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.
Erfahren Sie mehr über REST-API-Beispiele, die die Funktionalität und den Workflow einer Azure AI Search-Lösung veranschaulichen. In diesen Beispielen werden die REST-APIs des Suchdiensts verwendet.
REST ist die endgültige Programmierschnittstelle für Azure AI Search, die eine sprachunabhängige Möglichkeit zur Interaktion mit dem Dienst bietet. Aus diesem Grund verwenden die meisten Beispiele in unserer Dokumentation die REST-APIs, um wichtige Konzepte zu veranschaulichen und zu erläutern.
Sie können jeden Client verwenden, der HTTP-Aufrufe unterstützt. Informationen zum Formulieren der HTTP-Anforderung mithilfe von Visual Studio Code mit der REST-Clienterweiterung finden Sie im REST-Teil der Schnellstartanleitung: Volltextsuche.
Dokumentationsbeispiele
Die Codebeispiele vom Azure AI Search-Team veranschaulichen die Funktionen und Workflows. Auf die folgenden Beispiele werden in Lernprogrammen, Schnellstarts und Anleitungen verwiesen. Sie finden diese Beispiele in Azure-Samples/azure-search-rest-samples auf GitHub.
| Beispiel | Artikel | BESCHREIBUNG |
|---|---|---|
| quickstart-agentic-retrieval | Schnellstart: Agentischer Abruf | Integrieren Sie die semantische Rangfolge in die LLM-basierte Abfrageplanung und Antwortgenerierung. |
| Schnellstart-Schlüsselwortsuche | Schnellstart: Volltextsuche | Erstellen, Laden und Abfragen eines Suchindexes mithilfe von Beispieldaten. |
| Schnellstartanleitung für semantisches Ranking | Schnellstart: Semantische Rangfolge | Fügen Sie einem Indexschema semantische Rangfolge hinzu, und führen Sie semantische Abfragen aus. |
| Schnellstart-Vektoren | Schnellstart: Vektorsuche | Index- und Abfragevektorinhalte. |
| acl | ACL- und RBAC-Erzwingung zur Abfragezeit | Implementieren Sie die Zugriffssteuerung zur Abfragezeit mithilfe rollenbasierter Zugriffssteuerung (Role-Based Access Control, RBAC) und Zugriffssteuerungslisten (Access Control Lists, ACLs). |
| Benutzerdefinierte Analysetools | Lernprogramm: Erstellen eines benutzerdefinierten Analyzers für Telefonnummern | Verwenden Sie einen Analyzer, um Muster und Sonderzeichen in durchsuchbaren Inhalten beizubehalten. |
| Debuggen-Sitzungen | Anleitung: Beheben eines Skillsets mithilfe von Debugging-Sitzungen | Erstellen Sie Suchobjekte, die Sie später im Azure-Portal debuggen. |
| index-json-blobs | Tutorial: Indizieren von JSON-Blobs aus Azure Storage | Erstellen Sie einen Indexer, eine Datenquelle und einen Index für geschachtelte JSON-Daten in einem JSON-Array. Veranschaulicht das jsonArray-Analysemodell und documentRoot-Parameter. |
| Wissensspeicher | Erstellen eines Wissensspeichers mithilfe von REST | Auffüllen eines Wissensspeichers für Knowledge Mining-Workflows. |
| Projektionen | Definieren von Projektionen in einem Wissensspeicher | Geben Sie die physischen Datenstrukturen in einem Wissensspeicher an. |
| Skillset-Tutorial | Tutorial: Per KI generierter durchsuchbarer Inhalt aus Azure-Blobs | Erstellen Sie ein Skillset, das Azure-Blobs durchläuft, um Informationen zu extrahieren und die Struktur zu ableiten. |
Weitere Beispiele
Die folgenden Beispiele werden auch vom Azure AI Search-Team veröffentlicht, werden jedoch nicht in der Dokumentation referenziert. Zugehörige README-Dateien enthalten Verwendungsanweisungen.
| Beispiel | BESCHREIBUNG |
|---|---|
| azure-search-classic-rag | Single-Shot-AG unter Verwendung der klassischen Suchmaschine als Basisdaten aus Azure AI Search, kombiniert mit einem Chat-Completion-Modell aus Azure OpenAI. |
Tipp
Verwenden Sie den Beispielbrowser , um nach Microsoft-Codebeispielen auf GitHub zu suchen. Sie können Ihre Suche nach Produkt, Dienst und Sprache filtern.