索引Azure存储Blob容器时Embedding字段为空的问题排查

问题场景 #

已完成以下操作，但索引的embedding字段始终为空集合：

• 创建Azure AI Search资源，数据源指向Azure存储Blob容器
• 创建索引，新增embedding字段（类型为Collection(Edm.String)，维度1536），配置了基于Azure OpenAI text-embedding-ada-002模型的向量器
• 创建带字段映射的索引器，运行正常且索引已填充，但embedding字段无数据

核心排查与解决步骤 #

1. 确认Embedding字段的完整配置 #

你提供的索引字段片段未包含embedding字段定义，需确保该字段正确关联向量配置：
正确配置示例：

{
  "name": "embedding",
  "type": "Collection(Edm.String)",
  "searchable": true,
  "filterable": false,
  "retrievable": true,
  "stored": true,
  "sortable": false,
  "facetable": false,
  "key": false,
  "vectorSearchConfiguration": "你的向量配置名称"
}

2. 必须配置技能集连接文本与向量字段 #

索引器不会自动调用向量器生成嵌入，需通过技能集实现：

• 创建包含AzureOpenAIEmbeddingSkill的技能集，指定输入字段（如content）、Azure OpenAI部署信息、输出字段
• 在索引器中关联该技能集，并配置字段映射，将技能集输出的嵌入值映射到embedding字段

3. 验证权限与网络配置 #

• 确保Azure AI Search能访问Azure OpenAI服务：若用VNet，需配置对等连接或服务端点；密钥认证的话，确认技能集中的API密钥、部署名称无误
• 检查Azure OpenAI的配额，避免因配额耗尽导致嵌入生成失败

4. 查看索引器运行日志找错误 #

在Azure门户的Azure AI Search资源中，进入「索引器」页面，选择目标索引器查看「运行历史」，日志会显示技能集执行失败的具体原因（如API调用错误、字段映射不匹配等）

备选方案：脚本批量生成嵌入 #

如果索引器配置始终无法生效，可通过脚本遍历文档生成嵌入并更新索引：

import azure.search.documents as search
from openai import AzureOpenAI

# 初始化客户端
search_client = search.SearchClient(endpoint="你的Search端点", index_name="你的索引名称", credential="你的Search密钥")
openai_client = AzureOpenAI(azure_endpoint="你的OpenAI端点", api_key="你的OpenAI密钥", api_version="2024-02-01")

# 遍历并更新文档
for doc in search_client.search(query="*", select="id,content"):
    # 生成嵌入向量
    embedding_res = openai_client.embeddings.create(input=doc["content"], model="text-embedding-ada-002")
    embedding = embedding_res.data[0].embedding
    # 转换为字符串集合匹配索引字段类型
    embedding_strs = [str(val) for val in embedding]
    # 更新索引文档
    search_client.upload_documents(documents=[{"id": doc["id"], "embedding": embedding_strs}])

内容的提问来源于stack exchange，提问作者François