Azure AI 搜尋服務 的功能

註

Azure AI 搜尋服務 可透過 Azure 入口網站、REST API 及 Azure SDK 取得。 它同時也是 Foundry IQ 的基礎，這是一個管理式知識層，能將企業內容轉化為可重複使用、權限感知的知識庫，供 Microsoft Foundry 入口網站中的代理使用。

Azure AI 搜尋服務 提供資訊檢索功能，並使用可選的 AI 整合功能，從文字與向量內容中提取更多價值。

下表依類別總結了特徵。 所有 Azure 的公有雲、私有雲和主權雲中功能是相等的，但有些功能在特定區域或特定層級不支援。

代理檢索

分類 特色
知識庫 知識庫會協調代理式檢索流程，連接到你的大型語言模型，並管理查詢參數。 知識庫會參考一個或多個知識來源，並定義檢索行為。
知識來源 知識來源 定義了知識庫可用的內容。 索引知識來源由搜尋索引支持，而遠端知識來源則在查詢時從外部平台檢索內容。
查詢規劃（預覽） 查詢規劃會使用 LLM 分析對話的脈絡，並將複雜問題拆解成聚焦的子查詢。 這包括聊天記錄處理、查詢分解、同義詞擴充及拼字修正。
平行查詢執行 子查詢會同時在所有知識來源中執行。 每個子查詢支援關鍵字、向量及混合搜尋，並自動進行語意重新排序。
檢索推理工作量（預覽） 檢索推理工作 控制管線中 LLM 處理的層級，讓你能在檢索深度與相關性與延遲及 LLM 成本之間取得平衡。
回應輸出 該管線會回傳擷取的基礎內容，或在啟用答案綜合（預覽）時，回傳一個由大型語言模型生成的答案並附有引用。 你可以選擇性地包含來源參考和執行細節。

索引與資料擷取

分類 特色
資料來源 搜尋索引可以接受任何來源的文字，只要是以 JSON 文件提交。

索引器 是一項功能，能自動從支援的資料來源匯入資料，以擷取主要資料儲存中可搜尋的內容。 索引器會幫你處理 JSON 序列化，大多數都支援某種形式的變更與刪除偵測。 你可以連接多種資料來源，包括 Microsoft OneLake、Azure SQL Database、Azure Cosmos DB 或 Azure Blob 儲存體。

Logic Apps 連接器 讓你能存取更廣泛的資料來源，包括其他雲端平台的資料。 這個索引與豐富流程是在 Azure AI 搜尋服務 中建立，但管理則是在 Azure Logic Apps 中。

知識來源 是代理檢索的特徵。 它們在索引和查詢時會用來支援 知識庫。
階層式與巢狀資料結構 複雜型態 與集合允許你在搜尋索引中建模幾乎任何類型的 JSON 結構。 一對多和多對多基數可透過集合、複雜型別和複雜型別集合以原生方式表示。
語言學分析 分析器是經典搜尋的組件，用於索引與搜尋操作中的文字處理。 在預設情況下，你可以使用通用的 Standard Lucene 分析器，或者選擇使用語言分析器、自訂的分析器，或其他預定義分析器來取代預設選項，以產生符合你所需格式的標記。

Lucene 或 Microsoft 的語言分析器可用來智慧處理語言特定的語言學，包括動詞時態、性別、不規則複數名詞 (例如「mouse」與「mice」)、單字拆解、斷詞 (適用於沒有空格的語言) 等。

自訂詞彙分析 器用於複雜的查詢形式，如語音匹配與正則表達式。

聊天模型與代理整合

分類 特色
索引期間使用的聊天完成模型 GenAI 提示技能 是在索引過程中呼叫大型語言模型，並提供判斷任務的提示。 你決定任務是什麼。 它可能包括描述圖片、摘要或操作內容，或模型能執行的任何任務。 輸出會新增為可搜尋索引中的新欄位。
查詢過程中使用的聊天完成模型 代理檢索 使用大型語言模型進行查詢規劃，分解並改寫複雜查詢，以提升對索引的查詢覆蓋率。 代理檢索的回應是為代理對代理的工作流程設計的。 你可以以單一大字串傳遞搜尋結果，簡化代理對專有內容的使用。 回應還包含引用與查詢執行資訊。

答案綜合（預覽） 使用大型語言模型（LLM），從代理檢索獲得的搜尋結果中生成有引文支持的回應。

RAG 模式 可利用現有功能實作。 能夠 調整相關 性並構建混合查詢，提升發送給聊天機器人以生成答案的內容品質。

應用人工智慧與融合人工智慧的內容

分類 特色
索引時的 AI 處理 AI 增強指的是透過嵌入索引器管線的影像與自然語言處理，從其他無法索引的內容中擷取文字與資訊，以支援全文搜尋。 AI 處理是透過加入並組合技能組來實現，這些技能組合會附加到索引器上。 AI 可以是 Microsoft 提供的內建技能 ，例如文字翻譯或光學字符識別（OCR），或是你提供的 自訂技能 。

整合的資料分塊與向量化 將較大的段落拆分成可向量化的小區塊，向量會被導向到索引中的專用欄位，方便向量與混合搜尋。
查詢執行中的 AI 處理 向量器 用於將使用者查詢字串編碼成向量以進行向量搜尋。 你可以使用和索引相同的嵌入模型來進行查詢。

儲存豐富內容以供分析與非搜尋情境下的消費 知識儲存 是持續儲存 AI 強化或 AI 生成內容的平台，適用於非搜尋情境，如知識探勘與資料科學工作負載。 知識庫是在技能集中定義的，但在 Azure 儲存體 中以物件或表格列集的形式建立。
已快取的擴充項目（預覽版） 擴充快取是指可在技能執行期間重複使用的已快取擴充。 緩存對包括OCR和影像分析等技能來說非常有價值，因為這些處理成本昂貴。

向量與混合檢索

分類 特色
向量索引 在搜尋索引中，加入 向量欄位 以支援 向量搜尋 情境。 向量場可以與非向量場共存於同一搜尋文件中。
向量查詢 建立單一及多個向量查詢。
向量搜尋演算法 使用 階層式可導航小世界（Hierarchical Navigable Small World，HNSW） 或 遍歷K最近鄰（KNN） 來尋找搜尋索引中的類似向量。
向量濾波器 在查詢執行前或執行後套用過濾器 ，以提升資訊檢索的精確度。
混合資訊檢索 在單一 混合式查詢請求中搜尋概念與關鍵字。

混合式搜尋 整合了向量與文字搜尋，並可選擇語意排序與相關性調整以達到最佳結果。
整合資料分塊與向量化 透過文字分割技能進行原生資料區塊化。 透過向量器進行原生向量化，並嵌入技能如 Azure OpenAI 嵌入、Azure Vision 多模態（預覽）和 AML，這些技能可用於連接 Microsoft Foundry 模型目錄中的端點。

整合向量化 提供從原始檔案到查詢的端到端索引流程。
整合向量壓縮與量化 利用 內建的純量與二元量化 來減少記憶體及磁碟上的向量索引大小。 你也可以省略不需要的向量，或是將狹窄的資料型態分配給向量場以減少儲存需求。

傳統全文和其他查詢形式

分類 特色
自由形式文字搜尋 全文搜尋 是大多數搜尋型應用程式的主要使用情境。 查詢可以用支援的語法來表述。

簡單的查詢語法 提供邏輯運算子、短語搜尋運算子、後綴運算子、優先順序運算子。

完整的 Lucene 查詢語法 包含所有簡單語法操作，並可擴充模糊搜尋、鄰近搜尋、詞彙提升及正則表達式。
相關性 簡單計分是Azure AI 搜尋服務的重要優勢。 利用評分剖面來建模文件本身價值的相關性。 例如，你可能希望新產品或折扣產品在搜尋結果中排名較高。 你也可以使用標籤，根據你追蹤並分別儲存的顧客搜尋偏好，建立個人化的評分檔案。

語意排名器 是一項高級功能，根據與查詢的語意相關性重新排序結果。 根據你的內容和情境，它能以最少的設定或努力大幅提升搜尋相關性。
地理空間搜尋 地理空間功能 會過濾並匹配地理座標。 您可以比對距離，或依是否包含在多邊形形狀中來比對。
篩選與分類 分面向導航是透過單一查詢參數實現的。 Azure AI 搜尋服務 會回傳一個分面導覽結構，你可以作為分類清單背後的程式碼，方便自我篩選（例如依價格區間或品牌篩選目錄商品）。

篩選器可用於將多面導覽整合進應用程式介面，強化查詢表述，並根據使用者或開發者指定的條件進行篩選。 使用 OData 語法建立過濾器。
使用者體驗 可以為搜尋列中的預先輸入查詢啟用自動完成。

搜尋建議 也可以根據搜尋欄中的部分文字輸入運作，但結果是你索引中的實際文件，而非查詢詞。

同義詞 將等價詞連結起來，隱含地擴展查詢範圍，使用者無需提供替代詞彙。

點擊醒目提示會將文字格式套用至搜尋結果中相符的關鍵字。 您可以選擇哪些欄位會傳回醒目提示的程式碼片段。

排序 (部分機器翻譯) 會透過索引結構描述針對多個欄位提供，然後在查詢時使用單一搜尋參數進行切換。

分頁 (部分機器翻譯) 與搜尋結果節流是直覺化的功能，其中 Azure AI 搜尋服務提供微調的控制項供您處理搜尋結果。

安全特徵

分類 特色
網路安全 針對進站防火牆支援的 IP 規則允許你設定搜尋服務接受請求的 IP 範圍。

建立一個私有端點並使用 Azure Private Link 強制所有請求通過虛擬網路。

Network security Perimeter 支援讓你能將Azure AI 搜尋服務加入包含其他Azure資源的網路安全邊界，讓你能全面管理網路存取。
資料加密 Microsoft-managed encryption-at-rest內建於內部儲存層，且不可撤銷。

客戶管理的加密金鑰（CMK） 您在 Azure Key Vault 中建立和管理的，可用於索引和同義字地圖的補充加密。 對於 2020 年 8 月 1 日之後建立的服務，CMK 加密擴展至暫存磁碟上的資料，實現索引內容的雙重加密。
入站接入 基於角色的存取控制 在Microsoft Entra ID中為使用者和群組指派角色，以便對搜尋內容與操作進行受控存取。 如果你不想使用角色分配，也可以使用 基於金鑰的驗證 。

文件層級的存取控制 會過濾出使用者未被授權查看的搜尋結果。 對於多個資料來源，如果資料來源提供存取控制模型，你可以設定索引以繼承使用者權限的元資料。
出站安全 (索引器) 數據連線透過私有端點 允許索引器連接至由 Azure Private Link 保護的 Azure 資源。

透過受管理身份進行資料庫連線 使用 Microsoft Entra 的安全主體來驗證與 Azure 資源的連線，從而消除儲存和傳遞硬編碼 API 金鑰。

使用受信任的身份來存取資料 意味著連接至外部資料來源的連線字串可以省略使用者名稱和密碼。 當索引器連接到資料來源時，如果搜尋服務先前註冊為受信任服務（僅限 Azure 儲存體），資源會允許該連線。

入口網站功能

分類 特色
原型製作與檢查工具 Add index 是 Azure 入口網站中的索引設計器，你可以用它來建立包含屬性欄位和幾個其他設定的基本架構。 儲存索引後，你可以使用 SDK 或 REST API 來填充索引來提供資料。

匯入資料 是一個精靈，能建立端到端的索引流程，包括索引、索引器、技能集及資料來源定義，適用於關鍵字搜尋與 RAG 場景。 對於 RAG，它也處理資料分塊與向量化。 如果你的資料存在於 Azure，這個精靈能幫你節省大量時間與精力，尤其是在概念驗證的調查與探索上。

搜尋總管 用於測試查詢並優化評分輪廓。

Create Demo 應用程式 用於產生一個 HTML 頁面，用來測試搜尋體驗。

Debug Sessions 是一個視覺化編輯器，使您可以互動式地調試技術技能組。 它會顯示相依關係、輸出和轉換。
監控與診斷 啟用監控功能，超越Azure入口中一覽即見的指標。 查詢次數、延遲與限速等指標會被擷取並在入口網站頁面報告，無需額外設定。

可程式化

分類 特色
REST Service REST API 用於資料平面操作，包括所有與索引、查詢、AI 豐富化及代理檢索相關的操作。 您也可以使用此用戶端函式庫來取得系統資訊與統計資料。

Management REST API 是用於服務創建與配置的Azure Resource Manager。 你也可以用這個 API 來管理金鑰和容量。
適用於 .NET 的 Azure SDK Azure。Search.Documents 用於資料平面操作，包括所有與索引、查詢及 AI 豐富化相關的操作。 您也可以使用此用戶端函式庫來取得系統資訊與統計資料。

Microsoft.Azure。Management.Search 用於服務建立與配置，透過 Azure Resource Manager。 你也可以用這個 API 來管理金鑰和容量。
適用於 Java 的 Azure SDK com.azure.search.documents 用於資料平面操作，包括所有與索引、查詢及 AI 豐富化相關的操作。 您也可以使用此用戶端函式庫來取得系統資訊與統計資料。

com.microsoft.azure.management.search 是用於服務創建與配置的Azure Resource Manager。 你也可以用這個 API 來管理金鑰和容量。
適用於 Python 的 Azure SDK Azure Search-Documents 用於資料平面操作，包括所有與索引、查詢及 AI 豐富相關的操作。 您也可以使用此用戶端函式庫來取得系統資訊與統計資料。

azure-mgmt-search 是透過 Azure Resource Manager 進行服務創建與配置。 你也可以用這個 API 來管理金鑰和容量。
適用於 JavaScript/TypeScript 的 Azure SDK azure/search-documents 用於資料平面操作，包括所有與索引、查詢及 AI 豐富相關的操作。 您也可以使用此用戶端函式庫來取得系統資訊與統計資料。

azure/arm-search 是用於服務創建與配置，透過 Azure Resource Manager。 你也可以用這個 API 來管理金鑰和容量。
  • Last updated on