快速入門：整合向量化（預覽）

發行項
04/04/2024

重要

匯入和向量化數據精靈在補充使用規定下處於公開預覽狀態。它會以 2023-10-01-Preview REST API 為目標。

使用 Azure 入口網站中的匯入和向量化數據精靈，開始使用整合向量化（預覽）。此精靈會呼叫 Azure OpenAI 文字內嵌模型，以在編製索引和查詢期間向量化內容。

在此精靈的預覽版本中：

源數據僅供 Blob 使用預設剖析模式（每個 Blob 一個搜尋檔）。
索引架構不可設定。來源欄位包括 content （區塊化和向量化）， metadata_storage_name 用於標題，以及 metadata_storage_path 填入為 parent_id 索引中檔索引鍵的。
向量化僅限 Azure OpenAI（text-embedding-ada-002），使用具有預設值的 HNSW 演算法。

區塊化不可設定。有效的設定如下：

textSplitMode: "pages",
maximumPageLength: 2000,
pageOverlapLength: 500

必要條件

Azure 訂用帳戶。免費建立一個。
Azure AI 搜尋服務，在任何區域和任何階層。大部分現有的服務都支援向量搜尋。對於在 2019 年 1 月之前建立的一小部分服務，包含向量欄位的索引會在建立時失敗。在此情況下，必須建立新的服務。
Azure OpenAI 端點，其部署 文字內嵌-ada-002 和 API 密鑰或 認知服務 OpenAI 使用者 上傳數據的許可權。在此預覽中，您只能選擇一個向量化工具，而向量化工具必須是 Azure OpenAI。
Azure 儲存體帳戶、標準效能（一般用途 v2）、經常性存取層和非經常性存取層。
提供文字內容、僅限非結構化檔及元數據的 Blob。在此預覽中，您的數據源必須是 Azure Blob。
讀取 Azure 儲存體的許可權。包含存取金鑰的記憶體連接字串可讓您讀取記憶體內容的存取權。如果您改用 Microsoft Entra 內容和角色，請確保搜尋服務的受控識別具有儲存體 Blob 資料讀取者權限。
所有元件（數據源和內嵌端點）都必須啟用公用存取權，入口網站節點才能存取它們。否則，精靈將會失敗。執行精靈之後，可以在不同的整合元件中啟用防火牆和私人端點，以取得安全性。如果私人端點已經存在且無法停用，替代選項是從腳本或程式，從與私人端點相同的 VNET 內的虛擬機執行個別端對端流程。以下是整合向量化的 Python 程式代碼範例。在同一個 GitHub 存放庫中，是其他程式設計語言的範例。

檢查空間

許多客戶開始使用此免費服務。免費層限制為三個索引、三個數據源、三個技能集和三個索引器。開始之前，請先確定您有空間可容納額外的項目。本快速入門會建立各一個物件。

檢查語意排名

此精靈支援語意排名，但僅支援基本層和更新版本，而且只有在搜尋服務上已啟用語意排名時才支援。如果您使用計費層，請檢查是否已啟用語意排名。

準備範例數據

本節將您指向適用於本快速入門的數據。

使用您的 Azure 帳戶登入 Azure 入口網站，然後移至您的 Azure 儲存體帳戶。
在瀏覽窗格中，於 [數據儲存體] 底下，選取 [容器]。
建立新的容器，然後上傳用於本快速入門的健康情況計劃 PDF 檔。
在將 Azure 儲存體帳戶留在 Azure 入口網站之前，請授與容器上的儲存體 Blob 數據讀取器許可權，假設您想要角色型存取權。或者，從 [存取金鑰] 頁面取得記憶體帳戶連接字串。

取得 Azure OpenAI 的連線詳細數據

精靈需要端點、部署文字內嵌-ada-002，以及具有認知服務 OpenAI 用戶許可權的 API 密鑰或搜尋服務受控識別。

使用您的 Azure 帳戶登入 Azure 入口網站，然後移至您的 Azure OpenAI 資源。
在 [金鑰和管理] 底下，複製端點。
在相同的頁面上，複製密鑰或檢查 訪問控制 ，將角色成員指派給您的搜尋服務身分識別。
在 [模型部署] 底下，選取 [管理部署] 以開啟 Azure AI Studio。複製 text-embedding-ada-002 的部署名稱。

啟動精靈

若要開始使用，請流覽至 Azure 入口網站中的 Azure AI 搜尋服務，然後開啟 [匯入和向量化數據精靈]。

使用您的 Azure 帳戶登入 Azure 入口網站，然後移至您的 Azure AI 搜尋服務。
在 [概觀] 頁面上，選取 [ 匯入並向量化數據]。

連線到您的資料

下一個步驟是連接到要用於搜尋索引的數據源。

在 [匯入和向量化數據精靈] 的 [連線至您的數據] 索引標籤中，展開 [數據源] 下拉式清單，然後選取 [Azure Blob 儲存體]。
指定提供數據的 Azure 訂用帳戶、記憶體帳戶和容器。
針對連線，請提供包含密鑰的完整存取連接字串，或指定具有容器上儲存體 Blob 數據讀取器許可權的受控識別。
指定您是否要刪除偵測：
選取 [下一步：向量化] 和 [擴充 ] 以繼續。

擴充和向量化您的數據

在此步驟中，指定用來向量化區塊數據的內嵌模型。

提供訂用帳戶、端點、API 金鑰和模型部署名稱。
您可以選擇性地破解二進位影像（例如掃描的檔案檔案），並使用 OCR 來辨識文字。
您可以選擇性地新增語意排名，以在查詢執行結束時重新排定結果，將最相關的語意相符專案提升至頂端。
指定索引器運行時間排程。
選取 [ 下一步：建立並檢閱 ] 以繼續。

執行精靈

此步驟會建立下列物件：

與 Blob 容器的數據源連線。
具有向量欄位、向量化工具、向量配置檔、向量演算法的索引。在精靈工作流程期間，系統不會提示您設計或修改預設索引。索引符合 2023-10-01-Preview 版本。
具有區塊化文字分割技能的技能集，以及用於向量化的 AzureOpenAIEmbeddingModel 。
具有欄位對應和輸出欄位對應的索引器（如果適用的話）。

如果您收到錯誤，請先檢閱許可權。 您需要 Azure OpenAI 上的認知服務 OpenAI 使用者，並在 Azure 儲存體上儲存體 Blob 數據讀取器。您的 Blob 必須是非結構化的（區塊化數據是從 Blob 的「內容」屬性提取的。

檢查結果

搜尋總管接受文字字串做為輸入，然後將向量查詢執行的文字向量化。

選取您的索引。
或者，選取 [ 查詢選項 ]，並隱藏搜尋結果中的向量值。此步驟可讓您的搜尋結果更容易閱讀。
選取 [JSON 檢視 ]，以便您可以在文字向量查詢參數中輸入向量查詢的文字。

此精靈提供預設查詢，在「向量」欄位上發出向量查詢，並傳回 5 個最接近的鄰居。如果您選擇隱藏向量值，您的預設查詢會包含「select」語句，該語句會從搜尋結果中排除向量字段。
```
{
   "select": "chunk_id,parent_id,chunk,title",
   "vectorQueries": [
       {
          "kind": "text",
          "text": "*",
          "k": 5,
          "fields": "vector"
       }
    ]
}
```
將文字 "*" 取代為與健康計劃相關的問題，例如 「哪個計劃具有最低可扣除額」。
選取 [ 搜尋 ] 以執行查詢。

您應該會看到 5 個相符專案，其中每個檔都是原始 PDF 的區塊。標題欄位會顯示區塊的來源 PDF。

若要查看特定檔中的所有區塊，請為特定 PDF 新增標題欄位的篩選條件：

{
   "select": "chunk_id,parent_id,chunk,title",
   "filter": "title eq 'Benefit_Options.pdf'",
   "count": true,
   "vectorQueries": [
       {
          "kind": "text",
          "text": "*",
          "k": 5,
          "fields": "vector"
       }
    ]
}

清理

Azure AI 搜尋是可計費的資源。如果不再需要，請將其從您的訂用帳戶中刪除，以避免產生費用。

下一步

本快速入門介紹匯 入和向量化數據 精靈，以建立整合向量化所需的所有物件。如果您想要詳細探索每個步驟，請嘗試整合向量化範例。