Microsoft在Azure AI搜索中啟動了“代理檢索”的公開預覽。此舉旨在顯著提高對話性AI功能。新系統採用大型語言模型（LLM）來分析聊天歷史。
它將復雜的用戶問題分解為多個重點的子征服。這些子徵在文本和向量數據的並行運行，根據
這種開發對於復雜的AI代理的開發人員很重要。代理檢索旨在提供更高質量的上下文感知基礎數據。此類數據對於更智能的AI應用程序至關重要。該功能可以通過預覽REST API和即將到來的Azure SDK中的新“知識代理”對象訪問，如
How Agentic Retrieval Redefines Search
The “agentic”aspect of this technology involves an LLM, such as GPT-4o, scrutinizing conversation threads to discern true user intent.該模型不是單個查詢，而是根據用戶輸入，聊天歷史記錄和請求參數制定了多個子查詢。 Microsoft解釋了此功能，例如查詢重寫，拼寫校正和解構多方面問題。例如，它可以處理“在素食餐廳附近找到帶機場運輸的海濱酒店”之類的查詢。
“檢索”組件然後同時執行這些子征服。結果合併，語義排名，並以三部分的響應返回。此響應包括對話的基礎數據，用於源檢查的參考數據以及詳細介紹執行步驟的活動計劃。 Matthew Gotteiner在Microsoft Build會話中指出，總體速度與子征服的數量有關。
更複雜的查詢需要大量子征服，這自然可能需要更長的時間。 Counterintuitively, he added, a “mini”planner generating fewer, broader subqueries might return results faster than a “full-size”planner creating many highly focused subqueries.
[embedded content]
Strategic Shifts and Developer Considerations
Agentic Retrieval’s introduction coincides with Microsoft retiring its public Bing Search and Custom Search APIs, effective August 11。開發人員正在引導Azure AI代理服務，其中包括“與Bing搜索的接地”功能。但是，這種過渡提出了挑戰。
一些開發人員對數據處理提出了擔憂，因為信息可能會在標準的Azure合規邊界之外移動，並且具有與C＃語義內核之類的工具。
儘管有這些過渡障礙，但朝更先進的AI工具（例如Agentic rag（arag））的轉移被視為進步。 Akshay Kokane, a Microsoft Software Engineer, explained in a Medium post that儘管傳統抹布是一個良好的開端，但“隨著企業用例變得更加複雜，靜態，線性工作流的局限性變得顯而易見。”
他補充說，Arag“通過引入動態推理，智能的工具選擇和迭代性改進來解決這一差距。” AT＆T強調行業的興趣表示，其熱情指出，他們“期待使用Azure AI搜索的代理檢索與我們的代理商與我們需要達到目標的速度，複雜性和多樣性來匹配我們需要達到目標的速度，複雜性和多樣性”，按照Microsoft Community Hub公告的公告。 Azure AI搜索，該搜索連接到Azure OpenAI中的LLM以構建和執行查詢計劃。當前，配置僅通過預覽rest apis，如語義排名的區域中獲得。查詢計劃通過azure openai 。 通過Azure AI搜索，類似的費用適用於語義排名。但是， Microsoft指出，這些排名成本最初被放棄用於預覽期間的代理檢索 Preview。 href=“ https://github.com/azure-samples/azure-search-python-samples/tree/main/main/quickstart-agentic-gentic-retrieval“ target=” _ blank> python> python ，。 href=“ https://github.com/azure-samples/azure-search-rest-samples/tree/main/main/agentic-retrieval” target=“ _ black”> rest 幫助開發人員。代理檢索也是最近Azure AI鑄造更新的一部分。