Keterampilan AML

Penting

Dukungan untuk koneksi pengindeks ke katalog model berada dalam pratinjau publik di bawah ketentuan penggunaan tambahan. PRATINJAU REST API mendukung kemampuan ini.

Gunakan keterampilan AML untuk memperluas pengayaan AI dengan model penyematan dasar yang disebarkan dari katalog model Microsoft Foundry atau model Azure Machine Learning (AML) kustom. Data Anda diproses di Geo tempat model Anda disebarkan.

Anda menentukan keterampilan AML dalam set keterampilan, yang kemudian mengintegrasikan model yang Anda sebarkan ke dalam alur pengayaan AI. Keterampilan AML berguna untuk melakukan pemrosesan atau inferensi yang tidak didukung oleh keterampilan bawaan. Contohnya termasuk menghasilkan penyematan dengan model Anda sendiri dan menerapkan logika pembelajaran mesin kustom ke konten yang diperkaya.

Untuk titik akhir online AML, gunakan versi API yang stabil atau Azure SDK yang setara untuk memanggil keterampilan AML. Untuk koneksi ke katalog model, gunakan versi API pratinjau.

Penggunaan keterampilan AML

Seperti keterampilan lain, keterampilan AML memiliki input dan output. Input dikirim sebagai objek JSON ke penyebaran tanpa server dari katalog model Foundry atau titik akhir online AML. Output harus mencakup kode status keberhasilan, payload JSON, dan parameter yang ditentukan oleh definisi keterampilan AML Anda. Respons lain dianggap sebagai kesalahan, dan tidak ada pengayaan yang dilakukan.

Pengindeks mencoba kembali dua kali untuk kode status HTTP berikut:

503 Service Unavailable
429 Too Many Requests

Keterampilan AML untuk model di Microsoft Foundry

Azure AI Search menyediakan vektorizer katalog model Microsoft Foundry, yang juga tersedia dalam wizard Impor data (baru), untuk koneksi waktu kueri ke katalog model. Jika Anda ingin menggunakan vektorizer ini untuk kueri, keterampilan AML adalah mitra pengindeksan untuk menghasilkan penyematan menggunakan model dari katalog model.

Selama pengindeksan, keterampilan AML dapat terhubung ke katalog model untuk menghasilkan vektor untuk indeks. Pada waktu kueri, kueri dapat menggunakan vektorizer untuk menyambungkan ke model yang sama untuk mem-vektorisasi string teks. Anda harus menggunakan keterampilan AML dan vektorizer katalog model Microsoft Foundry bersama-sama sehingga model penyematan yang sama digunakan untuk pengindeksan dan kueri. Untuk informasi selengkapnya, lihat Menggunakan model penyematan dari katalog model Foundry.

Sebaiknya gunakan wizard Impor data (baru) untuk menghasilkan set keterampilan yang menyertakan keterampilan AML untuk model penyematan yang disebarkan di Foundry. Wizard menghasilkan definisi keterampilan AML untuk input, output, dan pemetaan, menyediakan cara mudah untuk menguji model sebelum menulis kode apa pun.

Prasyarat

Proyek berbasis hub Microsoft Foundry atau ruang kerja AML untuk model kustom yang Anda buat.
Hanya untuk proyek berbasis hub, penyebaran model yang didukung tanpa server dari katalog model Microsoft Foundry. Anda dapat menggunakan Azure CLI untuk menyediakan penyebaran tanpa server.

@odata.type

Microsoft.Skills.Custom.AmlSkill

Parameter keterampilan

Parameter peka huruf besar/kecil. Parameter yang Anda gunakan bergantung pada autentikasi apa yang diperlukan penyedia model Anda, jika ada.

Nama Parameter	Deskripsi
`uri`	(Diperlukan untuk autentikasi kunci) URI target penyebaran tanpa server dari katalog model Microsoft Foundry atau URI penilaian titik akhir online AML. Hanya skema HTTPS URI yang diizinkan. Model yang didukung dari katalog model (hanya penyebaran tanpa server) adalah: Cohere-embed-v3-bahasa-inggris Cohere-embed-v3-multilingual Cohere-embed-v4
`key`	(Diperlukan untuk autentikasi kunci) Kunci API penyedia model.
`resourceId`	(Diperlukan untuk autentikasi token) ID sumber daya Azure Resource Manager dari penyedia model. Untuk titik akhir online AML, gunakan format .`subscriptions/{guid}/resourceGroups/{resource-group-name}/Microsoft.MachineLearningServices/workspaces/{workspace-name}/onlineendpoints/{endpoint_name}`
`region`	(Opsional untuk autentikasi token) Wilayah tempat penyedia model disebarkan. Diperlukan jika wilayah berbeda dari wilayah layanan pencarian.
`timeout`	(Opsional) Waktu habis untuk klien HTTP yang melakukan panggilan API. Ini harus diformat sebagai nilai "dayTimeDuration" XSD, yang merupakan subset terbatas dari nilai durasi ISO 8601 . Misalnya, `PT60S` selama 60 detik. Jika tidak diatur, nilai default 30 detik akan dipilih. Anda dapat mengatur batas waktu minimal 1 detik dan maksimum 230 detik.
`degreeOfParallelism`	(Opsional) Jumlah panggilan yang dilakukan pengindeks secara paralel dengan titik akhir yang Anda sediakan. Anda dapat mengurangi nilai ini jika titik akhir Anda gagal di bawah beban permintaan yang terlalu tinggi. Anda dapat menaikkannya jika titik akhir Anda dapat menerima lebih banyak permintaan dan Anda ingin meningkatkan performa pengindeks. Jika tidak diatur, nilai default 5 akan digunakan. Anda dapat mengatur `degreeOfParallelism` ke minimal 1 dan maksimum 10.

Autentikasi

Keterampilan AML menyediakan dua opsi autentikasi:

Autentikasi berbasis kunci. Anda menyediakan kunci statis untuk mengautentikasi permintaan penilaian dari keterampilan AML. Atur uri parameter dan key untuk koneksi ini.
Autentikasi berbasis token. Proyek berbasis hub Foundry atau titik akhir online AML disebarkan menggunakan autentikasi berbasis token. Layanan Azure AI Search harus memiliki identitas terkelola dan penetapan peran pada penyedia model. Keterampilan AML kemudian menggunakan identitas layanan pencarian untuk mengautentikasi terhadap penyedia model, tanpa kunci statis yang diperlukan. Identitas layanan pencarian harus memiliki peran Pemilik atau Kontributor . Atur resourceId parameter, dan jika layanan pencarian berada di wilayah yang berbeda dari penyedia model, atur region parameter .

Input keterampilan

Input keterampilan adalah simpul dari dokumen yang diperkaya yang dibuat selama pemecahan dokumen. Misalnya, mungkin dokumen akar, gambar yang dinormalisasi, atau konten blob. Tidak ada input yang telah ditentukan sebelumnya untuk keterampilan ini. Untuk input, Anda harus menentukan satu atau beberapa simpul yang diisi pada saat eksekusi keterampilan AML.

Output keterampilan

Output keterampilan adalah simpul baru dari dokumen yang diperkaya yang dibuat oleh keterampilan. Tidak ada output yang telah ditentukan sebelumnya untuk keterampilan ini. Untuk output, Anda harus menyediakan simpul yang dapat diisi dari respons JSON keterampilan AML Anda.

Definisi sampel

  {
    "@odata.type": "#Microsoft.Skills.Custom.AmlSkill",
    "description": "A custom model that detects the language in a document.",
    "uri": "https://language-model.models.contoso.com/score",
    "context": "/document",
    "inputs": [
      {
        "name": "text",
        "source": "/document/content"
      }
    ],
    "outputs": [
      {
        "name": "detected_language_code"
      }
    ]
  }

Contoh input struktur JavaScript Object Notation

Struktur JSON ini mewakili payload yang dikirim ke proyek berbasis hub Foundry atau titik akhir online AML Anda. Bidang tingkat atas struktur sesuai dengan "nama" yang ditentukan di bagian inputs definisi keterampilan. Nilai bidang tersebut berasal dari "sumber" bidang tersebut, yang bisa berasal dari bidang dalam dokumen atau keterampilan lain.

{
  "text": "Este es un contrato en Inglés"
}

Contoh struktur JSON output

Output sesuai dengan respons dari proyek berbasis hub Foundry atau titik akhir online AML Anda. Penyedia model hanya boleh mengembalikan payload JSON (diverifikasi Content-Type dengan melihat header respons) dan harus menjadi objek yang bidangnya pengayaannya cocok dengan "nama" di output dan yang nilainya dianggap sebagai pengayaan.

{
    "detected_language_code": "es"
}

Definisi sampel pembentukan sebaris

  {
    "@odata.type": "#Microsoft.Skills.Custom.AmlSkill",
    "description": "A sample model that detects the language of sentence",
    "uri": "https://language-model.models.contoso.com/score",
    "context": "/document",
    "inputs": [
      {
        "name": "shapedText",
        "sourceContext": "/document",
        "inputs": [
            {
              "name": "content",
              "source": "/document/content"
            }
        ]
      }
    ],
    "outputs": [
      {
        "name": "detected_language_code"
      }
    ]
  }

Membentuk struktur JSON input sebaris

{
  "shapedText": { "content": "Este es un contrato en Inglés" }
}

Membentuk contoh struktur JSON secara sebaris

{
    "detected_language_code": "es"
}

Kasus kesalahan

Selain proyek berbasis hub Foundry atau titik akhir online AML Anda yang tidak tersedia atau mengirim kode status yang tidak berhasil, kasus berikut dianggap sebagai kesalahan:

Penyedia model mengembalikan kode status keberhasilan, tetapi respons menunjukkan bahwa itu bukan application/json. Responsnya dengan demikian tidak valid, dan tidak ada pengayaan yang dilakukan.
Penyedia model mengembalikan JSON yang tidak valid.

Jika penyedia model tidak tersedia atau mengembalikan kesalahan HTTP, kesalahan yang mudah diingat dengan detail yang tersedia tentang kesalahan HTTP ditambahkan ke riwayat eksekusi pengindeks.

Lihat juga

Saran dan Komentar

Apakah halaman ini membantu?

Last updated on 2025-11-18