.
• Ändra segmenttext för att variera tokenindata. Den rekommenderade tokenstorleken är 512 token för de flesta scenarier.
• Ändra segmenttext för att lägga till en sid överlappningslängd.
• Ändra indexeringssteget för flera dokument för att kontrollera indexeringsfrekvensen om du väljer schemalagd indexering i guiden.

Granska arbetsflödet och varje steg i indexeringspipelinen i logikappdesignern. Arbetsflödet anger dokumentextrahering, standarddokumentsegmentering (kompetens för textdelning), inbäddning (Inbäddningsfärdighet för Azure OpenAI), mappningar av utdatafält och slutligen indexering.

Hantering av mallar och arbetsflöden

Guiden skapar mallar och arbetsflöden när du anger en Logic Apps-indexerare. Om du vill skapa och hantera dem, inklusive borttagning av mallar, använder du logikappdesignern. Instrumentpanelen för Söktjänsten i Azure-portalen tillhandahåller inte mall- eller arbetsflödeshantering, och för närvarande finns det inget programmatiskt stöd i Api:er för Azure AI-sökning.

Relaterat innehåll

• Indexers i Azure AI-sökning
• Ansluta till Foundry Tools från arbetsflöden i Azure Logic Apps
• Hantera logikappar