適用於 Azure Machine Learning 的索引查閱工具 (預覽)

發行項
09/01/2024

提示流程索引查閱工具可讓您使用常見的向量索引 (例如 Azure AI 搜尋服務、FAISS 和 Pinecone)，在提示流程中進行擷取擴增生成 (RAG)。此工具會自動偵測工作區中的索引，並可讓您選擇要在流程中使用的索引。

重要

索引查閱工具目前處於公開預覽狀態。此預覽版是在沒有服務等級協定的情況下提供，不建議用於生產工作負載。可能不支援特定功能，或可能已經限制功能。如需詳細資訊，請參閱 Microsoft Azure 預覽版增補使用條款。

使用索引查閱工具建置

在 Azure Machine Learning 工作室中建立或開啟流程。如需詳細資訊，請參閱建立流程。
選取 [+ 更多工具] > [索引查閱]，將索引查閱工具新增至流程。
輸入索引查閱工具輸入參數的值。 LLM 工具可以產生向量輸入。
視需要將更多工具新增至流程，或選取 [執行] 以執行流程。
若要深入了解傳回的輸出，請參閱輸出。

輸入

以下是可用的輸入參數：

名稱	類型	描述	必要
mlindex_content	string	要使用的索引類型。輸入取決於索引類型。您可以在下表下方看到 Azure 認知搜尋服務索引 JSON 的範例*	Yes
筆查詢	string，Union[string，List[String]]	要查詢的文字。	Yes
query_type	string	要執行的查詢類型。選項包括關鍵字、語意、混合式等等。	Yes
top_k	整數	要傳回的評分最高實體計數。預設值為 3。	No

*ACS JSON 範例：

embeddings:
  api_base: <api_base>
  api_type: azure
  api_version: 2023-07-01-preview
  batch_size: '1'
  connection:
    id: /subscriptions/<subscription>/resourceGroups/<resource_group>/providers/Microsoft.MachineLearningServices/workspaces/<workspace> /connections/<AOAI_connection>
  connection_type: workspace_connection
  deployment: <embedding_deployment>
  dimension: <embedding_model_dimension>
  kind: open_ai
  model: <embedding_model>
  schema_version: <version>
index:
  api_version: 2023-07-01-Preview
  connection:
    id: /subscriptions/<subscription>/resourceGroups/<resource_group>/providers/Microsoft.MachineLearningServices/workspaces/<workspace> /connections/<cogsearch_connection>
  connection_type: workspace_connection
  endpoint: <cogsearch_endpoint>
  engine: azure-sdk
  field_mapping:
    content: id
    embedding: content_vector_open_ai
    metadata: id
  index: <index_name>
  kind: acs
  semantic_configuration_name: azureml-default

輸出

下列 JSON 格式回應是由包含 top-k 評分實體的工具所傳回的範例。此實體遵循 promptflow-vectordb SDK 所提供之向量搜尋結果的一般結構描述。針對向量索引搜尋，會填入下列欄位：

欄位名稱	類型	描述
中繼資料	dict	建立索引時，使用者提供的自訂機碼值組
page_content	string	正在查閱中使用的向量區塊內容
score	float	取決於向量索引中定義的索引類型。如果索引類型為 Faiss，則分數為 L2 距離。如果索引類型為 Azure AI 搜尋服務，則分數會是餘弦相似度。

[
  {
    "metadata":{
      "answers":{},
      "captions":{
        "highlights":"sample_highlight1",
        "text":"sample_text1"
      },
      "page_number":44,
      "source":{
        "filename":"sample_file1.pdf",
        "mtime":1686329994,
        "stats":{
          "chars":4385,
          "lines":41,
          "tiktokens":891
        },
        "url":"sample_url1.pdf"
      },
      "stats":{
        "chars":4385,"lines":41,"tiktokens":891
      }
    },
    "page_content":"vector chunk",
    "score":0.021349556744098663
  },

  {
    "metadata":{
      "answers":{},
      "captions":{
        "highlights":"sample_highlight2",
        "text":"sample_text2"
      },
      "page_number":44,
      "source":{
        "filename":"sample_file2.pdf",
        "mtime":1686329994,
        "stats":{
          "chars":4385,
          "lines":41,
          "tiktokens":891
        },
        "url":"sample_url2.pdf"
      },
      "stats":{
        "chars":4385,"lines":41,"tiktokens":891
      }
    },
    "page_content":"vector chunk",
    "score":0.021349556744098663
  },
    
]

如何從舊版工具移轉至索引查閱工具

索引查閱工具會取代三個已淘汰的舊版索引工具：向量索引查閱工具、向量資料庫查閱工具和 Faiss 索引查閱工具。如果您有包含其中一個工具的流程，請遵循以下步驟來升級流程。

升級您的工具

更新執行階段。
瀏覽至您的流程。您可以藉由選取 [撰寫] 底下的 [提示流程] 索引標籤，選取 [流程] 樞紐索引標籤，然後選取流程的名稱，來完成這項操作。
一旦進入流程，請選取窗格頂端附近的 [+ 更多工具] 按鈕。應該會開啟下拉式清單，請選取 [索引查閱 [預覽]] 來新增索引查閱工具的執行個體。
命名新節點，然後選取 [新增]。
在新節點中，選取 [mlindex_content] 文字輸入框。這應該是清單中的第一個文字輸入框。
在出現的 [產生] 選單中，遵循下列指示，從三個舊版工具升級：
- 如果使用舊版 [向量索引查閱]，在 [index_type] 下拉式清單中，選取 [已註冊的索引]。從 [mlindex_asset_id] 下拉式清單中，選取您的向量索引資產。
- 如果使用舊版 [Faiss 索引查閱] 工具，在 [index_type] 下拉式清單中選取 [Faiss]，並且指定與舊版工具相同的路徑。
- 如果使用舊版 [向量資料庫查閱] 工具，依據 [index_type] 下拉式清單中的資料庫類型選取 AI 搜尋服務或 Pinecone，並且視需要填寫資訊。
填寫必要資訊之後，選取 [儲存]。
返回節點時，應該會在 [mlindex_content] 文字輸入框中填入資訊。選取旁邊的 [查詢] 文字輸入框，然後選取您想要查詢的搜尋字詞。您想要選取與 “embed_the_question” 節點輸入相同的值，通常是 “${inputs.question}” 或 “${modify_query_with_history.output}” (如果您在標準流程中則為前者，如果您在聊天流程中則為後者)。
藉由按一下 [query_type] 旁邊的下拉式清單，選取查詢類型。「向量」會產生與舊版流程相同的結果，但視您的索引設定而定，可能會提供其他選項，包括「混合式」和「語意」。
編輯下游元件以取用新加入節點的輸出，而不是舊版向量索引查閱節點的輸出。
刪除向量索引查閱節點及其父代內嵌節點。