Notitie
Voor toegang tot deze pagina is autorisatie vereist. U kunt proberen u aan te melden of de directory te wijzigen.
Voor toegang tot deze pagina is autorisatie vereist. U kunt proberen de mappen te wijzigen.
Azure AI Search is een volledig beheerde, in de cloud gehoste service die uw gegevens verbindt met AI. De service integreert de toegang tot bedrijfs- en webinhoud, zodat agents en LLM's context, chatgeschiedenis en multi-source signalen kunnen gebruiken om betrouwbare, geaarde antwoorden te produceren.
Veelvoorkomende gebruiksscenario's zijn klassieke zoekopdrachten en moderne ophaal-verrijkte generatie (RAG) via agentiële ophaaltechnieken. Hierdoor is Azure AI Search geschikt voor bedrijfs- en consumentenscenario's, ongeacht of u zoekfunctionaliteit toevoegt aan een website, app, agent of chatbot.
Wanneer u een zoekservice maakt, ontgrendelt u de volgende mogelijkheden:
- Twee engines: klassieke zoekopdrachten voor enkelvoudige aanvragen en agentisch ophalen voor parallelle, iteratieve, door LLM ondersteunde zoekopdrachten.
- Volledige tekst, vector, hybride en multimodale queries over lokale (geïndexeerde) en externe inhoud.
- AI-verrijking voor segmenten, vectoriseren en anderszins onbewerkte inhoud doorzoekbaar maken.
- Relevantieafstemming om intentiekoppeling en resultaatkwaliteit te verbeteren.
- Azure-schaal, beveiliging, bewaking en naleving.
- Azure-integraties met ondersteunde gegevensplatformen, Azure OpenAI en Microsoft Foundry.
Waarom Azure AI Search gebruiken?
Grondagenten en chatbots in bedrijfseigen, bedrijfs- of webgegevens voor nauwkeurige, contextbewuste reacties.
Toegang tot gegevens uit Azure Blob Storage, Azure Cosmos DB, Microsoft SharePoint, Microsoft OneLake en andere ondersteunde gegevensbronnen. Kies geïndexeerde of externe toegang op basis van uw nieuwheid, latentie en nalevingsbehoeften.
Inhoud verrijken en structureren tijdens indexering of opvragingstijd met vaardigheden die segmentering, embeddingen en transformaties met ondersteuning van LLM uitvoeren.
Combineer volledige-tekst zoeken met vectorzoekopdrachten (hybride zoeken) om precisie en recall in balans te brengen.
Query's uitvoeren op inhoud met zowel tekst als afbeeldingen in één multimodale pijplijn.
Implementeer eenvoudig zoekfuncties zoals relevantietuning, facetnavigatie, filters (inclusief georuimtelijke zoekacties), synoniemenmapping en autocompletion.
Bedrijfsbeveiliging, toegangsbeheer en naleving bieden via Microsoft Entra, Azure Private Link, toegangsbeheer op documentniveau en op rollen gebaseerde toegang.
Schaal en gebruik in productie met Azure-betrouwbaarheid, bewaking en diagnose (logboeken, metrische gegevens en waarschuwingen) en REST API- of SDK-hulpprogramma's voor automatisering.
Zie Functies van Azure AI Search voor meer informatie over specifieke functionaliteit.
Wat is klassieke zoekopdracht?
Klassieke zoekopdrachten zijn een index-first ophaalmodel voor voorspelbare query's met lage latentie. Elke query is gericht op één vooraf gedefinieerde zoekindex en retourneert gerangschikte documenten in één aanvraagresponscyclus. Tijdens het ophalen vindt er geen LLM-ondersteunde planning, iteratie of synthese plaats.
In deze architectuur bevindt uw zoekservice zich tussen de gegevensarchieven die uw niet-verwerkte inhoud en uw client-app bevatten. De app is verantwoordelijk voor het verzenden van queryaanvragen naar uw zoekservice en het verwerken van het antwoord.
Deze architectuur heeft twee primaire workloads:
Door inhoud te indexeren wordt inhoud in een index geladen en kan deze worden doorzocht. Intern worden inkomende teksten getokeniseerd en opgeslagen in omgekeerde indexen, terwijl inkomende vectoren worden opgeslagen in vectorindexen. Azure AI Search kan alleen JSON-documenten indexeren. U kunt de pushmethode gebruiken om JSON-documenten rechtstreeks te uploaden of de pull-methode (indexeerfunctie of werkstroom voor logische apps) om gegevens op te halen en te serialiseren in JSON.
Tijdens het indexeren kunt u AI-verrijking gebruiken om tekst te segmenteren, vectoren te genereren en andere transformaties toe te passen die structuur en inhoud maken. Azure AI Search serialiseert vervolgens de verrijkte uitvoer in JSON-documenten en neemt deze op in de index.
Opmerking
Dit diagram scheidt de indexerings- en query-engines voor duidelijkheid, maar in Azure AI Search zijn ze hetzelfde onderdeel dat wordt uitgevoerd in de modus lezen/schrijven en alleen-lezen.
Wat is agentisch ophalen?
Agentic retrieval is een multi-query pipeline ontworpen voor complexe agent-naar-agent werkstromen. Elke query is gericht op een knowledge base die een volledig kennisdomein vertegenwoordigt. Uw agent raadpleegt de kennisbank voor wat als basis moet dienen, terwijl de kennisbank afhandelt hoe u dit baseert.
Een knowledge base bestaat uit een of meer kennisbronnen, een optionele LLM voor queryplanning en antwoordsynthese en parameters die het ophalen van gedrag bepalen. Elke query ondergaat planning, ontleding in gerichte subquery's, parallel ophalen uit kennisbronnen, semantische rerankering en samenvoeging van resultaten. De drieledige reactie is geoptimaliseerd voor agentverbruik.
Onder de schermen bouwt agentisch ophalen voort op de klassieke zoekarchitectuur door een contextlaag (knowledge base) toe te voegen die het ophalen van meerdere bronnen organiseert. Kennisbronnen kunnen worden geïndexeerd of extern: geïndexeerde bronnen gebruiken dezelfde indexerings- en query-engines als klassieke zoekopdrachten, terwijl externe bronnen indexering omzeilen en live worden opgevraagd.
Hoe ze vergelijken
Klassiek zoeken en agentisch ophalen zijn complementaire modi voor het ophalen van informatie. Beide ondersteunen zoeken in volledige tekst, vector, hybride en multimodale zoekopdrachten. Ze verschillen echter in hoe inhoud wordt opgenomen en opgevraagd. De volgende tabel bevat een overzicht van de belangrijkste verschillen.
| Kenmerk | Klassieke zoekopdracht | Agentisch ophalen |
|---|---|---|
| Corpus zoeken | Zoekindex | Kennisbron |
| Zoekdoel | Eén index gedefinieerd door een schema | Een knowledge base die verwijst naar een of meer kennisbronnen |
| Een queryplan | Geen plan, alleen een aanvraag | LLM-ondersteund of door de gebruiker geleverd plan |
| Queryaanvraag | Documenten zoeken in een index | Ophalen uit kennisbronnen |
| Reactie | Afgevlakte zoekresultaten op basis van schema | LLM-geformuleerd antwoord of onbewerkte brongegevens, activiteitenlog, referenties |
| Regiobeperkingen | Nee. | Yes |
| Toestand | Algemeen beschikbaar | Openbare preview |
Aan de slag
U hebt toegang tot Azure AI Search via Azure Portal, REST API's en Azure SDK's voor .NET, Java, Java, JavaScript en Python.
De portal is handig voor servicebeheer en inhoudsbeheer, met hulpprogramma's voor het maken van prototypen van uw knowledge bases, kennisbronnen, indexen, indexeerfuncties, vaardighedensets en gegevensbronnen. REST API's en SDK's zijn handig voor productieautomatisering.
Kies uw pad
Voordat u aan de slag gaat, gebruikt u deze controlelijst om belangrijke beslissingen te nemen:
Kies een zoekmachine: Als u geen agent of chatbot gebruikt, kan klassieke zoekopdrachten voldoen aan de meeste app-behoeften, met lagere kosten en complexiteit dan LLM-integratie. Als u de voordelen van een knowledge base en meerdere kennisbronnen zonder volledige LLM-indeling wilt, kunt u overwegen om agentisch op te halen met minimale redenering.
Kies een regio: Kies een ondersteunde regio als u gebruik maakt van agent retrieval. Kies voor klassiek zoeken een regio met de functies en capaciteit die u nodig hebt.
Kies een opnamemethode voor indexgebonden inhoud: Als uw inhoud zich in een ondersteunde gegevensbron bevindt, gebruikt u de pull-methode om gegevens op te halen en te serialiseren in JSON. Als u geen ondersteunde gegevensbron hebt of als uw inhoud en index in realtime moeten worden gesynchroniseerd, is de pushmethode de enige optie.
Heb je vectoren nodig? VOOR LLM's en agents zijn geen vectoren vereist. Gebruik ze alleen als u overeenkomsten zoekt of als u inhoud hebt die in vectoren kan worden gehomogeniseerd. Azure AI Search biedt geïntegreerde vectorisatie voor deze taak.
Hebt u gebruikersgebaseerde overerving van machtigingen nodig? Remote SharePoint is ontworpen voor dit scenario, maar u kunt ook gebruikersmachtigingen overnemen die zijn gekoppeld aan inhoud in Azure Blob Storage of ADLS Gen2. Voor alle andere scenario's kunt u de tijdelijke oplossing voor beveiligingsfilters gebruiken.
Uw leerbronnen kiezen
We onderhouden quickstarts voor diverse end-to-end zoekscenario's.
- Quickstart: Agent-gebaseerd ophalen (portal of programmatisch)
- Quickstart: Zoeken in volledige tekst (portal of programmatisch)
- Quickstart: Vector search (portal of programmatisch)
Aanbeveling
Neem voor hulp bij complexe of aangepaste oplossingen contact op met een partner met diepgaande expertise in Azure AI Search.