Azure AI向量搜索：如何基于父元数据过滤分块PDF

核心问题分析 #

你通过Azure门户的「Import and vectorize」快速配置向量搜索后，分块数据无法继承父文档的prosjektnummer元数据，导致无法基于该字段过滤分块，且索引器运行时出现0/0无操作的情况。主要原因有两点：

• Blob自定义元数据在Azure搜索中会自动添加metadata_前缀，你之前的字段映射未使用正确的源字段名
• 技能集的索引投影配置中，未将父元数据映射到分块索引字段

最简解决方案 #

1. 修正索引器的字段映射 #

修改索引器的fieldMappings，将prosjektnummer的源字段名改为metadata_prosjektnummer（Blob自定义元数据的标准命名格式）：

"fieldMappings": [
  {
    "sourceFieldName": "metadata_storage_name",
    "targetFieldName": "title",
    "mappingFunction": null
  },
  {
    "sourceFieldName": "metadata_prosjektnummer",
    "targetFieldName": "prosjektnummer",
    "mappingFunction": null
  }
]

2. 更新技能集的索引投影配置 #

在技能集的indexProjections.selectors.mappings中添加prosjektnummer的映射，确保父文档的元数据被传递到每个分块：

"mappings": [
  {
    "name": "chunk",
    "source": "/document/pages/*",
    "sourceContext": null,
    "inputs": []
  },
  {
    "name": "vector",
    "source": "/document/pages/*/vector",
    "sourceContext": null,
    "inputs": []
  },
  {
    "name": "title",
    "source": "/document/metadata_storage_name",
    "sourceContext": null,
    "inputs": []
  },
  {
    "name": "prosjektnummer",
    "source": "/document/prosjektnummer",
    "sourceContext": null,
    "inputs": []
  }
]

3. 重置并重新运行索引器 #

索引器出现0/0无操作是因为增量索引机制认为文档未变更，需先重置索引器状态再全量运行：

• 在Azure门户中找到目标索引器，点击「重置」按钮
• 重置完成后，点击「运行」按钮触发全量索引

可选方案说明 #

若考虑直接过滤父文档，可修改技能集的projectionMode为includeParentDocuments，此时索引中将同时存储父文档和分块数据：

• 父文档包含完整元数据，可先过滤父文档得到parent_id
• 再基于parent_id过滤对应的分块数据
  但该方案会增加索引存储量，对于你的场景，将元数据直接映射到分块是更简洁的选择

内容的提问来源于stack exchange，提问作者Trygve Leithe Svalheim