Azure OpenAI Embedding 技能

Azure OpenAI 嵌入技能连接到部署到 Azure OpenAI 资源或 Azure AI Foundry 项目的嵌入模型，以在编制索引期间生成嵌入内容。数据在部署模型的地理位置进行处理。

Azure 门户中的“导入数据”向导使用 Azure OpenAI 嵌入技能来向量内容。你可以运行向导并查看生成的技能集，了解向导如何构建用于嵌入模型的技能。

注意

此技能绑定到 Azure OpenAI，并按现有的 Azure OpenAI 标准版价格收费。

@odata.type

Microsoft.Skills.Text.AzureOpenAIEmbeddingSkill

数据限制

文本输入的最大大小应为 8,000 个标记。如果输入超出允许的最大值，模型将引发“请求无效”错误。有关详细信息，请参阅 Azure OpenAI 文档中的令牌关键概念。如果需要数据分块，请考虑使用文本拆分技能。

技能参数

参数区分大小写。

输入	说明
`resourceUri`	必填。模型提供程序的 URI。此参数仅支持具有域的 `openai.azure.com` URL，例如 `https://<resourcename>.openai.azure.com`。如果 Azure OpenAI 资源部署在专用终结点后面或使用虚拟网络（VNet）集成，则需要此字段。 URL 支持 `https://<resourcename>.azure-api.net`终结点。 API 管理终结点不支持共享专用链接。
`apiKey`	用于访问模型的密钥。如果你提供密钥，请将 `authIdentity` 留空。如果同时设置 `apiKey` 和 `authIdentity`，则会在连接上使用 `apiKey` =。
`deploymentId`	必填。已部署的 Azure OpenAI 嵌入模型的名称。模型应该是嵌入模型，例如 text-embedding-ada-002。有关支持的模型，请参阅 Azure OpenAI 模型列表。
`authIdentity`	搜索服务用于连接到 Azure OpenAI 的用户托管标识。可以使用系统托管标识或用户托管标识。若要使用系统托管标识，请保留并`apiKey`留`authIdentity`空。会自动使用系统托管标识。托管标识必须具有认知服务 OpenAI 用户权限才能将文本发送到 Azure OpenAI。
`modelName`	必填。将此属性设置为在提供程序（通过`resourceUri`指定，通过`deploymentId`确定）上部署的 Azure OpenAI 嵌入模型部署名称。目前受支持的值为`text-embedding-ada-002`、`text-embedding-3-large`和`text-embedding-3-small`。
`dimensions`	可选。要生成的嵌入的维度，假设模型支持一系列维度。下面列出了支持的范围，目前仅适用于文本嵌入-3 模型系列。默认值是每个模型的最大维度。对于使用早期 REST API 版本创建的技能集，可追溯到 2023-10-01-preview，维度固定在 1536。在技能上设置维度属性时，请确保将`dimensions`向量字段定义上的属性设置为相同的值。

`modelName`支持的维度

Azure OpenAI 嵌入技能支持的维度取决于配置的modelName。

`modelName`	最小维度	最大维度
text-embedding-ada-002	1536	1536
text-embedding-3-large	1	3072
text-embedding-3-small	1	1536

技能输入

输入	说明
`text`	要矢量化的输入文本。如果使用数据分块，则源可能是 `/document/pages/*`。

技能输出

输出	说明
`embedding`	输入文本的矢量化嵌入。

示例定义

考虑具有以下字段的记录：

{
    "content": "Microsoft released Windows 10."
}

然后，技能定义可能会如下所示：

{
  "@odata.type": "#Microsoft.Skills.Text.AzureOpenAIEmbeddingSkill",
  "description": "Connects a deployed embedding model.",
  "resourceUri": "https://my-demo-openai-chinaeast.openai.azure.com/",
  "deploymentId": "my-text-embedding-ada-002-model",
  "modelName": "text-embedding-ada-002",
  "dimensions": 1536,
  "inputs": [
    {
      "name": "text",
      "source": "/document/content"
    }
  ],
  "outputs": [
    {
      "name": "embedding"
    }
  ]
}

示例输出

对于给定的输入文本，将生成矢量化嵌入输出。

{
  "embedding": [
        0.018990106880664825,
        -0.0073809814639389515,
        .... 
        0.021276434883475304,
      ]
}

输出驻留在内存中。若要将此输出发送到搜索索引中的字段，必须定义一个 outputFieldMapping，用于将矢量化的嵌入输出（即数组）映射到一个矢量字段。假设技能输出驻留在文档的嵌入节点中，且 content_vector 是搜索索引中的字段，那么索引器中的 outputFieldMapping 应如下所示：

  "outputFieldMappings": [
    {
      "sourceFieldName": "/document/embedding/*",
      "targetFieldName": "content_vector"
    }
  ]

错误和警告

条件	结果
null 或无效 URI	错误
null 或无效的 deploymentID	错误
文本为空	警告
文本大于 8,000 个标记	错误

另请参阅

Last updated on 2025-10-24

Condividi tramite