Datenquelle – Pinecone (Vorschau) (klassisch)

Gilt nur für:Foundry (klassisches) Portal. Dieser Artikel ist für das neue Foundry-Portal nicht verfügbar. Erfahren Sie mehr über das neue Portal.

Note

Links in diesem Artikel können Inhalte in der neuen Microsoft Foundry-Dokumentation anstelle der jetzt angezeigten Foundry-Dokumentation (klassisch) öffnen.

Important

Azure OpenAI On Your Data wurde am 14. Oktober 2026 eingestellt und wird von Microsoft nicht mehr unterstützt.

Folgen Sie für eine Azure KI-Suche-gesicherte Anwendung "Migrate Azure OpenAI On Your Data to Foundry IQ". In diesem Beispiel wird Ihr vorhandener Index wiederverwendet und Anwendungsänderungen für Abrufe, Antworten und Zitate veranschaulicht. Die Migration erfolgt nicht automatisch. Siehe auch die Notizbuchquelle auf GitHub.

Die Abruf- und Antwortsynthese () der auto Probe wird verwendet2026-08-01-preview.answerSynthesis Überprüfen Sie die Voraussetzungen und Zugriffssteuerungsanforderungen und die Azure KI-Suche Vorschaubedingungen. Vorschaufeatures werden für die Produktion nicht empfohlen. Verwenden Sie für allgemein verfügbare Alternativen minimalen, extrahierenden Knowledge Base-Abruf mit 2026-04-01 oder klassischem RAG mit anwendungsverwalteter Antwortgenerierung. Diese Pfade sind keine funktionsäquivalenten Ersetzungen.

Vor der Einstellung unterstützte Azure OpenAI On Your Data die folgenden Modelle:

  • GPT-4o (Versionen 2024-05-13, 2024-08-06 und 20.11.2024)
  • GPT-4o-mini (Version 2024-07-18)

Rufen Sie für korpus Q&A direkt eine Foundry IQ Knowledge Base auf. Fügen Sie den Foundry Agent Service für zusätzliche Tools, Aktionen oder Workflows hinzu. Siehe Auswählen des Migrationspfads. Informationen zum agentbasierten Pfad finden Sie unter Connect Agents to Foundry IQ Knowledge Basen.

Die konfigurierbaren Optionen von Pinecone bei Verwendung von Azure OpenAI On Your Data. Diese Datenquelle wird ab der API-Version 2024-02-15-previewunterstützt.

Name Typ Erforderlich Beschreibung
parameters Parameter Richtig Die Parameter, die man bei der Konfiguration von Pinecone verwenden sollte.
type string Richtig Muss so sein pinecone.

Parameter

Name Typ Erforderlich Beschreibung
environment string Richtig Der Umweltname Pinecone.
index_name string Richtig Der Name des Pinecone-Datenbankindexes.
fields_mapping FieldsMappingOptions Richtig Angepasstes Feldabbildungsverhalten für die Interaktion mit dem Suchindex.
authentication ApiKeyAuthenticationOptions Richtig Die Authentifizierungsmethode, die beim Zugriff auf die definierte Datenquelle verwendet werden sollte.
embedding_dependency DeploymentNameVectorizationSource Richtig Die Einbettungsabhängigkeit für die Vektorsuche.
in_scope boolean Falsch Ob Abfragen auf die Verwendung indexierter Daten beschränkt werden sollten. Standard ist True.
role_information string Falsch Gib dem Modell Anweisungen, wie es sich verhalten soll und welchen Kontext es beim Erstellen einer Antwort beziehen soll. Du kannst die Persönlichkeit des Assistenten beschreiben und ihm sagen, wie er Antworten formatieren soll.
strictness integer Falsch Die konfigurierte Strenge der Suchrelevanzfilterung. Je höher die Strenge, desto höher ist die Präzision, aber das Erinnern an die Antwort. Standard ist 3.
top_n_documents integer Falsch Die konfigurierte Anzahl an Dokumenten, die für die konfigurierte Abfrage angezeigt werden sollen. Standard ist 5.

API-Schlüssel-Authentifizierungsoptionen

Die Authentifizierungsoptionen für Azure OpenAI auf Ihren Daten bei Verwendung eines API-Schlüssels.

Name Typ Erforderlich Beschreibung
key string Richtig Der API-Schlüssel zur Authentifizierung.
type string Richtig Muss so sein api_key.

Vektorisierungsquelle für Bereitstellungsnamen

Die Details der Vektorisierungsquelle, die von Azure OpenAI On Your Data bei der Anwendung der Vektorsuche verwendet wird. Diese Vektorisierungsquelle basiert auf einem internen Embeddings-Modell-Deployment-Namen in derselben Azure OpenAI-Ressource. Diese Vektorisierungsquelle ermöglicht es Ihnen, Vektorsuche ohne Azure OpenAI API-Schlüssel und ohne Azure OpenAI öffentlichen Netzwerkzugang zu verwenden.

Name Typ Erforderlich Beschreibung
deployment_name string Richtig Der Name der Einbettung des Modell-Deployments in derselben Azure OpenAI-Ressource.
type string Richtig Muss so sein deployment_name.

Feldabbildungsoptionen

Die Einstellungen, um zu steuern, wie Felder verarbeitet werden.

Name Typ Erforderlich Beschreibung
content_fields string[] Richtig Die Namen der Indexfelder, die als Inhalt behandelt werden sollten.
content_fields_separator string Falsch Das Trennungsmuster, das Inhaltsfelder verwenden sollten. Standard ist \n.
filepath_field string Falsch Der Name des Indexfeldes, das als Dateipfad verwendet werden soll.
title_field string Falsch Der Name des Indexfeldes, das als Titel verwendet werden soll.
url_field string Falsch Der Name des Indexfeldes, das als URL verwendet werden soll.

Examples

Voraussetzungen:

  • Konfigurieren Sie die Rollenzuweisungen vom Benutzer auf die Azure OpenAI-Ressource. Erforderliche Rolle: Cognitive Services OpenAI User.
  • Installiere Az CLI und führe es aus az login.
  • Definieren Sie die folgenden Umweltvariablen: AzureOpenAIEndpoint, ChatCompletionsDeploymentName,EnvironmentIndexName , Key, , EmbeddingDeploymentName.
export AzureOpenAIEndpoint=https://example.openai.azure.com/
export ChatCompletionsDeploymentName=turbo
export Environment=testenvironment
export Key=***
export IndexName=pinecone-test-index
export EmbeddingDeploymentName=ada

Installiere die neuesten Pip-Pakete openai, azure-identity.

import os
from openai import AzureOpenAI
from azure.identity import DefaultAzureCredential, get_bearer_token_provider

endpoint = os.environ.get("AzureOpenAIEndpoint")
deployment = os.environ.get("ChatCompletionsDeploymentName")
environment = os.environ.get("Environment")
key = os.environ.get("Key")
index_name = os.environ.get("IndexName")
embedding_deployment_name = os.environ.get("EmbeddingDeploymentName")

token_provider = get_bearer_token_provider(
    DefaultAzureCredential(), "https://ai.azure.com/.default")

client = AzureOpenAI(
    azure_endpoint=endpoint,
    azure_ad_token_provider=token_provider,
    api_version="2024-02-15-preview",
)

completion = client.chat.completions.create(
    model=deployment,
    messages=[
        {
            "role": "user",
            "content": "Who is DRI?",
        },
    ],
    extra_body={
        "data_sources": [
            {
                "type": "pinecone",
                "parameters": {
                    "environment": environment,
                    "authentication": {
                        "type": "api_key",
                        "key": key
                    },
                    "index_name": index_name,
                    "fields_mapping": {
                        "content_fields": [
                            "content"
                        ]
                    },
                    "embedding_dependency": {
                        "type": "deployment_name",
                        "deployment_name": embedding_deployment_name
                    }
                }}
        ],
    }
)

print(completion.model_dump_json(indent=2))