AI-103 · LESSON 5
实施信息提取解决方案10–15% · 2 个主题
学习构建检索和依据管道，以及从文档中提取内容。
5.1构建检索和依据管道
Build retrieval and grounding pipelines
概念
依据（grounding）是把模型的回答与可验证的信息源关联起来。在 Azure AI Search 中，数据按“数据源→索引器→技能组（分块、生成嵌入、OCR）→索引”的流程引入，并通过混合搜索和语义排序器取出相关信息。它也可以用作代理的知识。
原理、步骤
- 确定数据源（Blob、SharePoint 等）和索引架构
- 配置集成矢量化（分块和生成嵌入）
- 启用混合搜索（关键字＋矢量）和语义排序器
- 把取出的上下文和来源放入提示，让其附带来源作答
- 使用文档级访问控制，只搜索用户可查看的文档
工作中的示例
在内部规章问答中，把 SharePoint 文档引入 AI Search，按用户权限筛选，并在回答中把规章的章节编号作为来源列出。
易混淆点、考试注意事项
- 索引器用于定期引入，推送 API 用于即时更新
- 语义排序器是对搜索结果的重排，不是矢量搜索本身
- 忘记权限筛选，会让不该看到的文档混入回答
小测验
Q1. 在内部文档搜索中，你希望既能应对“型号 AB-1234 的保修期”这样的完全匹配，也能应对“坏了怎么办”这样的换说法。哪种搜索方式合适？
- 仅矢量搜索（嵌入相似度）
- 仅用语义排序器进行语义重排
- 仅关键字搜索（BM25）
- 混合搜索（关键字搜索＋矢量搜索）
查看答案和解析
正确答案：D 混合搜索（关键字搜索＋矢量搜索）
混合搜索既能捕捉专有名词的匹配，也能捕捉语义相似。【其他选项】仅矢量搜索不擅长型号的完全匹配，仅关键字搜索不擅长换说法。语义排序器是重排，本身不是搜索方式。
Q2. 你希望重新排列搜索结果，让与问题更相关的文档排在前面。哪项功能合适？
- 评分配置文件
- 语义排序
- 矢量配置文件设置
- 查询分面
查看答案和解析
正确答案：B 语义排序
语义排序可以根据语义相关性重新排序。【其他选项】矢量配置文件用于配置嵌入搜索。评分配置文件按字段权重或新鲜度加分，不是语义相关性。分面用于筛选。
参考链接
5.2从文档中提取内容
Extract content from documents
概念
文档提取有 Azure Content Understanding（定义架构并借助生成式 AI 提取字段）和 Document Intelligence（发票、收据、身份证件等预构建模型，布局分析，自定义提取模型）。提取的结构化数据用于业务系统和搜索索引。
原理、步骤
- 确定文档类型和要提取的项目
- 发票等常见文档使用预构建模型，独有格式使用自定义模型或 Content Understanding
- 用布局分析把表格、段落和标题转换为 Markdown 等，用于 RAG 的分块
- 置信度分数低的项目由人确认
- 在把提取结果登记到系统之前应用验证规则
工作中的示例
从各供应商格式不同的订单中，用 Content Understanding 提取订单号、品目和数量，只有置信度低于 0.8 的项目由负责人确认。
易混淆点、考试注意事项
- OCR（读取文字）和项目提取（有意义的字段）是不同的阶段
- 预构建模型能处理的文档不必创建自定义模型
- 布局分析的输出能提高 RAG 分块的质量
小测验
Q1. 你希望把扫描纸质文件得到的 PDF 发票用作 RAG 的依据。引入时需要什么处理？
- 直接把 PDF 矢量化并注册到索引
- 只提取 PDF 的元数据并编制索引
- 不把 PDF 转换为 Markdown，作为图像保存
- 通过包含 OCR 的引入流程转换为文本
查看答案和解析
正确答案：D 通过包含 OCR 的引入流程转换为文本
扫描图像中的文字不经 OCR 转换为文本就无法搜索。【其他选项】扫描 PDF 是图像，没有 OCR 就无法生成文本嵌入。只有元数据或保存为图像都无法搜索正文。
Q2. 你希望从发票中取出供应商名称、金额和付款期限，并传给核对处理。哪种方法合适？
- 结合 OCR、布局分析和字段提取的管道
- 把发票矢量化，沿用相似的过去发票中的值
- 用 OCR 读取全文，用正则表达式提取像金额的数字
- 用多模态模型汇总发票图像，把摘要传给核对
查看答案和解析
正确答案：A 结合 OCR、布局分析和字段提取的管道
考虑布局的字段提取可以把表格和项目转为结构化数据。【其他选项】摘要不是核对所需项目的格式。正则表达式难以应对格式差异。沿用过去发票的值会出错。
参考链接
课程由本站根据公开信息独立编写，不保证与考试内容一致。产品规格可能变化，请在参考链接中确认最新信息。
使用须知（非官方、原创题目、不保证合格）
- 本站题目是根据官方公开的技能大纲和考试指南独立编写的原创练习题，并非真实考试题目。
- Microsoft、Azure、Copilot、Microsoft 365、Dynamics 365、Power Platform 是 Microsoft 集团的商标。本站与 Microsoft 无合作关系，也未获得 Microsoft 的认可或推荐。
- 本内容仅为学习辅助，不保证考试合格。考试内容、形式和前提条件可能随时变更，参加考试前请务必在官方页面确认最新信息。
- 模拟考试的正确率无法换算为官方（换算）分数，也不能预测是否合格。
- 进度仅保存在本浏览器（localStorage）中；使用 Google 登录后才会同步到账号。可在“Cookie 与存储设置”页面（日语）中删除。