了解 Azure AI 搜尋服務的功能、文件和範例的最新更新。
附註
預覽功能會在這裡公告，但我們也維護一份預覽功能清單，讓您可以在同一個位置找到這些功能。
2025年5月
| 項目 | 類型 | 描述 |
|---|---|---|
| 主動擷取 （預覽） | 查詢 | 建立由大型語言模型和專屬數據提供的對話式搜尋體驗。 代理程式擷取會將複雜的使用者查詢細分為子查詢、平行執行子查詢，並從 Azure AI 搜尋中編制索引的檔擷取基礎數據。 輸出適用於代理程式和自定義聊天解決方案。 此預覽版引進了新的 知識代理程序 物件。 其 響應承載 專為下游代理程式和聊天模型的使用而設計，並對查詢方案和參考數據提供完整的透明度。 若要開始使用入口網站，請參閱 快速入門：智能擷取。 |
| Multivector 支援（預覽版） | 索引 | 在單一檔欄位內為多個子向量編製索引。 您現在可以在複雜集合的巢狀字段中使用向量類型，有效地允許多個向量與單一文件相關聯。 |
| 使用語意排名的評分配置檔 （預覽） | 相關性 | 語意排名器會新增欄位 @search.rerankerBoostedScore，以協助您維持一致的相關性，並更能控制搜尋管線中的最終排名結果。 |
| Azure Logic Apps 整合（預覽） | 索引 | 建立使用邏輯應用程式工作流程擷取內容的自動化索引管線。 使用 Azure 入口網站中的匯入 和向量化數據精靈 ，根據 Azure Logic Apps 整合來建置編製索引管線。 |
| 檔案層級存取控制 （預覽） | 安全性 | 將文件層級的權限從 Azure Data Lake Storage (ADLS) Gen2 中的 Blob 物件傳遞到索引中可搜尋的文件。 查詢現在可以根據所選數據源的使用者身分識別來篩選結果。 |
| 多模式搜尋 （預覽） | 編製索引，查詢 | 摄取、理解並提取包含文字和影像的文件，讓您可以執行結合多種模式的搜尋，例如使用文字查詢以尋找嵌入在相關複雜影像中的訊息。 如需以程式碼為主的方法，請參閱 Azure AI 搜尋多模式 RAG 示範；如需入口精靈支援，請參閱 快速入門：搜尋多模式內容。 |
| GenAI 提示詞功能（預覽） | 技能 | 一項新技能，透過您提供的提示，連接到大型語言模型（LLM）以獲取資訊。 透過此技能，您可以使用 LLM 中的內容填入可搜尋的欄位。 此技能的主要使用案例是 影像語言化、使用 LLM 來描述影像，並將描述傳送至索引中的可搜尋欄位。 |
| 檔案版面設定技能（預覽） | 技能 | 如果您使用 2025-05-01-preview API 版本，則可以使用此技能的新參數。 新的參數支援影像位移元數據，以改善影像搜尋體驗。 |
| 匯入和向量化數據精靈增強功能 | 入口網站 | 此精靈提供兩個路徑來建立和填入向量索引： 擷取擴增世代 （RAG） 和 多模式RAG。 邏輯應用程式整合是透過RAG路徑。 |
| 索引「描述」支援 （預覽） | REST (表現層狀態轉換) | 最新的預覽 API 會將描述新增至索引。 請考慮必須在運行時間挑選正確索引的模型內容通訊協定 （MCP） 伺服器。 決策可以根據描述，而不是單獨根據索引名稱。 描述必須是人類可讀的，且在四千個字元以下。 |
| 2025-05-01-預覽版 | REST (表現層狀態轉換) | 新的數據平面預覽 REST API 版本，可讓您以程式設計方式存取此版本中所宣佈的預覽功能。 |
2025年4月
| 項目 | 類型 | 描述 |
|---|---|---|
| RAG 時光旅行 | 示範程序代碼 | 使用 Azure AI 搜尋的擷取增強世代 （RAG） 工作流程的程式代碼和影片示範。 區段包括基本概念、模式和使用案例、 大規模向量編製索引，以及使用代理程式來評估結果併產生更好的答案的 代理搜尋 。 |
2025年3月
| 項目 | 類型 | 描述 |
|---|---|---|
| 服務升級 （預覽） | 服務 | 將您的搜尋服務升級至區域中較高的記憶體限制。 完成一次性升級後，您不再需要重新建立服務。 可在 升級服務 （2025-02-01-preview） 和 Azure 入口網站中使用。 |
| 定價層變更 （預覽） | 服務 | 變更搜尋服務的 定價層 。 這可讓您彈性地調整記憶體、增加要求輸送量，以及根據您的需求降低延遲。 在此預覽版中，您只能在基本層與標準層 (S1、S2 和 S3) 之間變更。 可在更新服務 （2025-02-01-preview） 和 Azure 入口網站中使用。 |
| Facet 階層、彙總和 Facet 篩選 (預覽版) | 查詢 | 新的 Facet 查詢參數支援巢狀 Facet。 針對數值可 Facet 欄位，您可以加總每個欄位的值。 您也可以在 Facet 上指定篩選，以新增包含或排除準則。 可在 搜尋文件 （2025-03-01-preview） 和 Azure 入口網站中使用。 |
| 使用全精度向量對二元量化向量查詢進行重新評估（預覽） | 查詢 | 對於包含二元量化的向量索引，您可以使用完整精確度向量查詢來重新評分查詢結果。 查詢引擎會使用二進位內嵌的點乘積和向量查詢進行重新記錄，進而改善搜尋結果的品質。 設定 enableRescoring 和 discardOriginals 以使用這項功能，並在要求上呼叫最新的預覽 API 版本。 |
| 語意排名器發行前版本模型 （預覽） | 索引 | 如果在您所在的區域有可用的發行前版本語意排名器模型，請選擇加入使用。 可在 建立或更新索引中取得 （2025-03-01-preview） 。 |
| Search Service REST 2025-03-01-preview | REST (表現層狀態轉換) | 數據平面作業的 REST API 公開預覽版本。 新增多向量內嵌、階層式 Facet、Facet 匯總和 Facet 篩選的支援。 |
| 搜尋管理 2025-02-01-預覽版 | REST (表現層狀態轉換) | 公開檢閱控制平面作業的 REST API 版本。 將就地升級支援新增至較高的容量分割區、就地升級至較高層，以及 Azure 機密計算。 |
2025年2月
| 項目 | 類型 | 描述 |
|---|---|---|
| 受控 HSM 的客戶自控金鑰支援 | 安全性 | 使用 Azure Key Vault 或 Azure Key Vault 受控 HSM（硬體安全性模組）來儲存客戶管理的密鑰，以額外加密敏感性內容。 |
2024 公告
| 月 | 類型 | 通知 |
|---|---|---|
| 十二月 | 範本 | RAG 與 Azure AI 搜尋 + Python 聊天。 使用 Azure AI 搜尋和 Python 建置 RAG 解決方案的 AI 應用程式範本。 |
| 11 月 | 安全性 | 網路安全界限 將搜尋服務加入 網路安全性邊界 ，以控制搜尋服務的網路存取。 2024-06-01-preview 中的 Azure 入口網站 和管理 REST API 可用來檢視和協調網路安全性周邊設定。 |
| 11 月 | 安全性 | Azure AI 服務連線的共用私人連結支援。 適用於內建技能處理的 Azure AI 連線現在可以使用連線上的共用私人連結。 |
| 11 月 | 相關性 | 壓縮向量的重新評分選項。 您可以設定選項以使用原始向量重新評分，而不是壓縮向量。 適用於 HNSW 和詳盡的 KNN 向量演算法，使用二進位和純量壓縮。 可以在「建立或更新索引 (2024-11-01-preview)」中、Azure 入口網站，以及提供此功能的 Azure SDK Beta 套件中取得。 |
| 11 月 | 向量搜尋 | 儲存較少的向量實例。 在向量壓縮情境中，如果您不需要完整精確度的向量進行重新評分，可以省略其儲存。 可以在「建立或更新索引 (2024-11-01-preview)」中、Azure 入口網站，以及提供此功能的 Azure SDK Beta 套件中取得。 |
| 11 月 | 相關性 | 在語義重排器中重寫查詢。 您可以在語意查詢上設定選項，將查詢輸入重寫為修訂或展開的查詢，以從 L2 排名器產生更相關的結果。 可在搜尋檔（2024-11-01-preview）、Azure 入口網站，以及提供這項功能的 Azure SDK Beta 套件中取得。 |
| 11 月 | 相關性 | 新的語意排名器模型。 語意排名器會在所有支持區域中以改良的模型執行。 API 或 Azure 入口網站體驗沒有變更。 |
| 11 月 | 應用 AI 的技能 | 文件版面配置技能。 用來分析結構文件的新技能，並提供結構感知 (段落) 區塊化。 此技能會呼叫文件智慧服務，並使用文件智慧版面配置模型。 可透過建立或更新技能集（2024-11-01-preview）、Azure 入口網站，以及提供此功能的 Azure SDK Beta 套件，在所選區域中提供此功能。 |
| 11 月 | 應用 AI 的技能 | Azure AI 技能處理的無金鑰計費。 您現在可以使用受控識別和角色，對 Azure AI 服務進行無密鑰連線，以進行內建技能處理。 這項功能會移除在相同區域中同時擁有搜尋和 AI 服務的限制。 可在建立或更新技能集（2024-11-01-preview）、Azure 入口網站，以及提供這項功能的 Azure SDK Beta 套件中取得。 |
| 11 月 | 索引子資料來源 | Markdown 剖析模式。 使用此剖析模式時，索引器可以從 Azure 儲存體 和 OneLake 中的 Markdown 檔案產生一對一或一對多的搜尋檔。 Azure 入口網站、建立或更新索引器 (2024-11-01-preview)，以及提供這項功能的 Azure SDK 測試版套件中均可使用。 |
| 11 月 | API（應用程式介面） | 2024-11-01-preview。 查詢重寫的 REST API 預覽版本、文件版面配置技能、技能處理的無金鑰計費、Markdown 剖析模式，以及壓縮向量的重新評分選項。 |
| 11 月 | 功能 | 結構化資料的入口網站支援。 匯 入和向量化數據 精靈現在支援 Azure SQL、Azure Cosmos DB 和 Azure 資料表記憶體。 |
| 10 月 | 功能 |
降低 AZURE OpenAI 上 MRL 定型文字內嵌模型的維度需求。 Text-embedding-3-small 和 Text-embedding-3-large 的訓練是使用 Matryoshka 表示法學習 (MRL) 進行。 這可讓您將內嵌向量截斷為較少的維度，並調整向量索引大小使用量與擷取質量之間的平衡。
truncationDimension 中的新 可讓您存取文字內嵌模型中的 MRL 壓縮。 這隻能針對新的向量欄位進行設定。 |
| 10 月 | 功能 |
展開 @search.score 以檢視混合式搜尋結果中的子評分。 您可以藉由檢視最終合併和評分結果的個別查詢子核心，來調查倒數排名融合 (RRF) 排名結果。 新的 debug 屬性會解讀搜尋分數。
QueryResultDocumentSubscores、 QueryResultDocumentRerankerInput和 QueryResultDocumentSemanticField 提供額外的詳細數據。 這些定義可在 2024-09-01-preview 中使用。 |
| 10 月 | 功能 |
將混合式搜尋中的篩選目標設為僅向量查詢。 混合式查詢的篩選條件牽涉到要求上的所有子查詢，不論類型為何。 您可以覆寫全域篩選條件，將篩選範圍限定為特定的子查詢。 新的filterOverride參數現可用於使用 2024-09-01-preview的混合式查詢。 |
| 10 月 | 應用 AI 的技能 |
文本切分技術（標記分塊）。 此技能具有可改善內嵌模型之數據區塊化的新參數。 新的 unit 參數可讓您指定令牌區塊化。 您現在可以依令牌長度進行區塊化，將長度設定為對內嵌模型有意義的值。 您也可以指定分詞器以及在數據分塊過程中不應被分割的任何標記。 新的unit參數和查詢子核心定義可在 2024-09-01-preview 中找到。 |
| 10 月 | API（應用程式介面） | 2024-09-01-preview。 適用於 text-embedding-3 模型中截斷維度的 REST API 預覽版本、混合式查詢的目標向量篩選、用於偵錯的 RRF 子分數詳細資料，以及文字分割技能的語彙基元區塊化。 |
| 10 月 | 功能 | 客戶自控金鑰加密 (CMK) 的入口網站支援。 當您在 Azure 入口網站 中建立新的物件時，您現在可以指定 CMK 加密，然後選取 Azure 金鑰保存庫 來提供金鑰。 |
| 8 月 | 功能 | 偵錯工作階段改善。 有兩個重要的改善項目。 首先，您現在可以對整合式向量化和資料區塊化工作負載進行偵錯。 其次，偵錯工作階段會重新設計，以更簡化的技能與對應呈現。 您可以在流程中選取物件，並在側邊面板中檢視或編輯其詳細數據。 舊有的索引標籤版面配置已被頁面上的更多上下文相關資訊全面取代。 |
| 8 月 | API（應用程式介面） | 2024-07-01。 REST API 的穩定版本適用於普遍可用的向量資料類型、向量壓縮，以及在索引和查詢期間的向量化整合。 |
| 8 月 | 功能 | 整合向量化，宣佈正式推出。 在編製索引期間技能導向的資料區塊化和內嵌。 |
| 8 月 | 功能 | 向量化工具。 宣佈正式推出。 查詢執行期間文字到向量的轉換。 Azure OpenAI 向量化工具和自訂 Web API 向量化工具已正式推出。 |
| 8 月 | 功能 | AzureOpenAIEmbedding 技能。 宣佈正式推出。 呼叫 Azure OpenAI 內嵌模型以在編製索引期間產生內嵌的技能類型。 |
| 8 月 | 功能 | 索引投影。 宣佈正式推出。 定義次要索引形狀的技能集定義元件，支援一對多索引模式，其中來自擴充管線的內容可將多個索引設為目標。 |
| 8 月 | 功能 | 二進位和純量量化。 宣佈正式推出。 使用內建量化壓縮記憶體和磁碟的向量索引大小。 |
| 8 月 | 功能 | 縮小數據類型。 宣佈正式推出。 假設傳入的資料就是該資料類型，請在向量欄位指派較小的資料類型。 |
| 8 月 | 功能 | 匯入和向量化數據精靈。 宣佈正式推出。 一個建立包含資料區塊化和向量化完整索引流程的精靈工具。 精靈會建立所有必要的物件和設定。 此版本會新增 Azure 儲存體中 Azure Data Lake 的精靈支援。 |
| 8 月 | 功能 | 儲存的屬性。 宣佈正式推出。 布林值，可藉由不儲存可擷取的向量以降低向量索引的儲存量。 |
| 8 月 | 功能 | vectorQueries.Weight 屬性。 宣佈正式推出。 指定搜尋作業中每個向量查詢的相對權數。 |
| 7 月 | 加速器 | 與您的數據聊天。 在 Azure 中執行的 RAG 模式解決方案加速器，使用 Azure AI 搜尋來擷取，和 Azure OpenAI 大型語言模型來建立交談搜尋體驗。 具有範例資料的程式碼可用於使用案例，例如財務顧問和合約檢閱和摘要。 |
| 7 月 | 加速器 | 對話式知識採礦。 基於 Azure AI 搜尋、Azure 語音和 Azure OpenAI 的解決方案加速器，讓客戶可以從客服中心交互後的對話中擷取可付諸行動的洞察力。 |
| 7 月 | 加速器 | 建置自己的 Copilot。 建立您自己的自訂副手解決方案，讓 Client Advisor 能夠跨結構化和非結構化資料運用生成式 AI 的強大功能。 協助我們的客戶將日常工作最佳化，並培養與更多用戶端更好的互動。 |
| 6 月 | 功能 | Azure 入口網站中的影像搜尋。 搜尋瀏覽器現在支援圖片搜尋。 在包含向量化影像內容的向量索引中，您可以將影像放入搜尋資源管理器中，查找相符的項目。 |
| 五月 | 服務限制 |
每個層級的容量較高和更多向量配額（相同計費費率）。 對於大部分區域而言，標準 2 (S2)、標準 3 (S3) 和標準 3 高密度 (S3 HD) 的分割區大小現在更大了，適用於 2024 年 4 月 3 日後建立的服務。 若要取得較大的分割區，請在提供較新基礎結構的區域中建立新的服務。 儲存體最佳化階層 (L1 和 L2) 也有更多容量。 L1 和 L2 客戶必須建立新的服務以受益於更高的容量。 目前沒有就地升級。 現在，更多區域有額外的容量可用：德國北部、德國中西部、南非北部、瑞士西部，以及 Azure Government (德州、亞利桑那州和維吉尼亞州)。 |
| 五月 | 功能 | OneLake 整合 (預覽版)。 OneLake 檔案和 OneLake 捷徑的新索引子。 如果使用 Microsoft Fabric 和 OneLake 存取 Amazon Web Services (AWS) 和 Google 資料來源的資料，請使用此索引子以將外部資料匯入至搜尋索引。 此索引子可透過 Azure 入口網站、2024-05-01-preview REST API (部分機器翻譯) 和 Azure SDK 搶鮮版 (Beta) 套件取得。 |
| 五月 | 功能 |
向量相關性 混合式查詢相關性。 四個增強功能可改善向量和混合式搜尋相關性。 首先，您現在可以設定向量搜尋結果的閾值，以排除低評分結果。 其次，查詢架構中的變更會在每個查詢類型的查詢管線結尾套用評分設定檔。 文件提升是常見的評分設定檔，現在可在向量和混合式查詢上如預期般運作。 第三，您可以在混合式查詢中設定 MaxTextRecallSize 和 countAndFacetMode，以控制流入混合式排名模型的 BM25 排名搜尋結果數量。 第四，針對向量和混合式搜尋，您可以加權向量查詢，以提升或減少其在多重查詢要求中的重要性。 |
| 五月 | 功能 |
二元向量支援。
Collection(Edm.Byte) 是新支援的資料類型。 此資料類型可允許與 Cohere v3 二進位內嵌模型與自訂二進位量化整合。 縮小資料類型可降低大型向量資料集的成本。 如需詳細資訊，請參閱向量搜尋的索引二進位資料。 |
| 五月 | 技能 | Azure AI Vision 多模式內嵌技能 （預覽） 。 繫結至 Azure 視覺多模式內嵌 API 的新技能。 您可以在編制索引期間產生文字或影像的內嵌。 此技能可透過 Azure 入口網站和 2024-05-01-preview REST API 取得。 |
| 五月 | 向量化工具 | Azure AI 視覺向量化工具 （預覽版） 。 新的向量化工具使用多模式內嵌 API 連線至 Azure AI 視覺資源以在查詢時產生內嵌。 此向量化工具可透過 Azure 入口網站和 2024-05-01-preview REST API 取得。 |
| 五月 | 向量化工具 |
Azure AI Foundry 模型目錄向量化工具 （預覽） 。 新的向量化工具會連線到從 Azure AI Foundry 模型目錄部署的內嵌模型。 此向量化工具可透過 Azure 入口網站和 2024-05-01-preview REST API 取得。 如何使用來自 Azure AI Foundry 的模型實作整合向量化。 |
| 五月 | 技能 |
AzureOpenAIEmbedding 技能 （預覽） 支援 Azure OpenAI 上的更多模型。 現在支援 text-embedding-3-large 和 text-embedding-3-small，以及先前更新中的 text-embedding-ada-002。 新的 dimensions 和 modelName 屬性可讓您在 Azure OpenAI 上指定各種內嵌模型。 先前，維度限制已修正為 1,536 個維度，僅適用於 text-embedding-ada-002。 更新的技能可透過 Azure 入口網站和 2024-05-01-preview REST API 取得。 |
| 五月 | 入口網站 |
匯入和向量化資料精靈現在支援 OneLake 索引器做為資料來源。 針對內嵌，其也支援連線到 Azure AI 視覺多模式、Azure AI Foundry 模型目錄，以及更多在 Azure OpenAI 上的內嵌模型。 將欄位新增至索引時，您可以選擇二進位資料類型。 搜尋總管現在預設為 2024-05-01-preview，並支援向量和混合式查詢的新預覽功能。 |
| 五月 | API（應用程式介面） | 2024-05-01-preview。 搜尋 REST API 的新預覽版本提供新的技能與向量化工具、新的二進位資料類型、OneLake 檔案索引子，以及新的查詢參數，以取得更多相關結果。 如果已根據 2023-07-01-preview 撰寫現有程式碼且必須移轉至此版本，請參閱升級 REST API。 |
| 五月 | API（應用程式介面） | Azure SDK Beta 套件。 檢閱下列 Azure SDK 搶鮮版 (Beta) 套件的變更記錄以了解新的功能支援：適用於 Python 的 Azure SDK、適用於 .NET 的 Azure SDK、適用於 Java 的 Azure SDK |
| 五月 | 範例 | Python 程式代碼範例。 新的端對端範例示範與 Cohere Embed v3 的整合、與 Google 和 AWS 上的 OneLake 和雲端資料平台整合，以及與 Azure AI 視覺多模式 API 整合。 |
| 四月 | API（應用程式介面） | 安全性更新可解決資訊洩漏問題。 GET 回應不再傳回連接字串或金鑰。 適用於 GET Skillset、GET Index 和 GET Indexer。 此變更可協助保護與 AI 搜尋整合的 Azure 資產免於未經授權的存取。 |
| 四月 | API（應用程式介面） | 2024-03-01-preview 搜尋 REST API |
| 四月 | API（應用程式介面） | 2024-03-01-preview 管理 REST API |
| 四月 | API（應用程式介面） | 2023-07-01-preview 淘汰公告。 自 2024 年 7 月 8 日起，不再支援此版本。 較新的 API 版本有不同的向量設定。 您應該盡快移轉至較新版本。 |
| 四月 | 服務限制 | 基本和標準層 會以相同的每個分割區計費費率，為每個分割區提供更多的記憶體。 額外的容量受限於區域可用性，並適用於 2024 年 4 月 3 日後建立的新搜尋服務。 基本層現在支援最多三個分割區和三個複本。 |
| 四月 | 服務限制 | 在 2024 年 4 月 3 日之後於選定地區所建立的新服務上，向量配額較高。 |
| 四月 | 功能 |
向量量化、窄向量數據類型，以及新的 stored 屬性 （預覽） 。 這三個功能共同將記憶體和成本降到最低。 |
| 二月 | 功能 | 向量欄位的新維度限制。 維度限制上限現在為 3072 (從 2048 起)。 |
過往年度的公告
服務重新命名
此服務多年來具有多個名稱。 在此以反向的時間順序列出這些名稱：
- Azure AI 搜尋服務 (2023 年 11 月) 已重新命名，以符合 Azure AI 服務和客戶預期。
- Azure 認知搜尋 (2019 年 10 月) 已重新命名以反映其在服務作業中擴大了認知技能和 AI 處理的使用量 (但為選擇性)。
- Azure 搜尋服務 (2015 年 3 月) 原始名稱。
服務更新
您可以在 Azure 網站中找到 Azure AI 搜尋服務的服務更新公告。
功能重新命名
語意搜尋已於 2023 年 11 月重新命名為語意排名工具 (部分機器翻譯) 以更清楚地描述該功能，因為其能提供現有結果集的 L2 排名。