Что такое Поиск с использованием ИИ Azure?

Поиск с использованием ИИ Azure — это полностью управляемая облачная служба, которая подключает данные к ИИ. Служба унифицирует доступ к корпоративному и веб-содержимому, чтобы агенты и LLM могли использовать контекст, журнал чата и сигналы с несколькими источниками для создания надежных, заземленных ответов.

Поиск с использованием ИИ Azure доступна в двух моделях ценообразования:

• Выделенная: выделенная ёмкость по фиксированной цене. Вы выбираете ценовой уровень, и с вас взимается почасовая плата в зависимости от единиц поиска (SU). Лучше всего подходит для устойчивых, прогнозируемых рабочих нагрузок с высоким уровнем использования.

• Бессерверные (предварительная версия): цены на основе потребления, измеряемые единицами вычислений в час (CU/hr) и за ГБ в месяц для индексированного хранилища. Лучше всего подходит для редких, временных или высоко переменных рабочих нагрузок.

Распространённые сценарии использования включают классический поиск и генерацию с дополнением результатами поиска (RAG) с использованием агентного поиска, где сервис координирует планирование запросов, поиск и формирование ответов. Эти возможности поддерживают сценарии, начиная от традиционных интерфейсов поиска до агентов, управляемых ИИ, и приложений чата, подходящих как для корпоративных, так и для потребительских сценариев.

При создании службы поиска включены следующие возможности:

• Два двигателя: классический поиск для отдельных запросов и агентное извлечение для параллельного, итеративного поиска с поддержкой LLM.
• Полнотекстовые, векторные, гибридные и многомодальные запросы по локальному (индексированного) и удаленному содержимому.
• Обогащение с использованием искусственного интеллекта для разбиения на части, векторизации и преобразования необработанного содержимого для полнотекстового поиска.
• Настройка релевантности для улучшения соответствия намерений и качества результатов.
• Масштабируемость, безопасность, мониторинг и соответствие требованиям Azure.
• Взаимодействие Azure с поддерживаемыми платформами данных, Azure OpenAI и Microsoft Foundry.

Зачем использовать Поиск с использованием ИИ Azure?

• Наземные агенты и чат-боты в собственных, корпоративных или веб-данных для точных ответов с учетом контекста.

• Доступ к данным из Хранилище BLOB-объектов Azure, Azure Cosmos DB, Microsoft SharePoint, Microsoft OneLake и других поддерживаемых источников данных. Выберите индексированный или удалённый доступ в зависимости от ваших требований к свежести, задержке и соответствию стандартам.

• Обогащение и структурирование содержимого при индексировании или запросе с помощью навыков, которые выполняют разбиение, встраивание и преобразования с помощью крупномасштабных языковых моделей (LLM).

• Комбинируйте полнотекстовый поиск с векторным (гибридным) поиском для достижения баланса между точностью и полнотой.

• Запросите контент, содержащий как текст, так и изображения, в одном многомодальном конвейере.

• Легко реализовать функции, связанные с поиском: настройка релевантности, фасетная навигация, фильтры (включая геопространствнный поиск), сопоставление синонимов и автозавершение.

• Обеспечение корпоративной безопасности, контроля доступа и соответствия требованиям с помощью Microsoft Entra, Приватный канал Azure, управления доступом на уровне документа и доступа на основе ролей.

• Масштабирование и функционирование в производственной среде с помощью надежности Azure, мониторинга и диагностики (журналов, метрик и оповещений), а также инструментов REST API или SDK для автоматизации.

Дополнительные сведения о конкретных функциях см. в разделе Features Поиск с использованием ИИ Azure.

Что такое классический поиск?

Классический поиск — это модель извлечения с приоритетом индекса для предсказуемых запросов с низкой задержкой. Каждый запрос предназначен для одного предопределенного индекса поиска и возвращает ранжированные документы в одном цикле ответа запроса. Во время извлечения не выполняется планирование, итерация или синтез с помощью LLM.

В этой архитектуре служба поиска находится между хранилищами данных, содержащими необработанные содержимое и клиентское приложение. Приложение отвечает за отправку запросов в службу поиска и обработку ответа.

Эта архитектура имеет две основные рабочие нагрузки:

Что такое агентическое извлечение?

Агентная выборка — это поток с несколькими запросами, предназначенный для сложных рабочих процессов от агента к агенту. Каждый запрос предназначен для базы знаний , представляющей полный домен знаний. Ваш агент ссылается на базу знаний, чтобы понимать, на что следует опираться, в то время как база знаний определяет, как осуществлять обоснование.

База знаний состоит из одного или нескольких источников знаний, необязательного LLM для планирования запросов и синтеза ответов, а также параметров, которые управляют поведением извлечения. Каждый запрос проходит планирование, декомпозицию в сфокусированные подзапросы, параллельное извлечение из источников знаний, семантическое переранжирование и объединение результатов. Трехуровневый ответ оптимизирован для потребления агента.

Под капотом агентное извлечение строится на классической архитектуре поиска путем добавления слоя контекста (базы знаний), который координирует многоканальное извлечение данных. Источники знаний могут быть индексированы или удалены: индексированные источники используют те же индексирующие и поисковые механизмы, что и классический поиск, а удаленные источники обходят индексирование и запрашиваются в реальном времени.

Как они сравнивают

Классический поиск и агентный поиск являются взаимодополняющими режимами поиска информации. Оба поддерживают полнотекстовый, векторный, гибридный и многомодальный поиск. Однако они различаются по способу обработки и запроса содержимого. В следующей таблице приведены основные различия.

Начало работы

Доступ к Поиск с использованием ИИ Azure можно получить на портале Azure REST API, и Azure SDKs для .NET, Java, JavaScript и Python.

Портал полезен для администрирования служб и управления содержимым, с инструментами для создания прототипов баз знаний, источников знаний, индексов, индексаторов, наборов навыков и источников данных. REST API и пакеты SDK полезны для автоматизации производственных процессов.

Выбор пути

Прежде чем приступить к работе, используйте этот контрольный список для принятия ключевых решений:

• Выберите модель ценообразования: выберитевыделенную илибессерверную модель ценообразования. Дополнительные сведения о выборе модели ценообразования и уровня служб см. в статье "Выбор модели", которая лучше всего соответствует вашим потребностям.

• Выберите способ получения данных: Вы можете запрашивать непосредственно из индекса поиска прогнозируемые результаты, результаты с низкой задержкой или использовать агентическое извлечение для запроса по нескольким индексам через базу знаний. Если вы создаете традиционное приложение без агента или чат-бота, прямые запросы индексов могут соответствовать большинству потребностей с более низкой стоимостью и сложностью. Если вы хотите работать с несколькими источниками знаний или поддерживать более сложные сценарии, рассмотрите агентный поиск с минимальными усилиями рассуждения.

• Выберите регион: Если вы используете агентное извлечение, выберите поддерживаемый регион. Для классического поиска выберите регион, который предлагает необходимые функции и емкость.

• Выберите метод приема для содержимого, привязанного к индексу: Если содержимое находится в поддерживаемом источнике данных, используйте метод извлечения и сериализации данных в JSON. Если у вас нет поддерживаемого источника данных или если содержимое и индекс должны быть синхронизированы в режиме реального времени, метод push-отправки является единственным вариантом.

• Нужны ли векторы? Для LLM и агентов не требуются векторы. Используйте их только в том случае, если требуется поиск сходства или содержимое, которое может быть одногенизовано в векторы. Поиск с использованием ИИ Azure предлагает интегрированную векторизацию для этой задачи.

• Требуется ли наследование разрешений на основе пользователей? SharePoint Remote предназначена для этого сценария, но вы также можете наследовать разрешения пользователей, привязанные к содержимому в Хранилище BLOB-объектов Azure или ADLS Gen2. Для всех других сценариев можно использовать обходное решение фильтра безопасности .

Выбор ресурсов обучения

Эти краткие руководства и примеры помогут вам начать работу.