如何在Azure AI Search索引中映射TextSplitSkill的ordinalPositions？

可以用TextSplitSkill + ShaperSkill + indexProjections实现需求 #

核心是通过ShaperSkill将两个数组的对应元素配对成单个对象，再通过索引投影的$each语法逐个映射到索引字段，避免直接映射整个数组导致的序列化问题。

步骤1：正确配置TextSplitSkill #

确保技能输出拆分后的文本块数组textItems和对应顺序的序号数组ordinalPositions：

{
  "@odata.type": "#Microsoft.Skills.Text.SplitSkill",
  "name": "text-split",
  "description": "拆分文本为块",
  "context": "/document",
  "defaultLanguageCode": "zh-CN",
  "textSplitMode": "pages",
  "maximumPageLength": 1000,
  "inputs": [
    {
      "name": "text",
      "source": "/document/content"
    }
  ],
  "outputs": [
    {
      "name": "textItems",
      "targetName": "chunks"
    },
    {
      "name": "ordinalPositions",
      "targetName": "chunk_orders"
    }
  ]
}

步骤2：用ShaperSkill配对数组元素 #

利用ShaperSkill的$index变量，将chunks和chunk_orders数组中同索引的元素组合成单个对象，生成包含文本块与对应序号的对象数组：

{
  "@odata.type": "#Microsoft.Skills.Util.ShaperSkill",
  "name": "shape-chunk-with-order",
  "context": "/document",
  "inputs": [
    {
      "name": "content",
      "source": "/document/chunks/*"
    },
    {
      "name": "chunk_index",
      "source": "/document/chunk_orders/*",
      "sourceContext": "/document/chunks/$index"
    }
  ],
  "outputs": [
    {
      "name": "output",
      "targetName": "chunk_with_order"
    }
  ]
}

步骤3：配置索引投影 #

在索引投影中，使用$each遍历chunk_with_order数组，将每个对象的字段映射到索引对应字段（注意索引的chunk_index需设为整数类型）：

"indexProjections": {
  "selectors": [
    {
      "targetIndexName": "你的目标索引名",
      "parentKeyFieldName": "document_id",
      "sourceContext": "/document/chunk_with_order/*",
      "mappings": [
        {
          "source": "/document/chunk_with_order/*/content",
          "targetName": "chunk_content"
        },
        {
          "source": "/document/chunk_with_order/*/chunk_index",
          "targetName": "chunk_index"
        }
      ]
    }
  ],
  "parameters": {
    "projectionMode": "skipIndexingParentDocument"
  }
}

若上述方案不可行，ordinalPositions的其他使用场景 #

• 查询后重组文档：从索引检索到多个文本块时，通过ordinalPositions的值对chunk排序，还原原始文档的顺序。
• 技能链内排序：在后续技能处理中，利用序号对文本块排序，确保处理逻辑符合原始文档的顺序。
• 元数据关联：将序号作为chunk的元数据，用于统计文档拆分后的块数量、定位特定位置的chunk等。

内容的提问来源于stack exchange，提问作者Daniel Georgiev