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 是一項完全託管的雲端服務，能將您的資料連接到 AI。 該服務統一企業與網頁內容存取，使代理與大型語言模型（LLM）能利用上下文、聊天歷史與多來源訊號，產出可靠且有根據的回答。
常見的使用情境包括 經典的搜尋 與檢索增強生成（RAG），利用 代理檢索，服務協調查詢規劃、檢索與回應建構。 這些功能支援從傳統搜尋體驗到適合企業與消費者的人工智慧代理與聊天應用等多種場景。
當您建立搜尋服務時，會包含以下功能：
- 兩種引擎：單一請求的 經典搜尋 ，以及平行、迭代、LLM 輔助的 代理檢索 。
- 針對本地（索引）及遠端內容的全文、向量、混合及多模態查詢。
- AI 豐富化功能，能將內容分塊、向量化，並以其他方式讓原始內容可搜尋。
- 相關性調整以提升意圖匹配與結果品質。
- Azure 擴展、安全、監控與合規。
- Azure 與支援的資料平台、Azure OpenAI 及 Microsoft Foundry 整合。
為什麼要使用 Azure AI 搜尋服務？
專屬、企業或 Web 資料中的地面代理程式與聊天機器人提供精確且與內容切合的回應。
可存取來自Azure Blob 儲存體、Azure Cosmos DB、Microsoft SharePoint、Microsoft OneLake 及其他支援資料來源的資料。 根據您的新鮮度、延遲與合規需求，選擇索引或遠端存取。
在索引或查詢時，透過執行區塊化、內嵌及 LLM 協助轉換的技能，豐富並結構化內容。
結合全文搜尋與向量搜尋（混合式搜尋），以平衡精確度與回憶性。
在單一多模態管線中查詢包含文字和影像的內容。
輕鬆實作搜尋相關功能：相關性調整、分面導覽、篩選（含地理空間搜尋）、同義詞映射及自動補全。
透過 Microsoft Entra ID、Azure Private Link、文件層級存取控制及角色基礎存取，提供企業安全、存取控制與合規。
在生產環境中擴展並運作，使用 Azure 可靠性、監控與診斷（日誌、指標與警示），以及 REST API 或 SDK 工具進行自動化。
欲了解更多特定功能的資訊，請參見 Features of Azure AI 搜尋服務。
什麼是經典搜尋？
經典搜尋是一種以索引為先的檢索模型，適用於可預測且低延遲的查詢。 每個查詢針對單一預設的搜尋索引，並在一個請求-回應週期內回傳排名文件。 檢索過程中不會進行 LLM 輔助的規劃、迭代或綜合。
在此架構中，您的搜尋服務位於未處理內容的資料庫與用戶端應用程式之間。 應用程式負責向你的搜尋服務發送查詢請求並處理回應。
此架構有兩個主要工作負載：
索引將內容載入索引並使其可搜尋。 內部而言，入站文字會被標記化並儲存在倒置索引中，而入站向量則儲存在向量索引中。 Azure AI 搜尋服務 只能索引 JSON 文件。 你可以用 推送方法 直接上傳 JSON 文件，或用 拉取方法 （索引器或邏輯應用程式的工作流程）來檢索並序列化資料成 JSON。
在索引過程中，你可以利用 AI 豐富化 來分塊文字、產生向量，並套用其他轉換來創造結構和內容。 Azure AI 搜尋服務 接著將豐富的輸出序列化成 JSON 文件，並匯入索引中。
註
此圖為清晰區分索引引擎與查詢引擎，但在 Azure AI 搜尋服務 中，兩者是同一元件，分別以讀寫與唯讀模式運作。
什麼是代理檢索？
代理檢索 是一種多查詢流程，專為複雜的代理對代理工作流程設計。 每個查詢都針對一個代表完整知識領域的 知識庫 。 您的代理程式參考知識庫來決定建立基礎的依據，而知識庫則會處理如何建立基礎。
知識庫包含一個或多個 知識來源、一個可選的大型語言模型（LLM）用於查詢規劃與答案綜合，以及控制檢索行為的參數。 每個查詢都經過規劃、分解為聚焦子查詢、從知識來源平行檢索、語意重新排序及結果合併。 三方面的回應會針對代理程式使用量進行最佳化。
在底層，代理檢索基於經典搜尋架構，加入上下文層（知識庫），協調多來源檢索。 知識來源可以是索引式或遠端式：索引來源使用與經典搜尋相同的索引與查詢引擎，而遠端來源則繞過索引，直接即時查詢。
兩者的比較
經典搜尋與代理檢索是互補的資訊檢索模式。 兩者都支援 全文、 向量、 混合及 多模態 搜尋。 然而，它們在內容的擷取與查詢方式上有所不同。 下表總結了它們的主要差異。
| 層面 | 經典搜尋 | 代理檢索 |
|---|---|---|
| 搜尋語料庫 | 搜尋索引 | 知識來源 |
| 搜尋目標 | 一個由結構定義的索引 | 一個指向一個或多個知識來源的知識庫 |
| 查詢計畫 | 沒有計畫，只是一個請求 | LLM 協助或使用者提供的計畫 |
| 查詢請求 | 在索引中搜尋文件 | 從知識來源檢索 |
| 回應 | 基於結構的扁平化搜尋結果 | LLM 所制定的答案或原始來源資料、活動日誌、參考文獻 |
| 區域限制 | 不 | 是的 |
| 現況 | 正式推出 | 已普遍提供，並附有部分預覽功能 |
| 專用定價模型支援 | 是的 | 是的 |
| 無伺服器定價模型支援（預覽版） | 是的 | 是的 |
如何開始
你可以透過Azure入口網站Azure AI 搜尋服務、
該入口網站對於服務管理和內容管理非常有用，提供工具來原型化你的知識庫、知識來源、索引工具、索引器、技能集及資料來源。 REST API 和 SDK 對生產自動化很有用。
選擇你的道路
在開始之前，請先使用這份清單做出關鍵決策：
選擇定價模式：選擇 專用 或 無伺服器 （預覽）定價模式。 請參閱 「選擇定價模式與服務等級 」以協助您選擇最適合需求的模式。
選擇你想如何擷取資料： 你可以直接從搜尋索引查詢可預測且低延遲的結果，或使用代理檢索（agentic retrieval）透過知識庫跨多個索引查詢。 如果你是在打造沒有代理或聊天機器人的傳統應用程式，直接索引查詢可以以較低的成本和複雜度滿足大多數需求。 如果你想跨越多個知識來源工作或支援更進階的情境，可以考慮以最少推理努力進行代理檢索（預覽）。
選擇一個地區： 如果你使用代理檢索，請選擇 支援區域。 對於傳統搜尋，選擇一個提供所需功能和容量的地區。
選擇索引綁定內容的擷取方法： 如果你的內容在 支援的資料來源中，可以使用 拉取方法 將資料擷取並序列化成 JSON。 如果你沒有支援的資料來源，或內容和索引必須即時同步，推 送方式 是你唯一的選擇。
你需要向量嗎？ 大型語言模型（LLM）和代理不需要使用向量。 只有在需要相似性搜尋或內容可以同質化成向量時才使用。 Azure AI 搜尋服務 提供 integrated vectorization 用於此任務。
你需要使用者權限繼承嗎？ 遠端 SharePoint 是為此情境設計的，但你也可以繼承 Azure Blob 儲存體 或 ADLS Gen2 中附加內容的使用者權限。 其他情況，你可以用 安全篩選 器來繞過。
選擇你的學習資源
這些快速入門和範例可協助您開始使用。
提示
如需複雜或客製化解決方案的協助，請聯絡擁有深厚Azure AI 搜尋服務專業知識的合作夥伴。