Überblick
Azure AI Search ist Microsofts KI-gestützte Plattform für die Informationssuche. Mit der Langdock-Integration kannst du semantische Vektorsuchen über deine indexierten Dokumente direkt aus Conversations heraus durchführen.Authentifizierung: API Key
Kategorie: KI & Suche
Verfügbarkeit: Alle Workspace-Tarife
Kategorie: KI & Suche
Verfügbarkeit: Alle Workspace-Tarife
Voraussetzungen
Bevor du die Integration einrichtest, stelle sicher, dass du Folgendes hast:- Ein Azure-Abonnement mit Zugriff auf Azure AI Search
- Eine Azure AI Search Service-Instanz mit mindestens einem Index
- Einen Admin-API-Key für deinen Azure AI Search Service
- Dokumente, die in deinen Index mit Vektor-Embeddings hochgeladen wurden (1536 Dimensionen für OpenAIs text-embedding-ada-002)
Einrichtung
1
Zu Integrationen navigieren
Geh in Langdock zu Integrationen und finde Azure AI Search in der Integrationsliste.
2
Zugangsdaten eingeben
Fülle die erforderlichen Konfigurationsfelder aus (siehe Tabelle unten).
3
Verbindung testen
Speichere die Integration – Langdock überprüft, ob dein Index existiert und erreichbar ist.
4
Suche starten
Tagge die Integration mit
@ in einem beliebigen Chat oder füge die Search documents-Aktion zu deinem Assistenten hinzu, um deine indexierten Dokumente zu durchsuchen.Konfigurationsparameter
Erforderliche Felder
| Feld | Beschreibung | Beispiel |
|---|---|---|
| Name | Ein Name für diese Verbindung | Firmen-Wissensdatenbank |
| API Key | Admin-Key aus Azure Portal -> Keys | Dein Admin-Key |
| Index Name | Der genaue Name deines Azure AI Search Index | langdock-prod-firma |
| URL | Dein Azure AI Search Service-Endpunkt | https://my-service.search.windows.net |
| Search Field | Der Vektor-Feldname in deinem Index-Schema | contentVector |
| Top K | Anzahl der abzurufenden Suchergebnisse | 5 |
Optionale Felder
| Feld | Beschreibung | Standard |
|---|---|---|
| Embedding Dimension | Dimension deiner Vektor-Embeddings | 1536 |
| Embedding Model | Verwendetes Modell für Embeddings (nur Anzeige) | Ada v2 |
| Select | Kommagetrennte Felder, die zurückgegeben werden | Alle Felder |
| Filter | OData-Filterausdruck zur Eingrenzung der Ergebnisse | Keiner |
Wo du deine Zugangsdaten findest:
- Service URL: Azure Portal -> Dein Search Service -> Overview -> kopiere das
Url-Feld - API Key: Azure Portal -> Dein Search Service -> Keys -> kopiere einen Admin-Key
Verfügbare Aktionen
Dokumente durchsuchen
azureaisearch.searchDocuments
Führt eine semantische Vektorsuche über deine indexierten Dokumente durch.
Benötigt Bestätigung: Nein
Parameter:
query(VECTOR, Required): Vektor-Anfrage für semantische Suche
value: Array von Suchergebnis-Objekten mit:@search.score: Relevanz-Score@search.highlights: Hervorgehobene Textausschnitte- Feldwerte aus den indexierten Dokumenten
@odata.count: Gesamtzahl der Ergebnisse@odata.nextLink: Link zur nächsten Ergebnisseite (falls verfügbar)
Typische Anwendungsfälle
Unternehmensweite Wissenssuche
Durchsuche interne Dokumentationen, Richtlinien und Wissensdatenbanken mit natürlicher Sprache
Recherche & Analyse
Finde relevante Forschungsarbeiten, Berichte und Daten aus großen Dokumentensammlungen
Kundensupport
Rufe schnell Produktinformationen, FAQs und Support-Artikel ab, um Kundenanfragen zu beantworten
Content Discovery
Entdecke relevante Inhalte aus Archiven, Wikis oder Dokumenten-Repositories
Fehlerbehebung
| Problem | Ursache | Lösung |
|---|---|---|
| Index nicht gefunden | Index-Name stimmt nicht überein oder existiert nicht | Überprüfe, ob der genaue Index-Name im Azure Portal mit deiner Konfiguration übereinstimmt (Groß-/Kleinschreibung beachten) |
| Keine Suchergebnisse | Keine Dokumente oder ungültige Embeddings | Stelle sicher, dass Dokumente mit gültigen 1536-dimensionalen Embeddings in dein Vektorfeld hochgeladen wurden |
| Niedrige Such-Scores | Embedding-Modell stimmt nicht überein | Stelle sicher, dass alle Dokumente das gleiche Embedding-Modell verwenden (z.B. text-embedding-ada-002) |
| Authentifizierung fehlgeschlagen | Ungültiger oder abgelaufener API-Key | Kopiere einen neuen Admin-Key aus Azure Portal -> Keys |