Such- und Abrufmuster

Moderne Agenten benötigen ausgefeilte Such- und Abruffunktionen, um Informationen aus verschiedenen Datenquellen effektiv abzurufen und zu verarbeiten. Dieser Artikel untersucht vier Hauptmuster zur Implementierung von Suche und Abruf in Agentenarchitekturen: Microsofts integrierte Suchfunktionen, strukturierte Datenbankabfragen, maßgeschneiderte semantische Indexierung und hybride Mehrschrittansätze.

Jedes Muster bietet unterschiedliche Vorteile und Kompromisse hinsichtlich Entwickleraufwand, Kontrollgranularität und Leistungsmerkmale. Das Verständnis dieser Muster hilft Lösungsarchitekten, den optimalen Ansatz basierend auf ihren spezifischen Anwendungsfällen, der bestehenden Infrastruktur und den Leistungsanforderungen auszuwählen.

Wichtige Überlegungen:

• Microsofts integrierte Suchfunktionen: Minimaler Entwicklungsaufwand mit Plattformbeschränkungen
• Strukturierte Abfragen: Direkter Datenbankzugriff für berechnete und abgeleitete Werte
• Benutzerdefinierte Indexierung: Maximale Kontrolle bei erhöhter Implementierungskomplexität
• Hybride Ansätze: Umfassende Analyse mit Leistungsabwägungen

Die folgenden Abschnitte erläutern die Architektur jedes Musters, Implementierungsüberlegungen und optimale Anwendungsfälle, um Ihre Entscheidungen über Such- und Abrufstrategien zu leiten.

Integrierte Suchfunktionen

Die integrierten Suchfunktionen von Microsoft bieten den niedrigsten Ansatz für Entwickler, indem vordefinierte Indizes verwendet werden, die von der Microsoft 365-Infrastruktur verwaltet werden. Zu diesen Funktionen gehören Copilot Connectors, SharePoint Wissensdatenbanken und Websuchfunktionen.

Dieses Modell bietet eine nahtlose Integration mit Microsoft 365 Ökosystemen, beschränkt jedoch die Kontrolle über indizierte Eigenschaften, Indizierungsintervalle und unterstützte Dateitypen auf plattformgestützte Funktionen. Die Abfolge und Rangfolge der Suchanfragen bleiben außerhalb der Kontrolle der Entwickler, was diesen Ansatz für allgemeine Suchszenarien geeignet, aber potenziell für spezialisierte Anforderungen einschränkend macht.

Strukturierte Datenbankabfragen

Strukturierte Abfragearchitekturen nutzen die Fähigkeit der Sprachmodelle, Abfrage-Sprachzeichenketten für die Ausführung auf bestehende Datenbanksysteme zu generieren. Dieser Ansatz optimiert Arbeitsabläufe, die berechnete oder abgeleitete Werte erfordern, die bereits in Datenbankspeichersystemen gelöst wurden.

Dieses Modell ist besonders gut, wenn Agenten über etablierte Abfragesprachen wie SQL, KQL und DAX (Data Analysis Expressions) auf strukturierte Daten zugreifen müssen. Optimierte Datenbankansichten können die Leistung weiter verbessern, indem sie häufige Abfragemuster vorberechnen und den Datenzugriff für Sprachmodelle vereinfachen.

Benutzerdefinierte semantische Indexierung

Benutzerdefinierte semantische Indexierung erfordert von Entwicklern, extern gehostete Indizes mit benutzerdefiniertem Parsing, Ranking, Wörterbuch und Snippet-Größen-Konfigurationen zu erstellen. Dieser Ansatz bietet eine feine Kontrolle über Suchergebnisse und ermöglicht eine spezialisierte Optimierung für bestimmte Inhaltstypen und Anwendungsfälle.

Da benutzerdefinierte semantische Indizes als externe Tools für Microsoft 365 gehosteten Agents vorhanden sind, ermöglichen sie iterative Reasoningschleifen und komplexe mehrstufige Suchvorgänge. Diese Flexibilität unterstützt anspruchsvolle Suchszenarien, die domänenspezifische Optimierung oder spezialisierte Inhaltsverarbeitung erfordern.

Hybride Multiturn-Ansätze

Hybride Ansätze kombinieren strukturierte oder semantische Suchen zur anfänglichen Identifikation von Dateien mit mehrstufigen Dialogflüssen für eine umfassende Inhaltsanalyse. Dieses Muster ermöglicht eine tiefere Argumentation über vollständige Dateiinhalte und verwaltet gleichzeitig die Leistungsimplikationen umfassender Analysen.

Nächster Schritt

Entscheide, wie dein Agent mit externen Systemen interagiert und Aktionen über die einfache Informationsabfrage hinaus durchführt.