现有配置下存储AzureOpenAIEmbeddingSkill向量及解决401授权错误

这是此前相关问题的后续提问，当前核心需求为：基于现有配置完成AzureOpenAIEmbeddingSkill生成向量向索引器的存入操作，同时解决遇到的权限错误。

现有配置信息 #

自定义WebApiSkill代码 #

combined_list = [{'textItems': text, 'numberItems': number} for text, number in zip(chunks, page_numbers)]

# 单个PDF的响应对象
response_record = {
    "recordId": recordId,
    "data": {
        "subdata": combined_list
    }
}
response_body['values'].append(response_record)

技能集定义 #

{
  ...
  "description": "用于分割文档并生成向量的技能集",
  "skills": [
    {
      "@odata.type": "#Microsoft.Skills.Custom.WebApiSkill",
      "name": "splitclean",
      "description": "自定义分割技能，按指定大小和重叠度分割文档",
      "context": "/document",
      "httpMethod": "POST",
      "timeout": "PT30S",
      "batchSize": 1,
      "degreeOfParallelism": null,
      "authResourceId": null,
      "inputs": [
        {
          "name": "text",
          "source": "/document/content"
        }
      ],
      "outputs": [
        {
          "name": "subdata",
          "targetName": "subdata"
        }
      ],
      "authIdentity": null
    },
    {
      "@odata.type": "#Microsoft.Skills.Text.AzureOpenAIEmbeddingSkill",
      "name": "#2",
      "description": "通过Azure OpenAI生成向量的技能",
      "context": "/document/subdata/*",
      "apiKey": "<redacted>",
      "deploymentId": "embedding-ada-002",
      "dimensions": null,
      "modelName": "experimental",
      "inputs": [
        {
          "name": "text",
          "source": "/document/subdata/*/textItems"
        }
      ],
      "outputs": [
        {
          "name": "embedding",
          "targetName": "vector"
        }
      ],
      "authIdentity": null
    }
  ],
  "cognitiveServices": null,
  "knowledgeStore": null,
  "indexProjections": {
    "selectors": [
      {
        "parentKeyFieldName": "parent_id",
        "sourceContext": "/document/subdata/*",
        "mappings": [
          {
            "name": "chunk",
            "source": "/document/subdata/*/textItems",
            "sourceContext": null,
            "inputs": []
          },
          {
            "name": "vector",
            "source": "/document/subdata/*/vector",
            "sourceContext": null,
            "inputs": []
          },
          {
            "name": "title",
            "source": "/document/metadata_storage_name",
            "sourceContext": null,
            "inputs": []
          },
          {
            "name": "page_number",
            "source": "/document/subdata/*/numberItems",
            "sourceContext": null,
            "inputs": []
          }
        ]
      }
    ],
    "parameters": {
      "projectionMode": "skipIndexingParentDocuments"
    }
  },
  "encryptionKey": null
}

遇到的错误 #

在AzureOpenAIEmbeddingSkill执行时触发401未授权错误：

Web Api response status: 'Unauthorized', Web Api response details: '{"error":{"code":"401","message":"Access denied due to invalid subscription key or wrong API endpoint. Make sure to provide a valid key for an active subscription and use a correct regional API endpoint for your resource."}}'

解决步骤 #

一、优先修复401权限错误（核心阻碍） #

1. 验证并替换API密钥
   • 登录Azure门户，找到目标Azure OpenAI资源，在「密钥和终结点」页面复制有效密钥（两个密钥任选其一），替换技能集中的<redacted>占位符，确保密钥未过期且资源处于活动状态。
2. 指定正确的OpenAI终结点
   • 若Azure OpenAI资源与认知搜索服务不在同一区域，需在AzureOpenAIEmbeddingSkill中添加endpoint参数：

     {
       "@odata.type": "#Microsoft.Skills.Text.AzureOpenAIEmbeddingSkill",
       "name": "#2",
       // 保留其他原有参数
       "endpoint": "https://<你的OpenAI资源名称>.openai.azure.com/"
     }
     

3. 确认资源访问权限
   • 若使用托管标识，需确保认知搜索服务的托管标识拥有Azure OpenAI资源的「认知服务用户」角色；若使用密钥认证，直接确保密钥权限正常即可。

二、确保向量正常存入索引器的配置检查 #

1. 匹配索引字段结构
   • 目标索引需包含对应字段：
     • chunk（字符串类型）
     • vector（向量类型，维度需与ada-002模型一致，默认1536维）
     • title（字符串类型）
     • page_number（整数类型）
     • parent_id（字符串类型，用于关联父文档）
2. 验证上下文与映射一致性
   • AzureOpenAIEmbeddingSkill的上下文/document/subdata/*已正确指向每个分块，索引投影中vector字段的源路径/document/subdata/*/vector与技能输出的targetName完全匹配，无需调整。
3. 测试技能集全流程
   • 在Azure认知搜索门户中使用「测试技能集」功能，输入测试文档内容，验证分块生成、向量计算、索引投影的全链路是否正常，排除其他潜在配置问题。

内容的提问来源于stack exchange，提问作者Mike B