Inicio rápido: Búsqueda de vectores en el portal de Azure

En este inicio rápido, usará el asistente para Importar datos en Azure Portal para empezar a trabajar con la vectorización integrada. El asistente fragmenta EL contenido y llama a un modelo de inserción para vectorizar los fragmentos durante el tiempo de indexación y consulta.

En este inicio rápido se usan archivos PDF basados en texto e imágenes sencillas del repositorio azure-search-sample-data. Sin embargo, puede usar archivos diferentes y seguir completando este inicio rápido.

Requisitos previos

• Una cuenta de Azure con una suscripción activa. Cree una cuenta gratuita.

• Un servicio Búsqueda de Azure AI. En este inicio rápido se requiere el nivel Básico o superior para la compatibilidad con identidades administradas.

• Origen de datos compatible.

• Un modelo de inserción admitido.

• Familiaridad con el asistente. Consulte Asistente para importar datos en el portal de Azure.

Orígenes de datos admitidos

El asistente admite varios orígenes de datos de Azure. Sin embargo, este inicio rápido solo cubre los orígenes de datos que funcionan con archivos completos, que se describen en la tabla siguiente.

Modelos de inserción admitidos

El portal admite los siguientes modelos de inserción para la vectorización integrada. Las instrucciones de implementación se proporcionan en una sección posterior.

¹ Para fines de facturación, debe adjuntar su cuenta de varios servicios al conjunto de habilidades de Búsqueda de Azure AI. El asistente requiere que el servicio de búsqueda y la cuenta de varios servicios estén en la misma región admitida para la habilidad de inserciones multimodales de Azure Vision.

² El asistente solo admite implementaciones de API sin servidor para este modelo. Puede usar el CLI de Azure para aprovisionar la implementación sin servidor.

³ El punto de conexión del recurso Azure OpenAI debe tener un subdominio custom, como https://my-unique-name.openai.azure.com. Si creó el recurso en el portal de Azure, este subdominio se generó automáticamente durante la configuración del recurso.

No se admiten los recursos de Azure OpenAI ⁴ (con acceso a los modelos de incrustación) creados en el portal de Microsoft Foundry. Debe crear un recurso Azure OpenAI en el portal de Azure.

Para consultar la guía más reciente sobre el ciclo de vida de los modelos, incluidas las obsolescencias, consulte Retirada y obsolescencia de modelos.

Requisitos del punto de conexión público

Todos los recursos indicados anteriormente deben tener el acceso público habilitado para que el asistente pueda acceder a ellos. De lo contrario, se produce un error en el asistente. Una vez que se ejecute el asistente, puede habilitar firewalls y puntos de conexión privados en los componentes de integración para la seguridad. Para obtener más información, consulte Protección de conexiones en el Asistente para importación.

Si los puntos de conexión privados ya están presentes y no se pueden deshabilitar, la opción alternativa es ejecutar el flujo de un extremo a otro correspondiente desde un script o programa en una máquina virtual. La máquina virtual debe estar en la misma red virtual que el punto de conexión privado. Este es un Python ejemplo de código para la vectorización integrada. El mismo GitHub repo tiene ejemplos en otros lenguajes de programación.

Configuración del acceso

Antes de empezar, asegúrese de que tiene permisos para acceder al contenido y las operaciones. En este inicio rápido se usa Microsoft Entra ID para la autenticación y el acceso basado en roles para la autorización. Debe ser Propietario o Administrador de acceso de usuarios para asignar roles. Si los roles no son factibles, use la autenticación basada en claves en su lugar.

Configure los roles necesarios y los roles condicionales identificados en esta sección.

Roles necesarios

Búsqueda de Azure AI proporciona la canalización de búsqueda vectorial. Configure el acceso para ti y tu servicio de búsqueda para leer datos, ejecutar el flujo de trabajo e interactuar con otros recursos de Azure.

En el servicio Búsqueda de Azure AI:

1. Habilite el acceso basado en roles.

2. Configure una identidad administrada asignada por el sistema.

3. Asigne los siguientes roles a sí mismo.

   • Colaborador del servicio de búsqueda

   • Colaborador de datos del índice de búsqueda

   • Lector de datos de índice de búsqueda

Roles condicionales

Las pestañas siguientes cubren todos los recursos compatibles con el asistente para la búsqueda de vectores. Seleccione solo las pestañas que se aplican al origen de datos elegido y el modelo de inserción.

Preparación de datos de ejemplo

En esta sección, preparará datos de ejemplo para el origen de datos elegido.

Preparación del modelo de inserción

El asistente admite varios modelos de incrustación de Azure OpenAI y el catálogo de modelos de Microsoft Foundry. Para implementar los modelos necesarios para el modelo de embedding elegido, consulte Deploy Microsoft Foundry Models en el portal de Foundry.

Iniciar el asistente

1. Vaya al servicio de búsqueda en el portal Azure.

2. En la página Información general , seleccione Importar datos.

   

3. Seleccione el origen de datos: Azure Blob Storage, ADLS Gen2 o OneLake.

4. Seleccione RAG.

   

Ejecutar el asistente

El asistente le guía por varios pasos de configuración. En esta sección se describe cada paso en secuencia.

Conexión a los datos

En este paso, conectará Búsqueda de Azure AI a la fuente de datos elegida para la ingesta e indexación de contenido.

Vectorizar el texto

Durante este paso, el asistente usa el modelo de inserción elegido para vectorizar datos fragmentados. La fragmentación está integrada y no se puede configurar. La configuración efectiva es:

"textSplitMode": "pages",
"maximumPageLength": 2000,
"pageOverlapLength": 500,
"maximumPagesToTake": 0, #unlimited
"unit": "characters"

Vectorizar y enriquecer las imágenes

Los archivos PDF del plan de salud incluyen un logotipo corporativo, pero de lo contrario, no hay imágenes. Puede omitir este paso si usa los documentos de ejemplo.

Sin embargo, si su contenido incluye imágenes útiles, puede emplear IA de una o ambas de las siguientes maneras:

• Use un modelo de inserción de imágenes compatible desde el catálogo de modelos de Microsoft Foundry o la API de incrustaciones bidireccionales de Azure Vision (a través de una cuenta de varios servicios) para vectorizar imágenes.

• Use el reconocimiento óptico de caracteres (OCR) para extraer texto de imágenes. Esta opción invoca la aptitud OCR.

Agregar clasificación semántica

En la página Configuración avanzada , puede agregar opcionalmente la clasificación semántica para volver a generar resultados al final de la ejecución de la consulta. Reranking coloca las coincidencias más semánticamente relevantes al principio.

Asignar nuevos campos

En la página Configuración avanzada , puede agregar campos nuevos opcionalmente, suponiendo que el origen de datos proporcione metadatos o campos que no se seleccionen en el primer paso. De forma predeterminada, el asistente genera los campos descritos en la tabla siguiente.

No puede modificar los campos generados ni sus atributos, pero puede agregar nuevos campos si el origen de datos los proporciona. Por ejemplo, Azure Blob Storage proporciona una colección de campos de metadatos.

Para agregar campos al esquema de índice:

1. En la página Configuración avanzada , en Campos de índice, seleccione Vista previa y edición.

2. Seleccione Agregar campo.

3. Seleccione un campo de origen de los campos disponibles, escriba un nombre de campo para el índice y acepte (o invalide) el tipo de datos predeterminado.

4. Si desea restaurar el esquema a su versión original, seleccione Restablecer.

Puntos clave sobre este paso:

• El esquema de índice proporciona campos vectores y no vectores para datos fragmentados.

• El modo de análisis de documentos crea fragmentos (un documento de búsqueda por fragmento).

Programación de la indexación

En el caso de los orígenes de datos en los que los datos subyacentes son volátiles, puede programar la indexación para capturar los cambios a intervalos específicos o fechas y horas específicas.

Para programar la indexación:

1. En la página Configuración avanzada , en Programación de la indexación, especifique una programación de ejecución para el indexador. Recomendamos Once para este inicio rápido.

   

2. Seleccione Siguiente.

Finalizar el asistente

El último paso es revisar la configuración y crear los objetos necesarios para la búsqueda de vectores. Si es necesario, vuelva a las páginas anteriores del asistente para ajustar la configuración.

Para finalizar el asistente:

1. En la página Revisar y crear , especifique un prefijo para los objetos que crea el asistente. Un prefijo común le ayuda a mantenerse organizado.

   

2. Seleccione Crear.

Objetos creados por el asistente

Cuando el asistente completa la configuración, crea los siguientes objetos:

Comprobación de los resultados

El Explorador de búsqueda acepta cadenas de texto como entrada y, a continuación, vectoriza el texto para la ejecución de consultas vectoriales.

Para consultar el índice vectorial:

1. En el portal de Azure, vaya a Search Management>Indexes y seleccione el índice.

2. Seleccione Opciones de consulta y, a continuación, ocultar valores vectoriales en los resultados de la búsqueda. Este paso hace que los resultados se puedan leer más.

   

3. En el menú Ver , seleccione vista JSON para que pueda escribir texto para la consulta vectorial en el text parámetro de consulta vectorial.

   

   La consulta predeterminada es una búsqueda vacía ("*"), pero incluye parámetros para devolver las coincidencias de número. Es una consulta híbrida que ejecuta consultas de texto y vectores en paralelo. También incluye la clasificación semántica y especifica los campos que se van a devolver en los resultados a través de la select instrucción .

    {
      "search": "*",
      "count": true,
      "vectorQueries": [
        {
          "kind": "text",
          "text": "*",
          "fields": "text_vector,image_vector"
        }
      ],
      "queryType": "semantic",
      "semanticConfiguration": "my-demo-semantic-configuration",
      "captions": "extractive",
      "answers": "extractive|count-3",
      "queryLanguage": "en-us",
      "select": "chunk_id,text_parent_id,chunk,title,image_parent_id"
    }
   

4. Reemplace ambos marcadores de posición de asterisco (*) por una pregunta relacionada con los planes de salud, como Which plan has the lowest deductible?.

    {
      "search": "Which plan has the lowest deductible?",
      "count": true,
      "vectorQueries": [
        {
          "kind": "text",
          "text": "Which plan has the lowest deductible?",
          "fields": "text_vector,image_vector"
        }
      ],
      "queryType": "semantic",
      "semanticConfiguration": "my-demo-semantic-configuration",
      "captions": "extractive",
      "answers": "extractive|count-3",
      "queryLanguage": "en-us",
      "select": "chunk_id,text_parent_id,chunk,title"
    }
   

5. Para ejecutar la consulta, seleccione Buscar.

   

   Cada documento es un fragmento del PDF original. El title campo muestra de qué PDF procede el fragmento. Cada chunk es largo. Puede copiar y pegar uno en un editor de texto para leer todo el valor.

6. Para ver todos los fragmentos de un documento específico, agregue un filtro para el title_parent_id campo para un PDF específico. Puede comprobar la pestaña Campos del índice para confirmar que el campo es filtrable.

   {
      "select": "chunk_id,text_parent_id,chunk,title",
      "filter": "text_parent_id eq 'aHR0cHM6Ly9oZWlkaXN0c3RvcmFnZWRlbW9lYXN0dXMuYmxvYi5jb3JlLndpbmRvd3MubmV0L2hlYWx0aC1wbGFuLXBkZnMvTm9ydGh3aW5kX1N0YW5kYXJkX0JlbmVmaXRzX0RldGFpbHMucGRm0'",
      "count": true,
      "vectorQueries": [
          {
             "kind": "text",
             "text": "*",
             "k": 5,
             "fields": "text_vector"
          }
       ]
   }
   

Limpieza de recursos

Cuando trabaja en su propia suscripción, es una buena idea finalizar un proyecto quitando los recursos que ya no necesita. Los recursos que se dejan en ejecución pueden costar dinero.

En el portal de Azure, seleccione Todos los recursos o Grupos de recursos en el panel izquierdo para buscar y administrar recursos. Puede eliminar recursos individualmente o eliminar el grupo de recursos para quitar todos los recursos a la vez.

Paso siguiente

Este inicio rápido le introdujo en el Asistente para importar datos , que crea todos los objetos necesarios para la vectorización integrada. Para explorar cada paso en detalle, por favor consulte Configurar la vectorización integrada en Búsqueda de Azure AI.