如何通过LangChain从Azure AI Search索引分块中获取文档ID

• 问题根源：LangChain的AzureSearch类默认不会将Azure AI Search索引中的文档ID映射到返回的Document对象的id属性，需要手动配置字段映射。

• 解决方案步骤：

  1. 初始化AzureSearch时指定ID字段
     在创建AzureSearch实例时，添加id_field参数，值为Azure AI Search索引中存储自动生成ID的字段名（默认自动生成的ID字段名为id）。代码示例：

     from langchain_community.vectorstores import AzureSearch
     from langchain_openai import OpenAIEmbeddings
     
     embeddings = OpenAIEmbeddings(model="text-embedding-ada-002")
     
     vector_store = AzureSearch(
         azure_search_endpoint="你的Azure Search端点",
         azure_search_key="你的Azure Search密钥",
         index_name="你的索引名称",
         embedding_function=embeddings.embed_query,
         id_field="id"  # 关键配置：指定ID字段
     )
     

  2. 调用搜索方法获取带ID的文档
     之后调用search或similarity_search等方法，返回的Document对象的id属性就会对应Azure AI Search中的文档ID：

     results = vector_store.search("你的查询内容", k=5)
     for doc in results:
         print(f"文档ID: {doc.id}, 内容摘要: {doc.page_content[:100]}...")
     

• 注意：如果你的索引使用了自定义的ID字段名，只需将id_field的值替换为对应的字段名称即可。

内容的提问来源于stack exchange，提问作者Patrick Schwarz