Features von Azure KI-Suche

Hinweis

Azure KI-Suche ist über das Azure Portal, REST-APIs und Azure SDKs verfügbar. Es unterstützt auch Foundry IQ, die verwaltete Wissensschicht, die Unternehmensinhalte in wiederverwendbare, berechtigungsfähige Wissensbasen für Agenten im Microsoft Foundry-Portal transformiert.

Azure KI-Suche stellt den Abruf von Informationen bereit und verwendet optionale KI-Integration, um mehr Wert aus Text- und Vektorinhalten zu extrahieren.

In der folgenden Tabelle sind die Features nach Kategorie zusammengefasst. Es gibt eine Featureparität in allen Azure öffentlichen, privaten und souveränen Clouds, aber einige Features werden in specific regions oder specific tiers nicht unterstützt.

Agentenbasiertes Abrufen

Kategorie Funktionen
Wissensdatenbanken Wissensdatenbanken koordinieren die agentische Abrufpipeline, stellen eine Verbindung mit Ihrem LLM her und verwalten Abfrageparameter. Eine Wissensdatenbank verweist auf eine oder mehrere Wissensquellen und definiert das Abrufverhalten.
Wissensquellen Wissensquellen geben den Inhalt an, der für den agentischen Abruf verwendet wird. Erstellen Sie Wissensquellen aus Search-Indizes, Azure Blob Storage, OneLake, SharePoint (indiziert), SharePoint (remote) oder web (Bing).
Abfrageplanung Bei der Abfrageplanung wird ein LLM verwendet, um den Unterhaltungskontext zu analysieren und komplexe Fragen in fokussierte Unterabfragen aufzuteilen. Dazu gehören die Verarbeitung des Chatverlaufs, die Analyse von Abfragen, die Synonymerweiterung und die Rechtschreibkorrektur.
Parallele Abfrageausführung Unterabfragen werden gleichzeitig in allen Wissensquellen ausgeführt. Jede Unterabfrage unterstützt Schlüsselwort-, Vektor- und Hybridsuche mit automatischer semantischer Reranking.
Abrufen von Gründen Der Abruf von Gründen (Vorschau) steuert die Ebene der LLM-Verarbeitung in der Pipeline. Stellen Sie die Einstellung auf minimal für Geschwindigkeit (kein LLM), niedrig für eine ausgewogene Verarbeitung oder mittel für maximale Relevanzoptimierung.
Reaktionssynthese Die Ergebnisse werden in einer einheitlichen Antwort mit drei Teilen kombiniert: zusammengeführter Inhalt für grundlegende Daten, Quellenangaben für Zitate und Ausführungsdetails, die den Abfrageplan zeigen.

Indizierung und Datenextraktion

Kategorie Funktionen
Datenquellen Suchindizes können Text aus einer beliebigen Quelle akzeptieren, vorausgesetzt, sie wird als JSON-Dokument übermittelt.

Indexer sind ein Feature, das den Datenimport aus unterstützten Datenquellen automatisiert, um durchsuchbare Inhalte in primären Datenspeichern zu extrahieren. Indexer behandeln die JSON-Serialisierung für Sie und unterstützen die meisten Formen der Änderungs- und Löscherkennung. Sie können eine Verbindung mit einer Vielzahl von Datenquellen herstellen, einschließlich Microsoft OneLake, Azure SQL-Datenbank, Azure Cosmos DB oder Azure Blob Storage.

Logic Apps Connectors bieten Ihnen Zugriff auf eine breitere Palette von Datenquellen, einschließlich Daten auf anderen Cloudplattformen. Diese Indizierungs- und Anreicherungspipeline wird in Azure KI-Suche erstellt, aber in Azure Logic Apps verwaltet.

Wissensquellen sind ein Feature des agentischen Abrufs. Sie werden während der Indizierung und zur Abfragezeit verwendet, um eine Wissensbasis zu unterstützen.
Hierarchische und geschachtelte Datenstrukturen Mit komplexen Typen und Auflistungen können Sie nahezu jede JSON-Struktur innerhalb eines Suchindex modellieren. Die Eins-zu-viele- und Viele-zu-viele-Kardinalität kann über Sammlungen, komplexe Typen und Sammlungen von komplexen Typen nativ ausgedrückt werden.
Linguistische Analyse Analysatoren sind Komponenten der klassischen Suche, die während der Indizierung und Suchvorgängen zur Textverarbeitung verwendet werden. Standardmäßig können Sie den allgemeinen Standard Lucene Analyzer verwenden oder die Standardeinstellung mit einem Sprachanalysator, einem von Ihnen konfigurierten benutzerdefinierten Analyzer oder einem anderen vordefinierten Analyzer überschreiben, der Token im benötigten Format erzeugt.

Sprachanalysen von Lucene oder Microsoft werden verwendet, um sprachspezifische Linguistik intelligent zu verarbeiten, einschließlich Verben, Geschlecht, unregelmäßige Plural-Substantive (z. B. „Maus“ im Vergleich zu „Mäusen“), Zerlegung von Wörtern, Worttrennung (für Sprachen ohne Leerzeichen) und vieles mehr.

Benutzerdefinierte lexikalische Analysegeräte werden für komplexe Abfrageformulare wie phonetische Abgleichs- und reguläre Ausdrücke verwendet.

Chatmodell- und Agentintegration

Kategorie Funktionen
Während der Indizierung verwendete Modelle für die Chatvervollständigung GenAI Prompt Skill ist eine Fähigkeit, die während der Indizierung ein großes Sprachmodell aufruft und eine Eingabeaufforderung bereitstellt, die die Aufgabe bestimmt. Sie entscheiden, was die Aufgabe ist. Es kann sein, ein Bild zu beschreiben, Inhalte zusammenzufassen oder zu bearbeiten, oder jede Aufgabe, die das Modell ausführen kann. Das Ergebnis wird einem durchsuchbaren Index als neues Feld hinzugefügt.
Zur Abfragezeit verwendete Chatabschlussmodelle Agentic retrieval uses a large language model for query planning, decomposing and paraphrasing complex queries for better query coverage over your index. Antworten aus dem agentenbasierten Abruf sind für Agent-zu-Agent-Workflows konzipiert. Sie können Suchergebnisse als einzelne große Zeichenfolge übergeben, was die Nutzung durch den Agenten Ihrer proprietären Inhalte vereinfacht. Die Antwort enthält auch Zitate und Abfrageausführungsinformationen.

Antwortsynthese (Vorschau) nutzt das LLM, um zitatgestützte Antworten aus Suchergebnissen zu generieren, die durch Agent-Abrufe zurückgegeben werden.

RAG-Muster können mithilfe vorhandener Funktionen implementiert werden. Die Möglichkeit, die Relevanz zu optimieren und Hybridabfragen zu erstellen, verbessern die Qualität der an Chat-Bots gesendeten Inhalte für die Antwortgenerierung.

Angewandte KI und KI-angereicherte Inhalte

Kategorie Funktionen
KI-Verarbeitung während der Indizierung KI-Anreicherung bezieht sich auf eingebettete Bild- und Natürliche Sprachverarbeitung in einer Indexerpipeline, die Text und Informationen aus Inhalten extrahiert, die andernfalls nicht für die Volltextsuche indiziert werden können. Die KI-Verarbeitung wird durch Hinzufügen und Kombinieren von Fähigkeiten in einem Skillset erreicht, das dann an einen Indexer angefügt wird. KI kann entweder eingebaute Fähigkeiten wie die von Microsoft, z. B. Textübersetzung oder optische Zeichenerkennung (OCR), sein oder benutzerdefinierte Fähigkeiten, die Sie bereitstellen.

Integrierte Datenblöcke und Vektorisierung teilen größere Passagen in kleinere Abschnitte auf, die vektorisiert werden können, wobei Vektoren an dedizierte Felder in einem Index für die Vektor- und Hybridsuche weitergeleitet werden.
KI-Verarbeitung während der Abfrageausführung Vektorisierer werden verwendet, um Benutzerabfragezeichenfolgen in Vektoren für die Vektorsuche zu codieren. Sie können dieselben Einbettungsmodelle für Abfragen verwenden, die Sie für die Indizierung verwendet haben.

Speichern von angereicherten Inhalten zur Analyse und Nutzung in Nicht-Suchszenarien Der Wissensspeicher ist eine persistente Speicherung von KI-bereicherte oder KI-generierte Inhalten, die für nicht-suchbezogene Szenarien wie Wissenserschließung und Data Science-Workloads vorgesehen sind. Ein Wissensspeicher wird in einem Skillset definiert, aber in Azure Storage als Objekte oder tabellarische Rowsets erstellt.
Zwischengespeicherte Datenanreicherungen Die Anreicherungszwischenspeicherung (Vorschau) bezieht sich auf zwischengespeicherte Anreicherungen, die während der Ausführung des Skillsets wiederverwendet werden können. Die Zwischenspeicherung ist in Skillsets hilfreich, die OCR und Bildanalysen umfassen, die teuer zu verarbeiten sind.

Vektor- und Hybridabruf

Kategorie Funktionen
Vektorindizierung Fügen Sie in einem Suchindex Vektorfelder hinzu, um Vektorsuchszenarien zu unterstützen. Vektorfelder können mit Nichtvektorfeldern im selben Suchdokument koexistieren.
Vektorabfragen Formulieren sie einzelne und mehrere Vektorabfragen.
Vektorsuchalgorithmen Verwenden Sie hierarchische Navigable Small World (HNSW) oder vollständige K-Nearest Neighbors (KNN), um ähnliche Vektoren in einem Suchindex zu finden.
Vektorfilter Anwenden von Filtern vor oder nach der Abfrageausführung für eine höhere Genauigkeit beim Abrufen von Informationen.
Abrufen hybrider Informationen Suchen Sie in einer einzigen Hybridabfrageanforderung nach Konzepten und Schlüsselwörtern.

Die Hybridsuche konsolidiert die Vektor- und Textsuche mit optionaler semantischer Rangfolge und Relevanzoptimierung, um optimale Ergebnisse zu erzielen.
Integrierte Datenblöcke und Vektorisierung Systemeigene Datenabschnitte durch Textteilungsfertigkeit. Native Vektorisierung über vectorizers und Einbettungstechnologien wie Azure OpenAI Embedding, Azure Vision multimodal und AML, die verwendet werden können, um eine Verbindung mit Endpunkten im Microsoft Foundry-Modellkatalog herzustellen.

Die integrierte Vektorisierung stellt eine End-to-End-Indizierungspipeline von Quelldateien zu Abfragen bereit.
Integrierte Vektorkomprimierung und Quantisierung Verwenden Sie integrierte skalare und binäre Quantisierung , um die Vektorindexgröße im Arbeitsspeicher und auf dem Datenträger zu reduzieren. Sie können auch die Speicherung von Vektoren, die Sie nicht benötigen, verzichten oder schmale Datentypen Vektorfeldern für geringere Speicheranforderungen zuweisen.

Klassische Volltext- und andere Abfrageformulare

Kategorie Funktionen
Freiformtextsuche Die Volltextsuche ist ein primärer Anwendungsfall für die meisten suchbasierten Apps. Abfragen können mithilfe einer unterstützten Syntax formuliert werden.

Einfache Abfragesyntax stellt logische Operatoren, Begriffssuchoperatoren, Suffixoperatoren, Rangfolgeoperatoren bereit.

Vollständige Lucene-Abfragesyntax enthält alle Vorgänge in einfacher Syntax, mit Erweiterungen für Fuzzy-Abfrage, Näherungsabfrage, Begriff-Aufwertung und reguläre Ausdrücke.
Relevanz Simple scoring ist ein wichtiger Vorteil von Azure KI-Suche. Verwenden Sie Bewertungsprofile, um die Relevanz als Funktion von Werten in den Dokumenten selbst zu modellieren. So möchten Sie beispielsweise, dass neuere Produkte oder ermäßigte Produkte in den Suchergebnissen höher angezeigt werden. Sie können auch Bewertungsprofile erstellen, indem Sie Tags für personalisierte Bewertungen basierend auf den Einstellungen für die Kundensuche verwenden, die Sie separat nachverfolgen und speichern.

Der semantische Rangierer ist ein Premium-Feature, das Ergebnisse basierend auf der semantischen Relevanz für die Abfrage neu rerankt. Je nach Inhalt und Szenario kann die Suchrelevanz mit minimalem Konfigurations- oder Aufwand erheblich verbessert werden.
Geospatialsuche Geospatialfunktionen filtern über geografische Koordinaten und gleichen auf ihnen ab. Sie können eine Übereinstimmung nach Entfernung oder durch Einschließen in eine Polygonform finden.
Filter und Facets Die Faceted-Navigation wird über einen einzelnen Abfrageparameter aktiviert. Azure KI-Suche gibt eine facetierte Navigationsstruktur zurück, die Sie als Code hinter einer Kategorienliste verwenden können, um selbstgesteuerte Filterung (z. B. um Katalogelemente nach Preisbereich oder Marke zu filtern).

Filter können verwendet werden, um die Faceted-Navigation in die Benutzeroberfläche Ihrer Anwendung zu integrieren, die Abfrageformulierung zu verbessern und basierend auf benutzer- oder entwicklerspezifischen Kriterien zu filtern. Erstellen Sie Filter mithilfe der OData-Syntax.
Benutzererfahrung AutoVervollständigen kann für Vorauswahl-Anfragen in einem Suchfeld aktiviert werden.

Suchvorschläge funktionieren auch von teilweisen Texteingaben in einer Suchleiste ab, aber die Ergebnisse sind tatsächliche Dokumente in Ihrem Index und nicht abfragebegriffe.

Synonyme ordnet gleichwertige Ausdrücke zu, die den Bereich einer Abfrage implizit erweitern, ohne dass der Benutzer die alternativen Ausdrücke angeben muss.

Treffermarkierung wendet Textformatierung auf ein übereinstimmendes Schlüsselwort in Suchergebnissen an. Sie können auswählen, welche Felder hervorgehobene Ausschnitte zurückgeben.

Das Sortieren wird für mehrere Felder über das Indexschema angeboten und dann zur Abfragezeit mit einem einzigen Suchparameter umgeschaltet.

Paginieren und Einschränken Ihrer Suchergebnisse ist mit der fein abgestimmten Kontrolle, die Azure KI-Suche für Ihre Suchergebnisse bietet, einfach.

Sicherheitsfeatures

Kategorie Funktionen
Netzwerksicherheit MIT IP-Regeln für eingehende Firewallunterstützung können Sie IP-Bereiche einrichten, über die der Suchdienst Anforderungen akzeptiert.

Erstellen Sie einen privaten Endpunkt mithilfe von Azure Private Link, um alle Anfragen durch ein virtuelles Netzwerk zu erzwingen.

Network-Sicherheitsperimeter ermöglicht es Ihnen, Azure KI-Suche mit einem Netzwerksicherheitsperimeter zu verbinden, der andere Azure Ressourcen enthält, sodass Sie den Netzwerkzugriff ganzheitlich verwalten können.
Datenverschlüsselung Microsoft-managed encryption-at-rest ist in die interne Speicherebene integriert und unwiderruflich.

Customer-managed encryption keys (CMK), die Sie in Azure Key Vault erstellen und verwalten, können zur ergänzenden Verschlüsselung von Indizes und Synonymkarten verwendet werden. Für Dienste, die nach dem 1. August 2020 erstellt wurden, erweitert die CMK-Verschlüsselung auf Daten auf temporären Datenträgern, um die vollständige doppelte Verschlüsselung von indizierten Inhalten zu bieten.
Eingehender Zugriff Role-based access control weist Benutzern und Gruppen In Microsoft Entra ID Rollen für den kontrollierten Zugriff auf Suchinhalte und -vorgänge zu. Sie können auch die schlüsselbasierte Authentifizierung verwenden, wenn Sie keine Rollenzuweisungen verwenden möchten.

Die Zugriffssteuerung auf Dokumentebene (Vorschau) filtert Suchergebnisse aus, die ein Benutzer nicht zum Anzeigen autorisiert ist. Wenn die Datenquelle für mehrere Datenquellen ein Zugriffssteuerungsmodell bereitstellt, können Sie einen Index konfigurieren, um die Benutzerberechtigungsmetadaten zu erben.
Ausgangssicherheit (Indexer) Datenverbindungen über private Endpunkte ermöglicht es einem Indexer, eine Verbindung mit Azure Ressourcen herzustellen, die über Azure Private Link geschützt sind.

Datenverbindungen über verwaltete Identitäten authentifizieren Verbindungen zu Azure-Ressourcen mithilfe eines Microsoft Entra Sicherheitsprinzipals, wodurch das Speichern und Übergeben von hartcodierten API-Schlüsseln entfällt.

Datenzugriff mithilfe einer vertrauenswürdigen Identität bedeutet, dass Verbindungszeichenfolgen zu externen Datenquellen Benutzernamen und Kennwörter weglassen können. Wenn ein Indexer eine Verbindung mit der Datenquelle herstellt, ermöglicht die Ressource die Verbindung, wenn der Suchdienst zuvor als vertrauenswürdiger Dienst registriert wurde (gilt nur für Azure Storage).

Portal-Funktionen

Kategorie Funktionen
Tools für Prototypen und Inspektion Add index ist ein Index-Designer im Azure-Portal, mit dem Sie ein einfaches Schema erstellen können, das aus attributierten Feldern und einigen anderen Einstellungen besteht. Nach dem Speichern des Indexes können Sie ihn mit einem SDK oder der REST-API füllen, um die Daten bereitzustellen.

Import Data ist ein Assistent, der eine End-to-End-Indizierungspipeline erstellt, einschließlich einer Index-, Indexer-, Skillset- und Datenquellendefinition für Schlüsselwortsuche und RAG-Szenarien. Für RAG verarbeitet sie auch Datenblöcke und Vektorisierung. Wenn Ihre Daten in Azure vorhanden sind, können Sie mit diesem Assistenten beträchtliche Zeit und Mühe sparen, insbesondere beim Untersuchen von Proof-of-Concepts-Szenarios.

Der Such-Explorer wird verwendet, um Abfragen zu testen und Bewertungsprofile zu verfeinern.

Das Erstellen einer Demo-App wird verwendet, um eine HTML-Seite zu generieren, die zum Testen der Suchoberfläche verwendet werden kann.

Debugsitzungen sind ein visueller Editor, mit dem Sie ein Skillset interaktiv debuggen können. Es zeigt Abhängigkeiten, Ausgaben und Transformationen an.
Überwachung und Diagnose Durch das Aktivieren von Überwachungsfunktionen können neben den Metriken, die im Azure-Portal immer angezeigt werden, zusätzliche Metriken verwendet werden. Metriken für Abfragen pro Sekunde, Latenz und Drosselung werden erfasst und auf Portalseiten gemeldet, ohne dass zusätzliche Konfiguration erforderlich ist.

Programmierbarkeit

Kategorie Funktionen
REST Die Dienst-REST-API richtet sich an Vorgänge auf der Datenebene, einschließlich aller Vorgänge im Zusammenhang mit Indizierung, Abfragen, KI-Anreicherung und agentischer Abruf. Sie können diese Clientbibliothek auch verwenden, um Systeminformationen und Statistiken abzurufen.

Management REST API dient der Diensterstellung und -bereitstellung über Azure Resource Manager. Sie können diese API auch verwenden, um Schlüssel und Kapazität zu verwalten.
Azure SDK für .NET Azure. Search.Documents ist für Datenebenenvorgänge vorgesehen, einschließlich aller Vorgänge im Zusammenhang mit Indizierung, Abfragen und KI-Anreicherung. Sie können diese Clientbibliothek auch verwenden, um Systeminformationen und Statistiken abzurufen.

Microsoft.Azure. Management.Search dient zum Erstellen und Bereitstellen von Diensten über Azure Resource Manager. Sie können diese API auch verwenden, um Schlüssel und Kapazität zu verwalten.
Azure SDK für Java com.azure.search.documents ist für Datenebenenvorgänge vorgesehen, einschließlich aller Vorgänge im Zusammenhang mit Indizierung, Abfragen und KI-Anreicherung. Sie können diese Clientbibliothek auch verwenden, um Systeminformationen und Statistiken abzurufen.

com.microsoft.azure.management.search dient zum Erstellen und Bereitstellen von Diensten über Azure Resource Manager. Sie können diese API auch verwenden, um Schlüssel und Kapazität zu verwalten.
Azure SDK für Python Azure-search-documents ist für Datenebenenvorgänge vorgesehen, einschließlich aller Vorgänge im Zusammenhang mit Indizierung, Abfragen und KI-Anreicherung. Sie können diese Clientbibliothek auch verwenden, um Systeminformationen und Statistiken abzurufen.

azure-mgmt-search dient zum Erstellen und Bereitstellen von Diensten über Azure Resource Manager. Sie können diese API auch verwenden, um Schlüssel und Kapazität zu verwalten.
Azure SDK für JavaScript/TypeScript Azure/search-documents ist für Datenebenenvorgänge vorgesehen, einschließlich aller Vorgänge im Zusammenhang mit Indizierung, Abfragen und KI-Anreicherung. Sie können diese Clientbibliothek auch verwenden, um Systeminformationen und Statistiken abzurufen.

azure/arm-search dient zum Erstellen und Bereitstellen von Diensten über Azure Resource Manager. Sie können diese API auch verwenden, um Schlüssel und Kapazität zu verwalten.
  • Last updated on