Hinweis
Für den Zugriff auf diese Seite ist eine Autorisierung erforderlich. Sie können versuchen, sich anzumelden oder das Verzeichnis zu wechseln.
Für den Zugriff auf diese Seite ist eine Autorisierung erforderlich. Sie können versuchen, das Verzeichnis zu wechseln.
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))