Nota
O acesso a esta página requer autorização. Pode tentar iniciar sessão ou alterar os diretórios.
O acesso a esta página requer autorização. Pode tentar alterar os diretórios.
O Azure AI Search é um serviço totalmente gerido e alojado na cloud que liga os seus dados à IA. O serviço unifica o acesso a conteúdos empresariais e web para que agentes e LLMs possam usar o contexto, o histórico de conversas e sinais multifonte para produzir respostas fiáveis e fundamentadas.
Casos de uso comuns incluem pesquisa clássica e geração moderna aumentada por recuperação (RAG) via recuperação agencial. Isto torna o Azure AI Search adequado tanto para cenários empresariais como de consumidor, quer esteja a adicionar funcionalidade de pesquisa a um website, aplicação, agente ou chatbot.
Ao criar um serviço de pesquisa, desbloqueia as seguintes funcionalidades:
- Dois motores: pesquisa clássica para pedidos únicos e recuperação agentical para pesquisa paralela, iterativa e assistida por LLM.
- Consultas em texto completo, vetoriais, híbridas e multimodais sobre conteúdos locais (indexados) e remotos.
- Enriquecimento da IA para segmentar, vetorizar e tornar o conteúdo bruto pesquisável.
- Ajuste de relevância para melhorar a correspondência de intenções e a qualidade dos resultados.
- Escala Azure, segurança, monitorização e conformidade.
- Integrações Azure com plataformas de dados suportadas, Azure OpenAI e Microsoft Foundry.
Por que usar o Azure AI Search?
Agentes terrestres e chatbots em dados proprietários, empresariais ou web para respostas precisas e conscientes do contexto.
Aceda aos dados do Azure Blob Storage, Azure Cosmos DB, Microsoft SharePoint, Microsoft OneLake e outras fontes de dados suportadas. Escolha acesso indexado ou remoto com base nas suas necessidades de frescura, latência e conformidade.
Enriquecer e estruturar o conteúdo no momento da indexação ou da consulta com ferramentas que realizam chunking, embedding e transformações assistidas por LLM.
Combine pesquisa em texto completo com pesquisa vetorial (pesquisa híbrida) para equilibrar precisão e recordação.
Consulta conteúdos que contêm texto e imagens numa única sequência de processamento multimodal.
Implemente facilmente recursos relacionados à pesquisa: ajuste de relevância, navegação facetada, filtros (incluindo pesquisa geoespacial), mapeamento de sinônimos e preenchimento automático.
Fornecer segurança empresarial, controlo de acessos e conformidade através do Microsoft Entra, Azure Private Link, controlo de acesso ao nível do documento e acesso baseado em funções.
Escalar e operar em produção com fiabilidade do Azure, monitorização e diagnóstico (logs, métricas e alertas), e ferramentarias de REST API ou SDK para automação.
Para mais informações sobre funcionalidades específicas, consulte Funcionalidades do Azure AI Search.
O que é a pesquisa clássica?
A pesquisa clássica é um modelo de recuperação index-first para consultas previsíveis e de baixa latência. Cada consulta tem como alvo um único índice de pesquisa pré-definido e devolve documentos ordenados num ciclo de pedido–resposta. Durante a recolha não ocorre planeamento, iteração ou síntese assistida por LLM.
Nesta arquitetura, o seu serviço de pesquisa situa-se entre os repositórios de dados que contêm o seu conteúdo não processado e a aplicação do cliente. A aplicação é responsável por enviar pedidos de consulta para o seu serviço de pesquisa e tratar das respostas.
Esta arquitetura tem duas cargas de trabalho principais:
A indexação carrega conteúdo num índice e torna-o pesquisável. Internamente, o texto de entrada é tokenizado e armazenado em índices invertidos, enquanto os vetores de entrada são armazenados em índices vetoriais. O Azure AI Search só pode indexar documentos JSON. Podes usar o método push para carregar documentos JSON diretamente ou o método pull (indexador ou workflow de aplicação lógica) para recuperar e serializar dados em JSON.
Durante a indexação, pode usar o enriquecimento de IA para fragmentar texto, gerar vetores e aplicar outras transformações que criam estrutura e conteúdo. O Azure AI Search serializa então a saída enriquecida em documentos JSON e integra-os no índice.
Observação
Este diagrama separa os motores de indexação e de consulta para maior clareza, mas no Azure AI Search, são o mesmo componente a operar em modos de leitura-escrita e apenas leitura.
O que é recuperação agentica?
A recuperação agente é um pipeline de múltiplas consultas concebido para fluxos de trabalho complexos de agente para agente. Cada consulta tem como alvo uma base de conhecimento que representa um domínio completo do conhecimento. O seu agente consulta a base de conhecimento para saber em que se basear, enquanto a base de conhecimento trata de como fazer o grounding.
Uma base de conhecimento consiste em uma ou mais fontes de conhecimento, um LLM opcional para planeamento de consultas e síntese de respostas, e parâmetros que regem o comportamento de recuperação. Cada consulta passa por planeamento, decomposição em subconsultas focadas, recuperação paralela a partir de fontes de conhecimento, reclassificação semântica e fusão de resultados. A resposta em três frentes está otimizada para o consumo de agentes.
Nos bastidores, a recuperação agêntica baseia-se na arquitetura clássica de pesquisa ao adicionar uma camada de contexto (base de conhecimento) que orquestra a recuperação de múltiplas fontes. As fontes de conhecimento podem ser indexadas ou remotas: as fontes indexadas usam os mesmos motores de indexação e consulta que a pesquisa clássica, enquanto as fontes remotas contornam a indexação e são consultadas em tempo real.
Como se comparam
A pesquisa clássica e a recuperação agential são modos complementares de recuperação de informação. Ambos suportam pesquisa em texto completo, vetorial, híbrida e multimodal . No entanto, diferem na forma como o conteúdo é ingerido e consultado. A tabela seguinte resume as suas principais diferenças.
| Aspeto | Pesquisa clássica | Recuperação agentica |
|---|---|---|
| Corpus de pesquisa | Índice de pesquisa | Fonte de conhecimento |
| Alvo de busca | Um índice definido por um esquema | Uma base de conhecimento que aponta para uma ou mais fontes de conhecimento |
| Plano de consulta | Sem plano, apenas um pedido | Plano assistido por LLM ou fornecido pelo utilizador |
| Pedido de consulta | Pesquise documentos num índice | Recuperar de fontes de conhecimento |
| Resposta | Resultados de pesquisa achatados baseados no esquema | Resposta formulada por LLM ou dados de fonte bruta, registo de atividade, referências |
| Restrições regionais | Não | Yes |
| Situação | Disponível ao público em geral | Pré-visualização pública |
Como começar
Pode aceder ao Azure AI Search através do portal Azure, APIs REST e SDKs Azure para .NET, Java, JavaScript e Python.
O portal é útil para administração de serviços e gestão de conteúdos, com ferramentas para prototipar as suas bases de conhecimento, fontes de conhecimento, índices, indexadores, conjuntos de competências e fontes de dados. APIs e SDKs REST são úteis para automação de produção.
Escolha o seu caminho
Antes de começar, utilize esta lista de verificação para tomar decisões importantes:
Escolha um motor de busca: Se não estiver a usar um agente ou chatbot, a pesquisa clássica pode satisfazer a maioria das necessidades da aplicação, com custos e complexidade inferiores ao da integração com LLM. Se queres os benefícios de uma base de conhecimento e múltiplas fontes de conhecimento sem orquestração completa de LLM, considera a recuperação agential com o mínimo esforço de raciocínio.
Escolha uma região: Se estiveres a usar recuperação agente, escolhe uma região suportada. Para pesquisa clássica, escolha uma região que ofereça as funcionalidades e capacidade de que precisa.
Escolha um método de ingestão para conteúdos indexados: Se o seu conteúdo estiver numa fonte de dados suportada, use o método pull para recuperar e serializar dados em JSON. Se não tiver uma fonte de dados suportada, ou se o seu conteúdo e índice tiverem de ser sincronizados em tempo real, o método push é a sua única opção.
Precisas de vetores? LLMs e agentes não precisam de vetores. Só os use se precisar de pesquisa por similaridade ou se tiver conteúdo que possa ser homogeneizado em vetores. O Azure AI Search oferece vetorização integrada para esta tarefa.
Precisa de herança de permissões baseada no utilizador? O SharePoint remoto foi concebido para este cenário, mas também pode herdar permissões de utilizador associadas ao conteúdo no Azure Blob Storage ou ADLS Gen2. Para todos os outros cenários, podes usar a solução alternativa do filtro de segurança .
Escolha os seus recursos de aprendizagem
Mantemos guias de início rápido que abrangem vários cenários de pesquisa completos:
- Quickstart: Recuperação agentica (portal ou programática)
- Quickstart: Pesquisa em texto completo (portal ou programática)
- Quickstart: Pesquisa vetorial (portal ou programática)
Gorjeta
Para ajuda com soluções complexas ou personalizadas, contacte um parceiro com vasta experiência em Azure AI Search.