Agentikus lekérés az Azure AI Keresésben

Megjegyzés

Azure AI Keresés a Azure portálon, REST API-kon és Azure SDK-k keresztül érhető el. Emellett a Foundry IQ-t is támogatja, amely a vállalati tartalmakat újrafelhasználható, engedélytudatos tudásbázisokká alakítja át az Microsoft Foundry portálon található ügynökök számára.

Important

Az (előzetes verzióban) megjelölt funkciókra, képességekre vagy tulajdonságokra nem vonatkozik szolgáltatási szintű szerződés, nem ajánlott éles számítási feladatokhoz, és az általános elérhetővé válásuk előtt változhatnak vagy korlátozhatók. Az Azure AI Keresés előzetes verziójú kifejezések az összes előzetes verziós funkcióra vonatkoznak, függetlenül attól, hogy önálló vagy egy általánosan elérhető funkció része.

Az Azure AI Keresés agentikus lekérdezés egy többlekérdezési folyamat, amely a csevegő- és a copilot-alkalmazások felhasználói vagy ügynökei által feltett összetett kérdésekre szolgál. Lekérés-alapú bővített generáció (RAG) mintákhoz és ügynökök közötti munkafolyamatokhoz készült.

Így működik az ágensalapú visszakeresés:

  • AZ LLM-alapú lekérdezéstervezés (előzetes verzió) segítségével az összetett lekérdezéseket kisebb, koncentrált allekérdezésekre bonthatja, így jobb lefedettséget érhet el a védett és külső tartalmak között. A lekérdezéstervezés további kontextusként felhasználhatja a csevegési előzményeket.

  • Párhuzamosan futtatja az al-lekérdezéseket. Minden allekérdezés szemantikailag újravan osztályozva, hogy a legrelevánsabb találatokat kiemelje.

  • A legjobb eredményeket egyesíti egy egységes válaszban, amellyel az LLM megalapozott válaszokat hozhat létre.

  • A forráshivatkozásokat és a tevékenységnaplót az egyesített tartalom mellett is visszaadhatja, így csak a földelési adatokat használhatja, vagy továbbíthatja azokat egy LLM-nek a teljes válasz érdekében.

Ez a nagy teljesítményű folyamat segítségével kiváló minőségű földelési adatokat vagy válaszokat hozhat létre a csevegőalkalmazáshoz, és gyorsan válaszolhat összetett kérdésekre.

Miért érdemes ügynökalapú információkinyerést használni?

Az ügynökalapú visszakeresés egyaránt támogatja a felügyelt és az egyéni kialakítású megoldásokat az ügynökök és alkalmazások számára. A Microsoft Foundry portálon az ügynökök felügyelt tudásrétegeként működteti a Foundry IQ-t. Egyéni ügynöki lekérési megoldásokat is létrehozhat a Azure portál, a Search Service REST API vagy egy támogatott Azure SDK használatával.

Az ügynökalapú információkinyerést akkor használja, ha az ügynökök és alkalmazások számára a lehető legrelevánsabb tartalmat szeretné biztosítani az összetettebb kérdések megválaszolásához, a csevegés kontextusára, a saját tartalmaira és külső forrásokra támaszkodva.

Az ügynökalapú információ-visszakeresés nagyobb késleltetést okoz, mint az egyetlen lekérdezésből álló folyamat, de képes kezelni azokat az összetett lekérdezéseket, amelyeket egyetlen lekérdezés nem. Kezelheti például a következőt:

  • Több kérést tartalmazó kérdések, például: „keress nekem egy szállodát a strand közelében, repülőtéri transzferrel, amely gyalogosan is elérhető távolságra van vegetáriánus éttermektől.”

  • A beszélgetés korábbi környezetétől függő kérdések.

  • Az újraírás előnyeit élvező lekérdezések szinonimatérképek és LLM által generált parafrázisok használatával bővítik a tartalom lefedettségét.

  • Helyesírási hibák.

Összetett lekérdezés diagramja, amely bemutatja, hogyan kezeli az ügynöki lekérés a vélelmezett környezetet és a szándékos elírást.

Architektúra és munkafolyamat

Az agenciális lekérési folyamat a következőképpen működik:

  1. Munkafolyamat kezdeményezése: Az alkalmazás meghív egy tudásbázist egy lekérési művelettel, amely lekérdezési és beszélgetési előzményeket biztosít.

  2. Lekérdezéstervezés: A low tudásbázis a lekérdezési és medium a beszélgetési előzményeket egy LLM-nek küldi el, amely koncentrált allekérdezéseket hoz létre. minimal ráfordítás esetén ez a lépés kimarad, és a lekérdezések közvetlenül a tudásforrásokhoz kerülnek. A következtetési erőfeszítés alapértelmezett értéke low, és a tudásbázison van konfigurálva.

  3. Lekérdezés végrehajtása: A tudásbázis elküldi a részlekérdezéseket az Ön tudásforrásainak. Az összes al lekérdezés egyszerre fut, és lehet kulcsszó, vektor vagy hibrid keresés. Minden allekérdezés szemantikai átrendezésen megy keresztül a leginkább releváns találatok megtalálása érdekében. A hivatkozások kinyerése és megőrzése idézet céljából történik.

  4. Eredményszintézis: A rendszer az összes eredményt egységes válaszként egyesíti. Az egyesített tartalom mindig vissza lesz adva. A forráshivatkozások és a végrehajtási tevékenységnapló nem kötelező.

Ügynöki lekérési munkafolyamat diagramja egy példalekérdezés használatával.

Components

Minden agentikus lekérési forgatókönyvhöz egy tudásbázisra és legalább egy tudásforrásra van szükség. Más összetevők nem kötelezőek, és a konfigurációtól függenek.

Összetevő Szolgáltatás Szerepet
Tudásbázis Azure AI Keresés A folyamat vezénylése, a tudásbázisok és a lekérdezési paraméterek kezelése.
Tudásbázis Azure AI Keresés Meghatározza a folyamatban használt tartalmat. Lehet indexelhető (a szolgáltatás keresési indexére épülő) vagy távoli (a lekérdezés időpontjában egy külső platformról lekért tartalom).
Keresési index Azure AI Keresés A kereshető tartalmakat (szövegeket és vektorokat) szemantikai konfigurációval tárolja. Meghatározza, hogy mely lekérdezéstípusok futnak, és mely optimalizálásokat alkalmazzák. Csak indexelt tudásbázisokhoz szükséges.
Szemantikai rangsoroló Azure AI Keresés Az ágensalapú visszakeresési folyamat belsőleg használja a találatok relevancia szerinti újrarangsorolására (L2-es újrarangsorolás).
LLM Azure OpenAI Az ügynöki lekérés több fázisát is képes elvégezni: lekérdezések tervezését és a tudásbázisok kiválasztását (előzetes verzió), a webes eredmények összegzését, valamint az idézetek által támogatott válaszok generálását válaszszintézissel (előzetes verzió).

Integrációs követelmények

Az alkalmazás a tudásbázis meghívásával és a válasz kezelésével hajtja a folyamatot. A folyamat olyan megalapozó adatokat ad vissza, amelyeket átadhat egy LLM-nek válaszgeneráláshoz, vagy közvetlenül felhasználhat a beszélgetési felületen. A megvalósítás részletek megismeréséhez tekintse meg az Oktatóanyag: Teljes körű ügynöki lekérési megoldás létrehozása-t.

A szolgáltatások elérhetősége

Az ügynöki visszakeresés az általánosan elérhető és az előzetes verziójú funkciókat is támogatja. Válassza ki az ügynöki lekérési felületnek megfelelő Search Service REST API-verziót:

  • Használja a 2026-04-01 REST API-t olyan éles számítási feladatokhoz, amelyek általánosan elérhető tudásbázistípusokat használnak minimális, kinyerő lekéréssel.

  • A REST API-val megtekintheti a 2026-08-01-preview tudásforrás-típusokat és képességeket, például az LLM-alapú lekérdezéstervezést, a válaszszintézist, a nem minimális lekéréses érvelési erőfeszítéseket és a többfordulós üzeneteket. Lásd Azure AI Keresés előzetes verziójú kifejezéseket.

A Azure portál és a Microsoft Foundry portál csak előzetes verziójú hozzáférést biztosít az összes ügynöki lekérési funkcióhoz. A mindkét portálon létrehozott objektumok előzetes sémákat használhatnak, és migrálást igényelhetnek az általánosan elérhető REST API-verzióra való áttéréskor. A verziónkénti lebontással és a migrálással kapcsolatos útmutatásért tekintse meg az ügynöki lekérési kód áttelepítését a legújabb verzióra.

Régió rendelkezésre állása, korlátai és számlázása

Az ügynöki lekérés használata előtt tekintse át annak regionális elérhetőségét, szolgáltatási korlátait és számlázási modelljét.

Régiónkénti elérhetőség

Az ügynöki lekérés bizonyos régiókban érhető el.

Limits

A tudásbázisok és a tudásbázisok a tarifacsomagtól és a lekéréses érvelési erőfeszítésektől függően eltérő maximális korlátokkal rendelkeznek.

Számlázás

Az ügynöki lekérés két szolgáltatás díjait vonja maga után:

  • Azure AI Keresés a részlekérdezés végrehajtása és a szemantikai rangsorolás során felhasznált lekérési tokenek fogyasztásáért számláz. Az ingyenes csomag (alapértelmezett) havi token keretet biztosít. A standard csomag lehetővé teszi a használatalapú fizetéses díjszabást az ingyenes támogatás felhasználása után. További információ: Ügynöki lekéréses számlázás engedélyezése vagy letiltása.

  • Az Azure OpenAI az LLM-alapú lekérdezéstervezéshez és a válaszszintézishez (előzetes verzió) használt bemeneti és kimeneti tokenek után számít fel díjat. A díjszabás mindig használatalapú fizetéses, és a tudásbázishoz rendelt modell alapján történik. A díjak megjelennek a Azure OpenAI-számlán. Az árakért lásd a Azure OpenAI díjszabását.

Az alábbi táblázat a klasszikus egylekérdezési folyamat és az ágens alapú többlekérdezési folyamat számlázását hasonlítja össze. A klasszikus folyamatban a számlázható komponens a szemantikai rangsoroló.

Aspektus Klasszikus csővezeték Ügynökvezérelt lekérés
Egység Lekérdezésalapú Token-alapú
Egységenkénti költség Lekérdezésenkénti egységes költség Változó tokenenkénti költség (az érvelési erőfeszítéstől függ)
Költségbecslés Lekérdezések számának becslése Tokenhasználat becslése
Ingyenes támogatás Havi ingyenes lekérdezési támogatás Havi ingyenes token keret

Példa: Költségek becslése

Ez a példa a lekérdezések tervezésének és a lekérdezések végrehajtásának költségbecslési folyamatát mutatja be, a válaszszintézist azonban nem. A költségek alacsonyabbak lehetnek. Az aktuális díjszabásokról lásd: Azure AI Keresés díjszabás és Azure OpenAI-díjszabás.

Ha használatalapú fizetésként szeretné megbecsülni a lekérdezésterv költségeit Azure OpenAI-ban, tegyük fel, hogy gpt-4o-mini:

  • 15 cent 1 millió bemeneti tokenekhez.
  • 60 cent 1 millió kimeneti tokenhez.
  • 2000 bemeneti token egy csevegés átlagos méretéhez.
  • 350 token az átlagos kimeneti terv méretéhez.

A lekérdezés végrehajtásának becsült számlázási költségei

Az ügynöki lekérési tokenek számának becsléséhez induljon ki abból, hogy az indexében lévő átlagos dokumentum hogyan néz ki. Előfordulhat például, hogy hozzávetőlegesen:

  • 10 000 darab, ahol minden egyes adattömb egy-két bekezdésnyi PDF-fájl.
  • Darabonként 500 token.
  • Minden alküldetés legfeljebb 50 adattömböt ad vissza.
  • Lekérdezési tervenként átlagosan három részbekérdezés van.

A végrehajtás árának kiszámítása

  1. Tegyük fel, hogy tervenként három allekérdezéssel 2000 ügynöki lekérést készítünk. Ez körülbelül 6000 lekérdezést ad nekünk.

  2. Minden egyes al-lekérdezés esetén 50 adattömb újrarendezése, ami összesen 300 000 adattömb.

  3. Az átlagos adattömb 500 token, így az újrarendezéshez szükséges összes token 150 millió.

  4. Mivel a feltételezett ára 0,022 egy tokenenként, 3,30 $ a teljes költsége az újrasorolásnak amerikai dollárban.

  5. A lekérdezésterv költségeire áttérve: 2000 bemeneti token szorozva 2000 agensi lekérésekkel, ami 4 millió bemeneti tokennel egyenlő, összesen 60 centért.

  6. A kimeneti költségek becslése átlagosan 350 token alapján. Ha 350-et szorzunk 2000 ügynöki lekérdezéssel, eredményül összesen 700 000 kimeneti token kapunk, mindössze 42 centért.

Ha mindezt összeadja, körülbelül 3,30 dollárt kell fizetnie az Azure AI Keresés ügynöki lekérdezéséért, 60 centet a bemeneti jogkivonatokért az Azure OpenAI-ban, 42 centet a kimeneti jogkivonatokért az Azure OpenAI-ban, 1,02 dollárért a lekérdezéstervezés összesen számítva. A teljes végrehajtás összesített költsége 4,32 usd.

Tippek a költségek szabályozásához

  • Tekintse át a válasz tevékenységnaplójában, hogy megtudja, milyen lekérdezéseket adtak ki a használt forrásokhoz és paraméterekhez. Ezeket a lekérdezéseket újra kiadhatja az indexekre, és használhat nyilvános jogkivonat-megjelenítőt a jogkivonatok becsléséhez és az API által jelentett használattal való összehasonlításhoz. A lekérdezések vagy válaszok pontos rekonstrukciója azonban nem garantált. A tényezők közé tartozik a tudásbázis típusa, például a nyilvános webes adatok vagy egy távoli SharePoint olyan tudásbázis, amely egy felhasználói identitásra van feltéve, ami befolyásolhatja a lekérdezések reprodukálását.

  • A tudásforrások (indexek) számának csökkentése és a tartalom konszolidálása révén csökkenthető a szétosztás és a tokenek mennyisége.

  • Csökkentse a lekérdezéstervezés és lekérdezésbővítés (iteratív keresés) során az LLM használatának csökkentésére irányuló érvelési erőfeszítést.

  • Rendezze a tartalmat, hogy a legrelevánsabb információk kevesebb forrással és dokumentummal (például válogatott összegzésekkel vagy táblázatokkal) legyenek megtalálhatók.

Első lépések

Ügynöki lekérési megoldás létrehozásához használhatja a Azure portált, az Microsoft Foundry (új) portált, a REST API-kat vagy egy ezzel egyenértékű Azure SDK csomagot.

Következő lépés

Rövid útmutató: Ügynök alapú lekérés

  • Utolsó frissítés időpontja: