Demo作用
写了一个小demo,用来理解Azure Search,跑起来是这样的,用户提问,给出具体代码和gif的效果,代码放这里了 https://github.com/YeMengHua417/Q-A,也全是Copilot的功劳

流程及架构
用到了Azure search+gpt-4.1-mini
1 插入知识索引
2 提问 -> 检索知识 -> 组织答案 -> 前端展示
我这里没有用向量模型(因为没额度。。。)
embedding 是"把一句话变成向量数字"。
作用:让系统按"语义相似"检索,而不只看字面关键词。
比如用户问"做接口鉴权",知识里写"API 认证",embedding 能更容易把它们匹配起来。

这就是一个最最简单的RAG了,
- R(Retrieve):从 Azure AI Search 检索
- G(Generate):用 Chat 模型组织答案
知识字段填写
javascript
{
"id": "express-basic-routing",
"feature": "Express 路由基础",
"question": "如何在 Express 里新增一个 GET 接口?",
"answer": "在 app.js 或 server.js 中使用 app.get('/path', handler) 定义路由。",
"codeSnippet": "app.get('/api/hello', (req, res) => {\\n res.json({ message: 'hello' });\\n});",
"gifUrl": "https://...",
"tags": ["nodejs", "express", "api"],
"source": "internal-playbook"
}
|-------------|----------------------------|
| id | 这条知识的唯一 ID(用于更新覆盖)重复会覆盖旧内容 |
| feature | 这个知识点属于什么功能主题 |
| question | 用户可能会怎么问 |
| answer | 给用户的简明解释,2~5 句,先结论后细节 |
| codeSnippet | 用于"代码提示"区域展示的代码 |
| gifUrl | 实现效果动图 URL |
| tags | 关键词集合,帮助检索(选填) |
| source | 知识来源标识(选填) |
后面再看看其他功能~比如导入word,index,indexers,skillset。。