Azure Foundry 模型目录向量器

重要

根据补充使用条款，此向量器以公共预览版提供。若要使用此功能，建议使用最新预览版的索引 - 创建或更新（REST API）。

Azure AI Foundry 模型目录矢量器连接到通过 Azure AI Foundry 模型目录部署到 Azure 机器学习终结点的嵌入模型。数据在部署模型的地理位置进行处理。

矢量器参数

参数区分大小写。所使用的参数取决于模型提供程序所需的身份验证（如果有）。

参数名称	说明
`uri`	（密钥身份验证必需）来自 Foundry 模型目录的无服务器部署的目标 URI 或 AML 联机终结点的评分 URI。仅允许 HTTPS URI 方案。
`key`	（密钥身份验证必需）模型提供程序的 API 密钥。
`resourceId`	（令牌身份验证必需）模型提供程序的 Azure 资源管理器资源 ID。对于 AML 联机终结点，请使用 `subscriptions/{guid}/resourceGroups/{resource-group-name}/Microsoft.MachineLearningServices/workspaces/{workspace-name}/onlineendpoints/{endpoint_name}` 格式。
`region`	（令牌身份验证可选）在其中部署模型提供程序的区域。如果区域与搜索服务的区域不同，则为必需。
`timeout`	（可选）发出 API 调用的 HTTP 客户端的超时。必须将其格式化为 XSD“dayTimeDuration”值（ISO 8601 持续时间值的受限子集）。例如，`PT60S` 表示 60 秒。如果未设置，选择的是默认值 30 秒。超时可以设置为最大 230 秒和最小 1 秒。

要使用的身份验证参数

Azure Foundry 模型目录向量器提供两种身份验证选项：

基于密钥的身份验证。提供静态密钥以对来自向量器的评分请求进行身份验证。 uri设置此连接的和key参数。
基于令牌的身份验证。基于 Foundry 中心的项目或 AML 联机终结点是使用基于令牌的身份验证部署的。 Azure AI 搜索服务必须在模型提供程序上具有托管标识和角色分配。然后，vectorizer 使用搜索服务标识对模型提供程序进行身份验证，无需静态密钥。搜索服务标识必须具有 “所有者 ”或 “参与者 ”角色。 resourceId设置参数，如果搜索服务位于与模型提供程序不同的区域，请设置region参数。

支持的矢量查询类型

Azure Foundry 模型目录向量器支持哪些向量查询类型取决于 modelName 配置的查询类型。

嵌入模型	支持 `text` 查询	支持 `imageBinary` 查询
Cohere-embed-v3-english	X	X
Cohere-embed-v3-多语言	X	X
Cohere-embed-v4	X	X

预期字段维度

使用 Azure Foundry 模型目录向量器配置的矢量字段的预期字段维度取决于 modelName 配置的字段维度。

`modelName`	预期维度
Cohere-embed-v3-english	1024
Cohere-embed-v3-多语言	1024
Cohere-embed-v4	256-1536

示例定义

Azure AI Foundry 模型目录中的建议模型名称由基础模型加上随机三字母后缀组成。你的模型的名称将与本例中所示的名称不同。

"vectorizers": [
    {
        "name": "my-model-catalog-vectorizer",
        "kind": "aml",
        "amlParameters": {
            "uri": "https://Cohere-embed-v3-multilingual-hin.chinaeast.models.ai.azure.cn",
            "key": "aaaaaaaa-0b0b-1c1c-2d2d-333333333333",
            "timeout": "PT60S",
            "modelName": "Cohere-embed-v3-multilingual-hin",
            "resourceId": null,
            "region": null,
        },
    }
]

另请参阅

Last updated on 2025-11-28

通过