Hızlı Başlangıç: Azure portalında vektör araması

Bu hızlı başlangıçta, integrated vectorization kullanmaya başlamak için Azure portalında Import data sihirbazını kullanacaksınız. Sihirbaz içeriğinizi öbekler ve dizin oluşturma ve sorgu zamanında öbekleri vektörleştirmek için bir ekleme modeli çağırır.

Bu hızlı başlangıçta azure-search-sample-data deposundan metin tabanlı PDF'ler ve basit görüntüler kullanılmaktadır. Ancak, farklı dosyalar kullanabilir ve yine de bu hızlı başlangıcı tamamlayabilirsiniz.

Önkoşullar

• Etkin aboneliği olan bir Azure hesabı. Ücretsiz bir hesap oluşturun.

• Azure Yapay Zeka Arama hizmeti. Bu hızlı başlangıç, yönetilen kimlik desteği için Temel katmanı veya üzerini gerektirir.

• Desteklenen bir veri kaynağı.

• Desteklenen bir ekleme modeli.

• Sihirbaz hakkında bilgi. Azure portalında Veri aktarma sihirbazı öğesini inceleyin.

Desteklenen veri kaynakları

Sihirbaz > birkaç Azure veri kaynağını desteklemektedir. Ancak, bu hızlı başlangıç yalnızca aşağıdaki tabloda açıklanan tüm dosyalarla çalışan veri kaynaklarını kapsar.

Desteklenen ekleme modelleri

Portal, tümleşik vektörleştirme için aşağıdaki ekleme modellerini destekler. Dağıtım yönergeleri sonraki bir bölümde sağlanmıştır.

¹ Faturalama amacıyla Azure Yapay Zeka Arama beceri kümesine çoklu hizmet hesabınızı eklemelisiniz. Sihirbaz, arama hizmetinizin ve çok hizmetli hesabınızın Azure Vision çok modüllü ekleme becerisi (önizleme) için desteklenen aynı bölgede olmasını gerektirir.

² Sihirbaz yalnızca bu model için sunucusuz API dağıtımlarını destekler. Sunucusuz dağıtımı (önizleme) sağlamak için Azure CLI kullanabilirsiniz.

³ Azure OpenAI kaynağınızın uç noktasının özel bir alt etki alanı, örneğin https://my-unique-name.openai.azure.com, olması gerekir. Kaynağınızı Azure portalında oluşturduysanız, bu alt etki alanı kaynak kurulumu sırasında otomatik olarak oluşturulur.

^{Microsoft Dökümhane portalında} oluşturulan 4 Azure OpenAI kaynakları (ekleme modellerine erişimi olan) desteklenmez. Azure portalında bir Azure OpenAI kaynağı oluşturmanız gerekir.

Kullanımdan kaldırmalar da dahil olmak üzere en güncel model yaşam döngüsü yönergeleri için Modelin kullanımdan kaldırılması ve artık önerilmemesi bölümüne bakın.

Genel uç nokta gereksinimleri

Sihirbazın bunlara erişebilmesi için önceki tüm kaynakların genel erişimi etkinleştirilmiş olmalıdır. Aksi takdirde sihirbaz başarısız olur. Sihirbaz çalıştırıldıktan sonra, güvenlik için tümleştirme bileşenlerinde güvenlik duvarlarını ve özel uç noktaları etkinleştirebilirsiniz. Daha fazla bilgi için bkz. İçeri aktarma sihirbazında güvenli bağlantılar.

Özel uç noktalar zaten varsa ve bunları devre dışı bırakamıyorsanız, alternatif seçenek sanal makinedeki bir betikten veya programdan ilgili uçtan uca akışı çalıştırmaktır. Sanal makine, özel uç noktayla aynı sanal ağda olmalıdır. Tümleşik vektörleştirme için Python kod örneği aşağıda verilmiştır. Aynı GitHub deposu diğer programlama dillerinde örneklere sahiptir.

Erişimi yapılandırma

Başlamadan önce içeriğe ve işlemlere erişim izinlerinizin olduğundan emin olun. Bu hızlı başlangıçta kimlik doğrulaması için Microsoft Entra ID ve yetkilendirme için rol tabanlı erişim kullanılır. Rolleri atamak için Sahip veya Kullanıcı Erişimi Yöneticisi olmanız gerekir. Roller uygun değilse bunun yerine anahtar tabanlı kimlik doğrulamayı kullanın.

Bu bölümde tanımlanan gerekli rolleri ve koşullu rolleri yapılandırın.

Gerekli roller

Azure Yapay Zeka Arama vektör arama işlem hattını sağlar. Kendiniz ve arama hizmetiniz için verileri okuyacak, işlem hattını çalıştıracak ve diğer Azure kaynaklarıyla etkileşim kuracak şekilde erişimi yapılandırın.

Azure Yapay Zeka Arama hizmetinizde:

1. Rol tabanlı erişimi etkinleştirin.

2. Sistem tarafından atanan yönetilen kimliği yapılandır.

3. Aşağıdaki rolleri kendinize atayın .

   • Arama Hizmeti Katkıda Bulunanı

   • Arama Dizini Veri Katkıcısı

   • Arama Dizini Veri Okuyucusu

Koşullu roller

Aşağıdaki sekmeler, vektör araması için sihirbazla uyumlu tüm kaynakları kapsar. Yalnızca seçtiğiniz veri kaynağı ve ekleme modeli için geçerli olan sekmeleri seçin.

Örnek verileri hazırlama

Bu bölümde, seçtiğiniz veri kaynağı için örnek verileri hazırlarsınız.

Ekleme modelini hazırlama

Sihirbaz, Azure OpenAI ve Microsoft Foundry model kataloğundan çeşitli ekleme modellerini destekler. Seçtiğiniz embedding modeli için gereken modelleri dağıtmak üzere, Microsoft Dökümhane Modellerini Dökümhane portalında dağıtma adımlarına bakınız.

Sihirbazı başlatma

1. Azure portalında arama hizmetinize gidin.

2. Genel Bakış sayfasında Verileri içeri aktar'ı seçin.

   

3. Veri kaynağınızı seçin: Azure Blob Depolama, ADLS 2. Nesil veya OneLake.

4. RAG'ı seçin.

   

Sihirbazı çalıştırma

Sihirbaz birkaç yapılandırma adımında size yol gösterir. Bu bölüm, sırayla her adımı kapsar.

Verilerinize bağlanma

Bu adımda, Azure Yapay Zeka Arama içerik alımı ve dizin oluşturma için seçtiğiniz veri kaynağına bağlarsınız.

Metninizi vektörleştirme

Bu adım sırasında sihirbaz, öbeklenmiş verileri vektörleştirmek için seçtiğiniz ekleme modelini kullanır. Öbek oluşturma yerleşiktir ve yapılandırılamaz. Geçerli ayarlar şunlardır:

"textSplitMode": "pages",
"maximumPageLength": 2000,
"pageOverlapLength": 500,
"maximumPagesToTake": 0, #unlimited
"unit": "characters"

Görüntülerinizi vektörleştirin ve zenginleştirin

Sağlık planı PDF'leri kurumsal logo içerir, ancak aksi takdirde görüntü yoktur. Örnek belgeleri kullanıyorsanız bu adımı atlayabilirsiniz.

Ancak, içeriğiniz yararlı görüntüler içeriyorsa yapay zekayı aşağıdaki yollardan biriyle veya her ikisinde de uygulayabilirsiniz:

• Görüntüleri vektörleştirmek için Microsoft Foundry model kataloğundan veya Azure Vision çok modüllü eklemeler API'sinden (çok hizmetli bir hesap aracılığıyla) desteklenen bir görüntü ekleme modeli kullanın.

• Resimlerden metin ayıklamak için optik karakter tanıma (OCR) kullanın. Bu seçenek OCR becerisini çağırır.

Anlamsal derecelendirme ekleme

Gelişmiş ayarlar sayfasında, isteğe bağlı olarak sorgu yürütmenin sonunda sonuçları yeniden kırpmak için anlamsal derecelendirme ekleyebilirsiniz. Yeniden sıralama, en semantik olarak ilgili eşleşmeleri en üste yükseltir.

Yeni alanları eşle.

Gelişmiş ayarlar sayfasında, veri kaynağının ilk geçişte alınmamış meta veriler veya alanlar sağladığı varsayılarak isteğe bağlı olarak yeni alanlar ekleyebilirsiniz. Varsayılan olarak, sihirbaz aşağıdaki tabloda açıklanan alanları oluşturur.

Oluşturulan alanları veya özniteliklerini değiştiremezsiniz, ancak veri kaynağınız bunları sağlıyorsa yeni alanlar ekleyebilirsiniz. Örneğin, Azure Blob Depolama bir meta veri alanları koleksiyonu sağlar.

Dizin şemasına alan eklemek için:

1. Gelişmiş ayarlar sayfasındaki Dizin alanları'nın altında Önizleme ve düzenle'yi seçin.

2. Alan ekle'yi seçin.

3. Kullanılabilir alanlardan bir kaynak alanı seçin, dizin için bir alan adı girin ve varsayılan veri türünü kabul edin (veya geçersiz kılın).

4. Şemayı özgün sürümüne geri yüklemek istiyorsanız Sıfırla'yı seçin.

Bu adımla ilgili önemli noktalar:

• Dizin şeması öbeklenmiş veriler için vektör ve nonvector alanları sağlar.

• Belge ayrıştırma modu öbekler oluşturur (öbek başına bir arama belgesi).

Dizin oluşturmayı zamanlama

Değişken verilerin olduğu veri kaynakları için, belirli aralıklarda veya belirli tarih ve saatlerdeki değişiklikleri yakalamak amacıyla dizin oluşturmayı zamanlayabilirsiniz.

Dizin oluşturmayı zamanlamak için:

1. Gelişmiş ayarlar sayfasındaki Dizin oluşturmayı zamanla'nın altında dizin oluşturucu için bir çalıştırma zamanlaması belirtin. Bu hızlı başlangıç için Bir kez öneririz.

   

2. İleri'yi seçin.

Sihirbazı bitir

Son adım, yapılandırmanızı gözden geçirmek ve vektör araması için gerekli nesneleri oluşturmaktır. Gerekirse, yapılandırmanızı ayarlamak için sihirbazdaki önceki sayfalara dönün.

Sihirbazı tamamlamak için:

1. Gözden geçir ve oluştur sayfasında, sihirbazın oluşturduğu nesneler için bir ön ek belirtin. Ortak bir ön ek düzenli kalmanıza yardımcı olur.

   

2. Oluştur'u seçin.

Sihirbaz tarafından oluşturulan nesneler

Sihirbaz yapılandırmayı tamamladığında aşağıdaki nesneleri oluşturur:

Sonuçları kontrol et

Arama Gezgini metin dizelerini giriş olarak kabul eder ve ardından vektör sorgu yürütmesi için metni vektörleştirir.

Vektör dizininizi sorgulamak için:

1. Azure portalında Search Management>Indexes gidin ve dizininizi seçin.

2. Sorgu seçenekleri'ni ve ardından Arama sonuçlarında vektör değerlerini gizle'yi seçin. Bu adım sonuçları daha okunabilir hale getirir.

   

3. Vektör sorgusu parametresinde vektör sorgunuzun metnini girebilmeniz için Görünüm menüsünde JSONtext görünümünü seçin.

   

   Varsayılan sorgu boş bir aramadır ("*") ancak sayı eşleşmelerini döndürmek için parametreler içerir. Metin ve vektör sorgularını paralel olarak çalıştıran karma bir sorgu. Ayrıca anlamsal sıralamayı da içerir ve select açıklama ile sonuçlarda hangi alanların döndürüleceğini belirtir.

    {
      "search": "*",
      "count": true,
      "vectorQueries": [
        {
          "kind": "text",
          "text": "*",
          "fields": "text_vector,image_vector"
        }
      ],
      "queryType": "semantic",
      "semanticConfiguration": "my-demo-semantic-configuration",
      "captions": "extractive",
      "answers": "extractive|count-3",
      "queryLanguage": "en-us",
      "select": "chunk_id,text_parent_id,chunk,title,image_parent_id"
    }
   

4. Her iki yıldız işareti (*) yer tutucusunu sağlık planlarıyla ilgili bir soruyla, örneğin Which plan has the lowest deductible?, değiştirin.

    {
      "search": "Which plan has the lowest deductible?",
      "count": true,
      "vectorQueries": [
        {
          "kind": "text",
          "text": "Which plan has the lowest deductible?",
          "fields": "text_vector,image_vector"
        }
      ],
      "queryType": "semantic",
      "semanticConfiguration": "my-demo-semantic-configuration",
      "captions": "extractive",
      "answers": "extractive|count-3",
      "queryLanguage": "en-us",
      "select": "chunk_id,text_parent_id,chunk,title"
    }
   

5. Sorguyu çalıştırmak için Ara'yı seçin.

   

   Her belge, özgün PDF'nin bir öbekleridir. Alanında title öbek hangi PDF'den geldiği gösterilir. Her chunk biri uzun. Değerin tamamını okumak için bir metin düzenleyicisine kopyalayıp yapıştırabilirsiniz.

6. Belirli bir belgedeki tüm öbekleri görmek için, belirli bir PDF'nin title_parent_id alanı için bir filtre ekleyin. Alanın filtrelenebilir olduğunu onaylamak için dizininizin Alanlar sekmesini de kontrol edebilirsiniz.

   {
      "select": "chunk_id,text_parent_id,chunk,title",
      "filter": "text_parent_id eq 'aHR0cHM6Ly9oZWlkaXN0c3RvcmFnZWRlbW9lYXN0dXMuYmxvYi5jb3JlLndpbmRvd3MubmV0L2hlYWx0aC1wbGFuLXBkZnMvTm9ydGh3aW5kX1N0YW5kYXJkX0JlbmVmaXRzX0RldGFpbHMucGRm0'",
      "count": true,
      "vectorQueries": [
          {
             "kind": "text",
             "text": "*",
             "k": 5,
             "fields": "text_vector"
          }
       ]
   }
   

Kaynakları temizleme

Kendi aboneliğinizde çalışırken, artık ihtiyacınız olmayan kaynakları kaldırarak bir projeyi tamamlamak iyi bir fikirdir. Açık kalan kaynaklar size maddi yük getirebilir.

Kaynakları bulmak ve yönetmek için Azure portalında Tüm kaynaklar veya Kaynak grupları seçin. Kaynakları tek tek silebilir veya tüm kaynakları aynı anda kaldırmak için kaynak grubunu silebilirsiniz.

Sonraki adım

Bu hızlı başlangıçta tümleşik vektörleştirme için gerekli tüm nesneleri oluşturan Verileri içeri aktarma sihirbazı tanıtıldı. Her adımı ayrıntılı olarak incelemek için bkz. Azure Yapay Zeka Arama tümleşik vektörleştirmeyi ayarlama.