如何在Azure AI Search中存储无统一结构的动态JSON文档用于向量搜索

核心结论 #

Azure AI Search完全支持存储无统一结构的JSON文档，不需要强制统一Schema，同时可以通过以下方案优化向量搜索效果，避免单纯将JSON转字符串的局限。

具体实现方法 #

1. 用动态字段映射存储原生JSON #

你可以将content字段定义为**复杂类型（Edm.ComplexType）**并开启动态映射，这样就能直接存储任意结构的JSON对象，无需转成字符串。索引创建时的配置示例：

{
  "name": "unstructured-json-index",
  "fields": [
    { "name": "id", "type": "Edm.String", "key": true },
    { "name": "content", "type": "Edm.ComplexType", "dynamic": true }
  ]
}

开启dynamic: true后，Azure AI Search会自动捕获JSON中的新键值对并添加到索引中，无需提前定义所有字段结构。

2. 优化向量搜索的预处理策略 #

原生JSON对象无法直接生成有效向量，需要先提取语义化文本：

• 手动提取关键信息生成文本：从无结构JSON中抽取出核心内容（比如产品名称、参数、描述等），拼接成连贯的自然语言文本，存入一个专门的vector_input字段，再基于这个字段生成向量。例如，对{"book": "1984", "author": "George Orwell", "theme": "totalitarianism"}，可以生成"Book: 1984, Author: George Orwell, Theme: totalitarianism"作为向量输入。
• 用技能集自动化处理：借助Azure AI Search的技能集，用JsonParserSkill解析无结构JSON，提取所需字段后，再通过AzureOpenAIEmbeddingSkill自动生成向量。这种方式适合批量处理文档，无需手动干预。

3. 为什么不推荐JSON转字符串 #

把JSON转成字符串存入字段，会让向量模型处理大量无意义的语法符号（如{}、:、逗号），这些符号会稀释有效信息的权重，导致向量无法精准反映文档的语义。用复杂类型存储原生JSON，再提取语义文本生成向量，能显著提升搜索的相关性。

注意事项 #

• 动态字段映射会自动新增字段，但过多的动态字段可能导致索引膨胀，建议设置dynamic: "limited"来限制自动添加的字段类型，或者定期清理无用字段。
• 复杂类型字段不能直接用于向量生成，必须先将内容转换为纯文本字段后再处理。

内容的提问来源于stack exchange，提问作者qkfang