Azure AI Search多索引条件语义检索解决方案咨询

方案1：查询主题分类 + 多索引选择性检索 #

这是适配现有索引拆分方案的直接做法，核心是先判断查询的主题类别，再定向到对应索引执行检索，最后合并结果。

步骤： #

1. 查询主题分类：
   • 用Azure OpenAI的文本分类能力，让模型判断查询属于「生物类」「科技/AI类」「其他类」；
   • 也可采用自定义关键词匹配（比如包含「细胞」「基因」归为生物类，包含「AI」「机器学习」归为科技类），适合规则明确的场景。
2. 定向检索：根据分类结果，初始化对应索引的SearchClient执行检索。
3. 结果合并排序：将多索引检索结果合并，按相关性得分排序后传入LLM生成回答。

代码示例（基于现有单索引代码修改）： #

from azure.search.documents import SearchClient
from azure.core.credentials import AzureKeyCredential
import openai

# 初始化指定索引的SearchClient
def get_search_client(index_name):
    service_endpoint = "你的Azure AI Search端点"
    admin_key = "你的搜索密钥"
    return SearchClient(endpoint=service_endpoint, index_name=index_name, credential=AzureKeyCredential(admin_key))

# 查询主题分类（Azure OpenAI实现）
def classify_query(query):
    prompt = f"""请将以下查询分类为三类：
    1. 生物类：涉及生物学、医学相关内容
    2. 科技类：涉及工程、技术、AI、数据科学相关内容
    3. 其他类：不属于上述两类的内容
    查询内容：{query}
    仅返回分类结果的数字编号（1/2/3）"""
    response = openai.ChatCompletion.create(
        engine="你的Azure OpenAI部署名称",
        messages=[{"role": "user", "content": prompt}],
        temperature=0
    )
    return response.choices[0].message.content.strip()

# 多索引检索逻辑
def multi_index_retrieve(query):
    category = classify_query(query)
    results = []
    # 根据分类选择对应索引检索
    if category == "1":
        # 生物类：检索Index1和Index2
        client1 = get_search_client("Biology Index")
        res1 = client1.search(query, top=5)
        results.extend(list(res1))
        client2 = get_search_client("Engineering and Technology Index")
        res2 = client2.search(query, top=5)
        results.extend(list(res2))
    elif category == "2":
        # 科技类：仅检索Index2
        client2 = get_search_client("Engineering and Technology Index")
        res2 = client2.search(query, top=10)
        results.extend(list(res2))
    else:
        # 其他类：检索所有索引（可按需调整）
        client1 = get_search_client("Biology Index")
        res1 = client1.search(query, top=3)
        results.extend(list(res1))
        client2 = get_search_client("Engineering and Technology Index")
        res2 = client2.search(query, top=3)
        results.extend(list(res2))
        client3 = get_search_client("Art and Architecture Index")
        res3 = client3.search(query, top=4)
        results.extend(list(res3))
    # 按相关性得分排序
    results.sort(key=lambda x: x["@search.score"], reverse=True)
    return results[:10]  # 返回前10条最相关结果

# 集成到现有RAG流程
query = "细胞分裂的AI模拟方法"
retrieved_docs = multi_index_retrieve(query)
# 后续传入LLM生成回答...

方案2：重构单索引 + 筛选器检索 #

如果索引拆分的核心需求是「条件检索」而非物理隔离（权限、语言可通过字段标记实现），可将所有数据合并回单索引，通过自定义字段标记属性，用Azure AI Search的筛选器实现定向检索，避免多索引的麻烦。

步骤： #

1. 重构索引结构：添加以下字段：
   • category：枚举类型，可选值biology/engineering_tech/art_architecture
   • language：标记文本语言（fr/en）
   • region：标记适用区域（global/us_uk）
2. 数据重新导入：将三个索引的数据导入新索引，并填充上述字段。
3. 基于筛选器的检索：根据查询主题构造筛选条件，执行单索引检索。

代码示例： #

def filtered_search(query, category):
    client = get_search_client("Unified-Enterprise-Index")
    filter_expr = ""
    if category == "1":
        # 生物类：筛选biology和engineering_tech分类
        filter_expr = "category eq 'biology' or category eq 'engineering_tech'"
    elif category == "2":
        # 科技类：仅筛选engineering_tech分类
        filter_expr = "category eq 'engineering_tech'"
    else:
        # 其他类：美英地区优先返回art_architecture分类内容
        filter_expr = "region eq 'us_uk' or category ne 'art_architecture'"
    results = client.search(query, filter=filter_expr, top=10)
    return list(results)

方案3：自定义检索路由服务 #

如果需要更高扩展性（比如后续新增索引），可构建轻量级中间服务，专门处理查询分类、多索引检索路由，将检索逻辑与RAG流程解耦。

核心逻辑： #

• 服务暴露API接口接收用户查询；
• 内部完成主题分类、多索引检索、结果聚合；
• 返回标准化检索结果给RAG流程。

优势： #

• 后续修改索引规则无需改动RAG核心代码；
• 可添加缓存、限流等优化措施。

• 生物类查询的法语内容，可在方案1中给Index1的结果设置更高权重，或合并时优先排序；
• 用Azure OpenAI做分类时，建议微调模型或添加few-shot示例，提升分类准确率；
• 方案2中若Index1是私有数据，可添加is_private字段，结合Azure AI Search的角色访问控制实现权限隔离。

内容的提问来源于stack exchange，提问作者R_Student