Vad är Azure AI Search?

Azure AI Search (kallades tidigare "Azure Cognitive Search") är ett företagsklart sök- och hämtningssystem med en omfattande uppsättning avancerad sökteknik som skapats för högpresterande program i alla storlekar.

Azure AI Search är det primära rekommenderade hämtningssystemet när du skapar RAG-baserade program i Azure, med interna LLM-integreringar mellan Azure OpenAI Service och Azure Machine Learning.

Azure AI Search kan användas i både traditionella scenarier och GenAI-scenarier. Vanliga användningsfall är kunskapsbas insikter (katalog- eller dokumentsökning), identifiering av information (datautforskning), hämtningsförhöjd generering (RAG) och automatisering.

När du skapar en söktjänst arbetar du med följande funktioner:

• En sökmotor för vektorsökning och fulltext - och hybridsökning över ett sökindex
• Omfattande indexering med integrerad datasegmentering och vektorisering, lexikal analys av text och valfri tillämpad AI för extrahering och omvandling av innehåll
• RtF-frågesyntax för vektorfrågor, textsökning, hybridfrågor, fuzzy-sökning, automatisk komplettering, geo-sökning och andra
• Relevans- och frågeprestandajustering med semantisk rangordning, bedömningsprofiler, kvantisering för vektorfrågor och parametrar för att kontrollera frågebeteenden vid körning
• Azure-skalning, säkerhet och räckvidd
• Azure-integrering på datanivå, maskininlärningslager, Azure AI-tjänster och Azure OpenAI

Skapa en söktjänst

Arkitektoniskt finns en söktjänst mellan de externa datalager som innehåller dina oindexerade data och klientappen som skickar frågebegäranden till ett sökindex och hanterar svaret.

I klientappen definieras sökupplevelsen med API:er från Azure AI Search och kan innehålla relevansjustering, semantisk rangordning, automatisk komplettering, synonymmatchning, fuzzy-matchning, mönstermatchning, filter och sortering.

På Azure-plattformen kan Azure AI Search integreras med andra Azure-tjänster i form av indexerare som automatiserar datainmatning/hämtning från Azure-datakällor och kompetensuppsättningar som innehåller förbrukningsbar AI från Azure AI-tjänster, till exempel bearbetning av avbildning och naturligt språk eller anpassad AI som du skapar i Azure Machine Learning eller omsluter i Azure Functions.

Inuti en söktjänst

I själva söktjänsten indexerar och frågar de två primära arbetsbelastningarna.

• Indexering är en intagsprocess som läser in innehåll i söktjänsten och gör den sökbar. Internt bearbetas inkommande text till token och lagras i inverterade index, och inkommande vektorer lagras i vektorindex. Dokumentformatet som Azure AI Search kan indexera är JSON. Du kan ladda upp JSON-dokument som du har sammanställt eller använda en indexerare för att hämta och serialisera dina data till JSON.

  Tillämpad AI via en kompetensuppsättning utökar indexeringen med bild- och språkmodeller. Om du har bilder eller stor ostrukturerad text i källdokumentet kan du bifoga kunskaper som utför OCR, analyserar och beskriver bilder, härleder struktur, översätter text med mera. Utdata är text som kan serialiseras till JSON och matas in i ett sökindex.

  Kunskapsuppsättningar kan också utföra datasegmentering och vektorisering under indexering. Kunskaper som ansluter till Azure OpenAI, modellkatalogen i Azure AI Studio eller anpassade kunskaper som kopplas till en extern segmenterings- och inbäddningsmodell kan användas under indexeringen för att skapa vektordata. Utdata är segmenterat vektorinnehåll som kan matas in i ett sökindex.

• Frågor kan inträffa när ett index har fyllts i med sökbart innehåll när klientappen skickar frågeförfrågningar till en söktjänst och hanterar svar. All frågekörning är över ett sökindex som du styr.

  Semantisk rangordning är ett tillägg för frågekörning. Den lägger till sekundär rangordning med hjälp av språkförståelse för att omvärdera en resultatuppsättning och främja de mest semantiskt relevanta resultaten högst upp.

  Integrerad vektorisering är också ett tillägg för frågekörning. Om du har vektorfält i sökindexet kan du skicka rådatavektorfrågor eller text som är vektoriserad vid frågetillfället.

Varför ska du använda Azure AI Search?

Azure AI Search passar bra för följande programscenarier:

• Använd den för traditionell fulltextsökning och nästa generations vektorlikhetssökning. Backa upp dina generativa AI-appar med informationshämtning som utnyttjar fördelarna med både nyckelords- och likhetssökning. Använd båda metoderna för att hämta de mest relevanta resultaten.

• Konsolidera heterogent innehåll till ett användardefinierat och ifyllt sökindex som består av vektorer och text. Du behåller ägarskapet och kontrollen över vad som är sökbart.

• Integrera datasegmentering och vektorisering för generativa AI- och RAG-appar.

• Använd detaljerad åtkomstkontroll på dokumentnivå.

• Avlasta indexering och fråga arbetsbelastningar till en dedikerad söktjänst.

• Implementera enkelt sökrelaterade funktioner: relevansjustering, fasetterad navigering, filter (inklusive geo-spatial sökning), synonymmappning och automatisk komplettering.

• Omvandla stora icke-likgiltiga text- eller bildfiler, eller programfiler som lagras i Azure Blob Storage eller Azure Cosmos DB, till sökbara segment. Detta uppnås under indexering via AI-kunskaper som lägger till extern bearbetning från Azure AI.

• Lägg till språklig eller anpassad textanalys. Om du har icke-engelskt innehåll har Azure AI Search stöd för både Lucene-analysatorer och Microsofts processorer för naturligt språk. Du kan också konfigurera analysverktyg för att uppnå specialiserad bearbetning av råinnehåll, till exempel filtrering av diakritiska tecken eller identifiering och konservering av mönster i strängar.

Mer information om specifika funktioner finns i Funktioner i Azure AI Search

Så här kommer du igång

Funktioner exponeras via Azure Portal, enkla REST-API:er eller Azure SDK:er som Azure SDK för .NET. Azure Portal stöder tjänstadministration och innehållshantering, med verktyg för prototyper och frågor mot dina index och kompetensuppsättningar.

Använda Azure Portal

En utforskning från slutpunkt till slutpunkt av kärnsökfunktioner kan utföras i fyra steg:

1. Besluta om en nivå och region. En kostnadsfri söktjänst tillåts per prenumeration. Alla snabbstarter kan slutföras på den kostnadsfria nivån. För mer kapacitet och funktioner behöver du en fakturerbar nivå.

2. Skapa en söktjänst i Azure Portal.

3. Börja med guiden Importera data. Välj ett inbyggt exempel eller en datakälla som stöds för att skapa, läsa in och köra frågor mot ett index på några minuter.

4. Slutför med Search Explorer med hjälp av en portalklient för att fråga det sökindex som du nyss skapade.

Använd API: er

Du kan också skapa, läsa in och fråga ett sökindex i atomiska steg:

1. Skapa ett sökindex med hjälp av portalen, REST API, .NET SDK eller något annat SDK. Indexschemat definierar strukturen för sökbart innehåll.

2. Ladda upp innehåll med hjälp av push-modellen för att skicka JSON-dokument från valfri källa, eller använd "pull"-modellen (indexerare) om dina källdata är av en typ som stöds.

3. Fråga ett index med Sökutforskaren i portalen, REST API, .NET SDK eller något annat SDK.

Använda acceleratorer

Eller prova lösningsacceleratorer:

• Chatta med din datalösningsaccelerator hjälper dig att skapa en anpassad RAG-lösning över ditt innehåll.

• Lösningsacceleratorn för konversationskunskapsutvinning hjälper dig att skapa en interaktiv lösning för att extrahera användbara insikter från avskrifter från post-contact center.

• Acceleratorn Document Knowledge Mining hjälper dig att bearbeta och extrahera sammanfattningar, entiteter och metadata från ostrukturerade, multimodala dokument.

• Skapa en egen copilot-lösningsaccelerator, använd Azure OpenAI Service, Azure AI Search och Microsoft Fabric för att skapa anpassade copilot-lösningar.

  • Allmän andrepilot hjälper dig att skapa en egen andrepilot för att identifiera relevanta dokument, sammanfatta ostrukturerad information och generera Word-dokumentmallar med dina egna data.

  • Klient advisor allt-i-ett anpassad copilot ger Client Advisor möjlighet att utnyttja kraften i generativ AI över både strukturerade och ostrukturerade data. Hjälpa våra kunder att optimera dagliga uppgifter och främja bättre interaktioner med fler klienter

  • Forskningsassistenten hjälper dig att skapa en egen AI-assistent för att identifiera relevanta dokument, sammanfatta och kategorisera stora mängder ostrukturerad information och påskynda den övergripande dokumentgranskningen och innehållsgenereringen.

Dricks

Om du vill ha hjälp med komplexa eller anpassade lösningar kontaktar du en partner med djup expertis inom Azure AI Search-teknik.

Jämför sökalternativ

Kunder frågar ofta hur Azure AI Search jämförs med andra sökrelaterade lösningar. I följande tabell sammanfattas viktiga skillnader.

Jämfört med	Viktiga skillnader
Microsoft Search	Microsoft Search är för Microsoft 365-autentiserade användare som behöver fråga efter innehåll i SharePoint. Azure AI Search hämtar innehåll i Azure och alla JSON-datauppsättningar.
Bing	API:er i Bing frågar indexen på Bing.com efter matchande termer. Azure AI Search söker efter index som fyllts med ditt innehåll. Du styr datainmatningen och schemat.
Databassökning	Azure SQL har fulltextsökning och vektorsökning. Azure Cosmos DB har även textsökning och vektorsökning. Azure AI Search blir ett attraktivt alternativ när du behöver funktioner som relevansjustering eller innehåll från heterogena källor. Resursutnyttjande är en annan brytpunkt. Indexering och frågor är beräkningsintensiva. Om du avlastar sökningen från DBMS bevaras systemresurser för transaktionsbearbetning.
Dedikerad söklösning	Förutsatt att du har bestämt dig för dedikerad sökning med fullständiga spektrumfunktioner är en slutlig kategorisk jämförelse mellan söktekniker. Bland molnleverantörer är Azure AI Search starkast för vektor-, nyckelords- och hybridarbetsbelastningar över innehåll i Azure, för appar som främst förlitar sig på sökning efter både informationshämtning och innehållsnavigering.

Viktiga fördelar är:

• Stöd för vektor- och icke-bevektorindexering (text) och frågor. Med vektorlikhetssökning kan du hitta information som semantiskt liknar sökfrågor, även om söktermer inte matchar exakt. Använd hybridsökning för det bästa av nyckelords- och vektorsökning.
• Rangordning och relevansjustering via semantisk rangordning och bedömningsprofiler. Frågesyntax stöder termförstärkning och fältprioritering.
• Azure-dataintegrering (crawlers) på indexeringslagret.
• Azure AI-integrering för omvandlingar som gör innehållstext och vektorsökningsbar.
• Microsoft Entra-säkerhet för betrodda anslutningar och Azure Private Link för privata anslutningar i scenarier utan Internet.
• Fullständig sökupplevelse: Språklig och anpassad textanalys på 56 språk. Fasettering, komplettera frågor automatiskt och föreslagna resultat och synonymer.
• Azure-skalning, tillförlitlighet och global räckvidd.