什麼是 Foundry IQ(Azure AI 搜尋服務)?

註

Foundry IQ(Azure AI 搜尋服務)提供直接的索引與查詢 API,並搭配高階知識來源與知識庫 API 用於受控檢索。 使用 Azure 入口網站、REST API 或 Azure SDK 來設定這些功能,或將代理連線到 Microsoft Foundry 入口網站 中的知識庫。

Foundry IQ(Azure AI 搜尋服務)是一項全託管、雲端託管的服務,將您的資料與 AI 連接。 它提供用於擷取與檢索的互補 API 層級,從直接的資源配置到更高層級的知識 API。 代理程式與大型語言模型(LLM)利用企業內容和網路內容來產生有依據的答案。

對於您管理的匯入管線,請直接設定支援的索引、索引器、技能集及向量化設定。 使用較高階的知識來源與知識庫 API 來管理內容連線與檢索行為。

根據來源類型,知識來源會提供擷取資源、參考現有索引,或在不進行本地擷取的情況下擷取遠端內容。 請依 照您知識來源類型的設定指引 操作,而非直接編輯產生的匯入資源,因為這些資源會遵循固定範本。

Foundry IQ 支援 傳統搜尋與檢索增強生成(RAG)。 知識庫提供 代理式檢索,根據設定,協調查詢時的檢索並回傳佐證內容或綜合答案。 這種查詢時的流程編排有別於資料擷取。

關於代理如何使用知識庫與知識來源,請參閱 Foundry IQ 中的知識擷取 API。

當您建立 Foundry IQ 服務時,會包含以下功能:

  • 不同抽象層次的 API: 經典搜尋 用於直接對索引查詢,以及代理 檢索 ,透過知識庫跨知識來源進行更高層次的協調。
  • 針對本地(索引)與遠端內容進行全文、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 Foundry IQ?

  • 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。

如需更多關於特定功能的資訊,請參閱 Foundry IQ 的功能。

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 Foundry IQ 服務位於包含未處理內容的資料儲存區與用戶端應用程式之間。 應用程式負責向您的 Foundry IQ 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:

建立索引 會將內容載入索引,讓內容可供搜尋。 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。 Foundry IQ 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。 Foundry IQ 接著將增強後的輸出序列化為 JSON 文件,並匯入索引中。

經典搜尋的 Foundry IQ 架構圖。

註

此圖為了便於說明,將索引引擎與查詢引擎分開,但在 Foundry IQ 中,它們其實是以讀寫和唯讀模式運作的同一個元件。

什麼是代理檢索?

代理擷取 是一種多查詢管線,專為複雜的代理對代理程式工作流程而設計。 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。

Foundry IQ 代理檢索架構示意圖。

兩者的比較

經典搜尋與代理檢索在 Foundry IQ 中暴露了不同的 API 層級與檢索能力。 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 是的 是的

如何開始

您可以透過 Azure 入口網站、REST API 以及支援 .NET、Java、JavaScript 和 Python 的 Azure SDK 存取 Foundry IQ。

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:在 專用 定價模式或 無伺服器 定價模式間選擇。 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。

  • 選擇您想要如何擷取資料: 您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。 如果你想跨多個知識來源運作,或支援更進階的使用情境,可以考慮只需極少 推理工作 的代理式檢索。

  • 選擇一個地區: 如果您使用代理式擷取,請選擇 支援的區域。 對於傳統搜尋,選擇一個提供所需功能和容量的地區。

  • 為索引綁定內容選擇一種匯入方式: 如果您的內容位於 支援的資料來源中,請使用 pull 方法 將資料擷取並序列化為 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。 Foundry IQ 提供 整合向量化 功能以完成此任務。

  • 選擇存取控制方式:原生權限匯入與查詢篩選功能在 REST API 2026-10-01 中通常可供支援的 Blob、ADLS Gen2 及已編製索引的 SharePoint 情境使用。 遠端 SharePoint 與 OneLake 權限保留保留各自獨立的預覽需求。 檢視 來源特定的權限模型。 對於自訂身份系統,請使用 安全性篩選器。

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 在 Foundry IQ 領域擁有深厚專業知識的合作夥伴。