Kommentar
Åtkomst till den här sidan kräver auktorisering. Du kan prova att logga in eller ändra kataloger.
Åtkomst till den här sidan kräver auktorisering. Du kan prova att ändra kataloger.
Observera
Azure AI-sökning är tillgängligt via Azure-portalen, REST-API:er och Azure-SDK:er. Den ligger också till grund för Foundry IQ, det hanterade kunskapsskiktet som omvandlar företagsinnehåll till återanvändbara, behörighetsmedvetna kunskapsbaser för agenter i Microsoft Foundry-portalen.
Azure AI-sökning är en fullständigt hanterad molnbaserad tjänst som ansluter dina data till AI. Tjänsten förenar åtkomst till företags- och webbinnehåll så att agenter och LLM:er kan använda kontext, chatthistorik och signaler med flera källor för att skapa tillförlitliga, jordade svar.
Azure AI-sökning finns i två prismodeller:
Dedikerad: Etablerad kapacitet med fast prissättning. Du väljer en tjänstnivå och debiteras per timme utifrån antalet sökenheter (SU). Bäst för stadiga, förutsägbara arbetsbelastningar med hög användning.
Serverlös (förhandsversion): Förbrukningsbaserad prissättning mätt med beräkningsenheter per timme (CU/hr) och per GB/månad för indexerad lagring. Bäst för sällsynta, toppiga eller mycket varierande arbetsbelastningar.
Important
Nivån Serverless Developer är för närvarande i förhandsversion. Den här förhandsversionen tillhandahålls utan ett serviceavtal och rekommenderas inte för produktionsarbetsbelastningar. Vissa funktioner kanske inte stöds eller kan vara begränsade. Mer information finns i Kompletterande villkor för användning av Microsoft Azure-förhandsversioner.
Fakturering för nivån Serverlös utvecklare är ännu inte aktiverad under förhandsversionen. Uppskattade kostnader för din användning är tillgängliga i Azure-portalen och telemetrin, men den användningen visas inte på din Azure faktura under den första perioden. Microsoft anger minst 30 dagars varsel innan faktureringen börjar. Uppskjutning av fakturering under den här förhandsversionen är tillfällig. Serverlös utvecklare är en betald nivå och du kommer att ansvara för eventuella avgifter som ackumuleras när faktureringen börjar.
Nivån Serverlös utvecklare stöder inte migrering till eller från andra prisnivåer och vissa funktioner som är tillgängliga på andra nivåer stöds inte under den offentliga förhandsversionen. Tjänstbegränsningar, funktioner som stöds och prisinformation kan ändras före allmän tillgänglighet.
Förhandsversionen är för närvarande endast tillgänglig i USA, västra centrala, Schweiz, norra och Japan, östra.
Vanliga användningsfall är klassisk sökning och hämtningsförhöjd generering (RAG) med hjälp av agentisk hämtning, där tjänsten samordnar frågeplanering, hämtning och svarskonstruktion. Dessa funktioner stöder scenarier som sträcker sig från traditionella sökupplevelser till AI-baserade agenter och chattprogram som är lämpliga för både företags- och konsumentscenarier.
När du skapar en söktjänst ingår följande funktioner:
- Två motorer: klassisk sökning efter enskilda begäranden och agentisk hämtning för parallell, iterativ, LLM-assisterad sökning.
- Fulltext-, vektor-, hybrid- och multimodala frågor över lokalt (indexerat) och fjärrinnehåll.
- AI-berikning för att dela upp, vektorisera och på annat sätt göra råmaterial sökbart.
- Relevansjustering för att förbättra avsiktsmatchning och resultatkvalitet.
- Azure-skalning, säkerhet, övervakning och efterlevnad.
- Azure integreringar med dataplattformar som stöds, Azure OpenAI och Microsoft Foundry.
Varför ska Azure AI-sökning användas?
Grundläggande agenter och chattrobotar förankrade i proprietära, företags- eller webbdatabaser för korrekta, sammanhangsmedvetna svar.
Få åtkomst till data från Azure Blob Storage, Azure Cosmos DB, Microsoft SharePoint, Microsoft OneLake och andra datakällor som stöds. Välj indexerad eller fjärråtkomst baserat på dina behov av färskhet, svarstid och efterlevnad.
Berika och strukturera innehåll vid indexering eller frågetid med kunskaper som utför segmentering, inbäddning och LLM-assisterade transformeringar.
Kombinera fulltextsökning med vektorsökning (hybridsökning) för att balansera precision och återkallande.
Fråga efter innehåll som innehåller både text och bilder i en enda multimodal pipeline.
Implementera enkelt sökrelaterade funktioner: relevansjustering, fasetterad navigering, filter (inklusive geo-spatial sökning), synonymmappning och automatisk komplettering.
Tillhandahålla företagssäkerhet, åtkomstkontroll och efterlevnad via Microsoft Entra, Azure Private Link, åtkomstkontroll på dokumentnivå och rollbaserad åtkomst.
Skala och arbeta i produktion med Azure tillförlitlighet, övervakning och diagnostik (loggar, mått och aviseringar) och REST API eller SDK-verktyg för automatisering.
Observera
I prismodellen Serverlös hanteras skalning automatiskt av tjänsten. Till skillnad från dedikerade modeller där du konfigurerar repliker och partitioner använder Serverless förbrukningsbaserad skalning och servicenivågränser för att hantera kapacitet. Mer information finns i Optimera kostnader med den serverlösa prismodellen.
Mer information om specifika funktioner finns i Funktioner för Azure AI-sökning.
Vad är klassisk sökning?
Klassisk sökning är en index-första hämtningsmodell för förutsägbara frågor med låg svarstid. Varje fråga riktar sig mot ett enda fördefinierat sökindex och returnerar rangordnade dokument i en begäran–svar-cykel. Ingen LLM-assisterad planering, iteration eller syntes sker under hämtningen.
I den här arkitekturen finns söktjänsten mellan de datalager som innehåller ditt obearbetade innehåll och klientappen. Appen ansvarar för att skicka frågeförfrågningar till din söktjänst och hantera svaret.
Den här arkitekturen har två primära arbetsbelastningar:
Indexering läser in innehåll i ett index och gör det sökbart. Internt tokeniseras och lagras inkommande text i inverterade index, medan inkommande vektorer lagras i vektorindex. Azure AI-sökning kan bara indexera JSON-dokument. Du kan använda push-metoden för att ladda upp JSON-dokument direkt eller pull-metoden (indexeraren eller logikappens arbetsflöde) för att hämta och serialisera data till JSON.
Under indexeringen kan du använda AI-berikning för att segmentera text, generera vektorer och tillämpa andra omvandlingar som skapar struktur och innehåll. Azure AI-sökning serialiserar sedan de berikade utdata i JSON-dokument och matar in dem i indexet.
Observera
Det här diagrammet separerar indexerings- och frågemotorerna för tydlighetens skull, men i Azure AI-sökning är de samma komponent och verkar i lägen för läs- och skrivåtkomst och skrivskyddade lägen.
Vad är agentisk hämtning?
Agentisk hämtning är en pipeline med flera parallella sökfrågor avsedd för att hantera komplexa arbetsflöden mellan agenter. Varje fråga riktar sig mot en kunskapsbas som representerar en fullständig kunskapsdomän. Din agent refererar till kunskapsbasen för vad som ska ligga till grund för, medan kunskapsbasen hanterar hur man utför grundning.
En kunskapsbas består av en eller flera kunskapskällor, en valfri LLM för frågeplanering och svarssyntes samt parametrar som styr hämtningsbeteendet. Varje fråga genomgår planering, nedbrytning i fokuserade underfrågor, parallell hämtning från kunskapskällor, semantisk reranking och sammanslagning av resultat. Det tredelade svaret är optimerat för agentförbrukning.
Under huven bygger agentisk hämtning på den klassiska sökarkitekturen genom att lägga till ett kontextskikt (kunskapsbas) som samordnar hämtning med flera källor. Kunskapskällor kan indexeras eller fjärranslutas: indexerade källor använder samma indexerings- och frågemotorer som klassisk sökning, medan fjärrkällor kringgår indexering och efterfrågas live.
Så här jämför de
Klassisk sökning och agentisk hämtning är kompletterande lägen för informationshämtning. Båda stöder fulltext,vektor, hybrid och multimodal sökning. De skiljer sig dock åt i hur innehållet matas in och efterfrågas. I följande tabell sammanfattas de viktigaste skillnaderna.
| Aspekt | Klassisk sökning | Agentbaserad hämtning |
|---|---|---|
| Sök korpus | Sökindex | Kunskapskälla |
| Sökmål | Ett index som definieras av ett schema | En kunskapsbas som pekar på en eller flera kunskapskällor |
| Frågeplan | Ingen plan, bara en begäran | LLM-assisterad eller användartillhandahållen plan |
| Frågebegäran | Söka i dokument i ett index | Hämta från kunskapskällor |
| Svar | Utplattade sökresultat baserat på schema | LLM-formulerat svar eller råkälldata, aktivitetslogg, referenser |
| Regionbegränsningar | Nej | Ja |
| Status | Allmänt tillgänglig | Allmänt tillgänglig, med vissa funktioner i förhandsversionen |
| Stöd för dedikerade prissättningsmodeller | Ja | Ja |
| Stöd för serverlös prismodell | Ja | Ja |
Så här kommer du igång
Du kan komma åt Azure AI-sökning via Azure-portalen, REST-API:er, och Azure-SDK:er för .NET, Java, JavaScript och Python.
Portalen är användbar för tjänstadministration och innehållshantering, med verktyg för prototyper av dina kunskapsbaser, kunskapskällor, index, indexerare, kompetensuppsättningar och datakällor. REST-API:er och SDK:er är användbara för produktionsautomatisering.
Välj sökväg
Innan du kommer igång använder du den här checklistan för att fatta viktiga beslut:
Välj en prismodell: Välj mellan den dedikerade eller serverlösa prismodellen. Se Välj en prismodell och tjänstnivå för hjälp med att välja den modell som bäst passar dina behov.
Välj hur du vill hämta data: Du kan fråga direkt från ett sökindex för förutsägbara resultat med låg svarstid eller använda agentisk hämtning för att fråga över flera index via en kunskapsbas. Om du skapar en traditionell app utan en agent eller chattrobot kan direkta indexfrågor uppfylla de flesta behov med lägre kostnad och komplexitet. Om du vill arbeta med flera kunskapskällor eller stödja mer avancerade scenarier kan du överväga agentisk hämtning med minimalt resonemang.
Välj en region: Om du använder agentisk hämtning väljer du en region som stöds. För klassisk sökning väljer du en region som erbjuder de funktioner och den kapacitet du behöver.
Välj en inmatningsmetod för indexbundet innehåll: Om innehållet finns i en datakälla som stöds använder du pull-metoden för att hämta och serialisera data till JSON. Om du inte har någon datakälla som stöds, eller om ditt innehåll och ditt index måste synkroniseras i realtid, är push-metoden ditt enda alternativ.
Behöver du vektorer? LLM:er och agenter kräver inte vektorer. Använd dem endast om du behöver likhetssökning eller om du har innehåll som kan homogeniseras till vektorer. Azure AI-sökning erbjuder integrerad vektorisering för den här uppgiften.
Behöver du användarbaserat arv av behörigheter? Fjärr SharePoint är utformat för det här scenariot, men du kan också ärva användarbehörigheter som är kopplade till innehåll i Azure Blob Storage eller ADLS Gen2. För alla andra scenarier kan du använda lösningen för säkerhetsfilter .
Välj dina utbildningsresurser
De här snabbstarterna och exemplen är tillgängliga för att hjälpa dig att komma igång.
- Snabbstart: Agentisk hämtning (portal eller programmatisk)
- Snabbstart: Fulltextsökning (portal ellerprogrammatisk)
- Snabbstart: Vektorsökning (portal eller programmatisk)
Tips
För hjälp med komplexa eller anpassade lösningar kan du kontakta en partner med djup expertis inom Azure AI-sökning.