O que é uma fonte de conhecimento?

Uma fonte de conhecimento especifica o conteúdo usado para recuperação agentiva. Ele encapsula um índice de pesquisa que é preenchido por uma fonte de dados externa ou é uma conexão direta com uma fonte remota, como Bing ou Sharepoint, que é consultada diretamente. Uma fonte de conhecimento é uma definição necessária em uma base de dados de conhecimento.

• Crie uma fonte de conhecimento como um recurso de nível superior em seu serviço de pesquisa. Cada fonte de conhecimento aponta para exatamente uma estrutura de dados, um índice de pesquisa que atende aos critérios de recuperação por meio de agentes ou um recurso externo com suporte.

• Faça referência a uma ou mais fontes de conhecimento em uma base de dados de conhecimento. Em um pipeline de recuperação por meio de agentes, é possível consultar várias fontes de conhecimento em uma única solicitação. As subconsultas são geradas para cada fonte de conhecimento. Os principais resultados são retornados na resposta de recuperação.

• Para determinadas fontes de conhecimento, você pode usar uma definição de fonte de conhecimento para gerar um pipeline de indexador completo (fonte de dados, conjunto de capacidades, indexador e índice) que funciona para recuperação por agentes. Em vez de criar vários objetos manualmente, as informações na fonte de conhecimento são usadas para gerar todos os objetos, incluindo um índice preenchido, em partes e pesquisável.

Verifique se você tem pelo menos uma fonte de conhecimento antes de criar uma base de dados de conhecimento. A especificação completa de uma fonte de conhecimento e uma base de dados de conhecimento pode ser encontrada na referência da API REST de versão prévia.

Trabalhando com uma fonte de conhecimento

• Caminho de criação: primeiro crie uma fonte de conhecimento e crie uma base de dados de conhecimento.

• Caminho de exclusão: atualize ou exclua bases de dados de conhecimento para remover referências a uma fonte de conhecimento e exclua a fonte de conhecimento por último.

• Uma fonte de conhecimento, seu índice e a base de dados de conhecimento devem existir no mesmo serviço de pesquisa. O conteúdo externo é acessado pela Internet pública (Bing) ou em um locatário da Microsoft (SharePoint remoto).

Fontes de conhecimento com suporte

Estas são as fontes de conhecimento que você pode criar nesta visualização:

Fontes de conhecimento indexadas apontam para o índice de destino no Azure AI Search, e a execução da consulta é local para o mecanismo de pesquisa no seu serviço de busca. A palavra-chave (pesquisa de texto completo), os recursos de vetor e consulta híbrida são usados para recuperar dados de fontes de conhecimento indexadas.

Fontes de conhecimento remoto são acessadas no momento da consulta. O mecanismo de recuperação agêntico chama as APIs de recuperação que são nativas da plataforma (APIs do Bing ou do SharePoint).

Todo o conteúdo recuperado, indexado ou remoto, é puxado para o pipeline de classificação no Azure AI Search, onde é pontuado por relevância, mesclado (supondo várias consultas), reclassificado e retornado na resposta de recuperação.

Criando fontes de conhecimento

As fontes de conhecimento são criadas como objetos autônomos e especificadas em uma base de dados de conhecimento em uma matriz "knowledgeSources".

Você deve ter permissões de Colaborador do Serviço de Pesquisa para criar objetos em um serviço de pesquisa. Você também precisa de permissões de Colaborador de Dados de Índice de Pesquisa para carregar um índice se estiver usando uma fonte de conhecimento que cria um pipeline de indexador. Como alternativa, você pode usar uma chave de administrador de API em vez de funções.

Você pode usar a API REST ou um pacote de visualização do SDK do Azure para criar uma fonte de conhecimento. O suporte ao portal do Azure está disponível para fontes de conhecimento selecionadas. Os links a seguir fornecem instruções para criar uma fonte de conhecimento:

• Como criar uma fonte de conhecimento de índice de pesquisa (encapsula um índice existente)
• Como criar uma fonte de conhecimento de blob (gera um pipeline de indexador)
• Como criar uma fonte de conhecimento do OneLake (gera um pipeline do indexador)
• Como criar uma fonte de conhecimento do SharePoint (indexada) (gera um pipeline do indexador)
• Como criar uma fonte de conhecimento do SharePoint (remoto) (consulta o SharePoint diretamente)
• Como criar um recurso de Conhecimento Web (conecta-se ao endpoint público do Bing)

Depois que a fonte de conhecimento for criada, você poderá referenciá-la em uma base de dados de conhecimento.

Usando fontes de conhecimento

O uso da fonte de conhecimento é controlado explicitamente, como quando você configura alwaysQuery na definição da fonte de conhecimento ou está sujeito à lógica de seleção durante o planejamento da consulta. O planejamento de consulta ocorre quando você usa um esforço de raciocínio de recuperação baixo ou médio. Para um esforço mínimo de raciocínio, todas as fontes de conhecimento listadas na base de dados de conhecimento estão no escopo de cada consulta. Para níveis baixo e médio, a base de conhecimento e o LLM podem determinar em tempo de consulta quais fontes de conhecimento provavelmente fornecerão o melhor corpus de pesquisa.

A lógica de seleção da fonte de dados de conhecimento baseia-se nesses fatores:

• Está alwaysQuery definido? Se sim, a fonte de conhecimento sempre será usada em todas as consultas.

• name da fonte de conhecimento.

• O description de um índice, supondo uma fonte de conhecimento indexada.

• O retrievalInstructions especificado na ação de recuperação ou na definição da base de dados de conhecimento fornece diretrizes que incluem ou excluem uma fonte de conhecimento. É semelhante a um prompt. Você pode especificar brevidade, tom e formatação como uma instrução de recuperação.

• outputMode em uma base de conhecimento também afeta o resultado da consulta e o que vai na resposta.

Usar um esforço de raciocínio de recuperação para controlar o uso de LLM

Nem todas as soluções se beneficiam do planejamento e execução da consulta LLM. Se a simplicidade e a velocidade superam os benefícios que o planejamento de consultas LLM e a engenharia de contexto fornecem, você pode especificar um esforço de raciocínio mínimo para impedir o processamento de LLM em seu pipeline.

Para níveis baixos e médios, o nível de processamento de LLM é uma abordagem equilibrada ou máxima que melhora a relevância. Para obter mais informações, consulte Definir o esforço de raciocínio de recuperação.