Azure AI Search und Foundry IQ
Das kostenlose PDF-Buch Azure AI Search and Foundry IQ behandelt die Anbindung eigener Daten an KI-Antworten. Das Buch führt durch Chunking, Embeddings, hybride Suche und Reranking sowie Berechtigungen, Evaluation und Monitoring.
3 vollständige Bücher · Englische PDFs · Kostenlos
Unterstützt vonAnzeige
Darum geht es in diesem Buch
Die Kapitel und Beispielseiten zeigen dir den Inhalt von Azure AI Search and Foundry IQ. Über das Formular kannst du die vollständige englische Ausgabe erhalten.
320 SeitenThemen und Beispiele
Gib deinen AI-Antworten eine Grundlage in deinen eigenen Daten.
- Chunking, Embeddings & Hybrid Search
- Retrieval, Reranking & Foundry IQ
- Berechtigungen, Evaluation & Monitoring
Einen Wissensindex aufbauen
Das Buch folgt einem Suchindex von der Datenaufnahme bis zur Abfrage. Es erklärt das Aufteilen von Dokumenten in Chunks, die Erzeugung von Embeddings, Felder und Scoring sowie die Anreicherung durch Skillsets. Diese Schritte verbinden die Quelldokumente mit den Informationen, die eine Anwendung später abrufen kann. Die Beispiele sind zum Nachbauen in einer Azure-Subscription gedacht.
Informationen abrufen und den Betrieb planen
Die Abschnitte zu Abfragen behandeln Volltext-, Vektor- und hybride Suche, semantisches Ranking und agentisches Retrieval mit Foundry IQ. Spätere Kapitel verbinden die Wissensquelle mit Foundry-Agenten und Copilot Studio. Hinzu kommen RBAC, Berechtigungen einzelner Dokumente, Aktualität, Leistung und Kosten. Azure-Grundkenntnisse helfen; die ersten Abschnitte setzen kein Spezialwissen zur Suche voraus.
Die vollständige englische Ausgabe mit allen Kapiteln und Codebeispielen.
Beispielseiten ansehen
Retrieval prüfen, bevor ein Agent hinzukommt
Beginne mit einer kleinen Dokumentensammlung, die du gut kennst. Formuliere Fragen zu einzelnen Fakten, eine Frage mit Informationen aus zwei Textstellen und eine Frage, die die Sammlung nicht beantworten kann. Notiere zu jeder erwarteten Antwort das Quelldokument. Diese Referenz hilft dir bei den Kapiteln zu Datenaufnahme, Chunking und Indexdesign. Du kannst damit prüfen, ob eine Änderung tatsächlich die passenden Informationen auffindbar macht.
Kontrolliere zuerst, was im Index ankommt. Vergleiche ein Quelldokument mit seinen Chunks und den verfügbaren Feldern. Probiere Volltext-, Vektor- und hybride Abfragen mit denselben Fragen aus. Halte fest, welche Textstellen zurückkommen und wo eine erwartete Quelle fehlt. Gehe anschließend die Abschnitte zu Ranking und Reranking durch, um diese Unterschiede zu untersuchen. Ändere jeweils nur einen Teil der Konfiguration, damit die Wirkung eines Schritts nachvollziehbar bleibt.
Wenn das Retrieval passende Belege liefert, verbinde es anhand der Integrationskapitel mit einem Agenten. Prüfe, ob die Antwort die gefundenen Informationen verwendet und ob ein Leser die Quelle erkennen kann. Nimm auch eine Identität in deine Tests auf, die ein bestimmtes Dokument nicht lesen darf. Die späteren Kapitel zu Aktualität, Leistung und Kosten helfen bei der Planung von Updates und Betrieb. Bewahre Fragen, erwartete Quellen und Beobachtungen zusammen mit dem Begleitcode auf. Damit kannst du nach Änderungen an Dokumenten oder Indexeinstellungen denselben Vergleich erneut durchführen.