官方技术资料：Microsoft（第 8 页）
官方技术资料 · Microsoft：共 312 条，本页为第 106–120 条。
Relevance in Azure AI Search
Learn how relevance and ranking work in Azure AI Search. Explore hybrid search, semantic reranking, agentic retrieval, and scoring profiles to improve results.
证据用途：用于理解、实现、选型、可靠性、安全或迁移判断。
使用边界：只直接证明 Microsoft 的实现与声明；预览功能和产品生命周期使用前应复核
关联概念：retrieval · rag · vector-db
链接复核时间：2026-09-24
Return a semantic answer in Azure AI Search
Describes the composition of a semantic answer and how to obtain answers from a result set.
证据用途：用于理解、实现、选型、可靠性、安全或迁移判断。
使用边界：只直接证明 Microsoft 的实现与声明；预览功能和产品生命周期使用前应复核
关联概念：retrieval · rag · vector-db
链接复核时间：2026-09-24
Configure semantic ranker and return captions in search results
Add a semantic configuration to a search index.
证据用途：用于理解、实现、选型、可靠性、安全或迁移判断。
使用边界：只直接证明 Microsoft 的实现与声明；预览功能和产品生命周期使用前应复核
关联概念：retrieval · rag · vector-db
链接复核时间：2026-09-24
Use scoring profiles with semantic ranker in Azure AI Search
Learn how to combine scoring profiles with semantic ranking in Azure AI Search to optimize final document relevance.
证据用途：用于理解、实现、选型、可靠性、安全或迁移判断。
使用边界：只直接证明 Microsoft 的实现与声明；预览功能和产品生命周期使用前应复核
关联概念：rag · embedding · vector-db
链接复核时间：2026-09-24
Add semantic ranking to queries in Azure AI Search
Set a semantic query type to attach the deep learning models of semantic ranker.
证据用途：用于理解、实现、选型、可靠性、安全或迁移判断。
使用边界：只直接证明 Microsoft 的实现与声明；预览功能和产品生命周期使用前应复核
关联概念：rag · embedding · vector-db
链接复核时间：2026-09-24
Rewrite queries with semantic ranker in Azure AI Search (preview)
Learn how to rewrite queries with semantic ranker in Azure AI Search
证据用途：用于理解、实现、选型、可靠性、安全或迁移判断。
使用边界：只直接证明 Microsoft 的实现与声明；预览功能和产品生命周期使用前应复核
关联概念：retrieval · rag · vector-db
链接复核时间：2026-09-24
Semantic ranking in Azure AI Search
Learn how semantic ranking in Azure AI Search uses deep learning language models to rerank results, improve relevance, and enhance search quality for your users.
证据用途：用于理解、实现、选型、可靠性、安全或迁移判断。
使用边界：只直接证明 Microsoft 的实现与声明；预览功能和产品生命周期使用前应复核
关联概念：rag · embedding · vector-db
链接复核时间：2026-09-24
Add a filter to a vector query in Azure AI Search
Learn how to add filter expressions to vector queries in Azure AI Search. Configure prefilter, postfilter, and strict postfilter (preview) modes to optimize query performance and improve search results.
证据用途：用于理解、实现、选型、可靠性、安全或迁移判断。
使用边界：只直接证明 Microsoft 的实现与声明；预览功能和产品生命周期使用前应复核
关联概念：retrieval · rag · vector-db
链接复核时间：2026-09-24
Assign narrow data types to vector fields in Azure AI Search
Learn how to assign narrow data types to vector fields to reduce the storage requirements of vector indexes.
证据用途：用于理解、实现、选型、可靠性、安全或迁移判断。
使用边界：只直接证明 Microsoft 的实现与声明；预览功能和产品生命周期使用前应复核
关联概念：retrieval · rag · vector-db
链接复核时间：2026-09-24
Chunk large documents for RAG and vector search in Azure AI Search
Learn strategies for chunking PDFs, HTML files, and other large documents for agentic retrieval and vector search.
证据用途：用于理解、实现、选型、可靠性、安全或迁移判断。
使用边界：只直接证明 Microsoft 的实现与声明；预览功能和产品生命周期使用前应复核
关联概念：rag · embedding · vector-db
链接复核时间：2026-09-24
Choose an approach for optimizing vector storage and processing
Learn about the vector compression options in Azure AI Search, and how to reduce storage through narrow data types, built-in scalar or quantization, truncated dimensions, and elimination of redundant storage.
证据用途：用于理解、实现、选型、可靠性、安全或迁移判断。
使用边界：只直接证明 Microsoft 的实现与声明；预览功能和产品生命周期使用前应复核
关联概念：rag · embedding · vector-db
链接复核时间：2026-09-24
Configure a vectorizer in a search index
Add a vectorizer to an Azure AI Search index so the search service converts text queries to vectors at query time using Microsoft-hosted or custom embedding models.
证据用途：用于理解、实现、选型、可靠性、安全或迁移判断。
使用边界：只直接证明 Microsoft 的实现与声明；预览功能和产品生命周期使用前应复核
关联概念：retrieval · rag · vector-db
链接复核时间：2026-09-24
Create a vector index in Azure AI Search
Learn how to create or update a vector index in Azure AI Search by defining vector fields, configuring search algorithms, and setting vector profiles.
证据用途：用于理解、实现、选型、可靠性、安全或迁移判断。
使用边界：只直接证明 Microsoft 的实现与声明；预览功能和产品生命周期使用前应复核
关联概念：retrieval · rag · vector-db
链接复核时间：2026-09-24
Generate embeddings for search queries and documents
Learn how to generate embeddings for downstream indexing into an Azure AI Search index.
证据用途：用于理解、实现、选型、可靠性、安全或迁移判断。
使用边界：只直接证明 Microsoft 的实现与声明；预览功能和产品生命周期使用前应复核
关联概念：retrieval · rag · vector-db
链接复核时间：2026-09-24
Index binary vectors for vector search
Learn how to configure fields for binary vectors and the vector search configuration for querying the fields.
证据用途：用于理解、实现、选型、可靠性、安全或迁移判断。
使用边界：只直接证明 Microsoft 的实现与声明；预览功能和产品生命周期使用前应复核
关联概念：retrieval · rag · vector-db
链接复核时间：2026-09-24