Creare e migliorare l'analizzatore personalizzato in Content Understanding Studio

Content Understanding Studio consente di creare analizzatori del contenuto che estraggono contenuto e campi personalizzati in base alle proprie esigenze. Seguire questa procedura per creare un analizzatore personalizzato in Content Understanding Studio.

Prerequisiti

Per iniziare, assicurarsi di disporre delle risorse e delle autorizzazioni seguenti:

Sottoscrizione Azure. Se non si ha una sottoscrizione Azure, creare un account gratuito.
Una risorsa Microsoft Foundry nel portale di Azure creata in un'area supportata.
- Questa risorsa è elencata in Foundry>Foundry nel portale.
Configurare le distribuzioni predefinite del modello per la risorsa Content Understanding. Impostando le impostazioni predefinite, si crea una connessione ai modelli Microsoft Foundry usati per le richieste di Comprensione contenuto. Scegliere uno dei metodi seguenti:
- Portale
- REST API
1. Passare alla pagina delle impostazioni di comprensione del contenuto.
2. Selezionare il pulsante + Aggiungi risorsa in alto a sinistra.
3. Selezionare la risorsa Foundry che si vuole usare e selezionare Avanti>Salva.
  
  Assicurarsi che la casella di controllo Abilita distribuzione automatica per i modelli necessari se non è selezionata alcuna impostazione predefinita . Questa selezione garantisce che la risorsa sia completamente configurata con i modelli GPT-4.1, GPT-4.1-mini e text-embedding-3-large necessari. Diversi analizzatori predefiniti richiedono modelli diversi.
  
  Importante
  
  La famiglia di modelli GPT-4.1 (gpt-4.1, gpt-4.1-mini, gpt-4.1-nano) viene ritirata nell'ottobre 2026. È consigliabile eseguire la migrazione a gpt-5.2, che offre funzionalità migliorate. Per l'intero programma di pensionamento, vedere il ritiro dei modelli Azure OpenAI.
Eseguendo questi passaggi, è possibile configurare una connessione tra i modelli Content Understanding e Foundry nella risorsa Foundry.
1. Nella risorsa Foundry, creare le distribuzioni di modelli di Foundry dei modelli GPT-4.1, GPT-4.1-mini e text-embedding-3-large. Per informazioni dettagliate su come distribuire questi modelli, vedere Creare distribuzioni di modelli nel portale di Microsoft Foundry. Diversi analizzatori predefiniti richiedono modelli diversi, quindi è necessario distribuire tutti e tre.
2. Definire le distribuzioni predefinite del modello a livello di risorsa. Prima di eseguire il comando seguente cURL , apportare le modifiche seguenti alla richiesta HTTP:
  1. Sostituire {endpoint} e {key} con i valori corrispondenti dell'istanza di Foundry nel portale di Azure.
  2. Sostituire {myGPT41Deployment}, {myGPT41MiniDeployment} e {myEmbeddingDeployment} con i nomi reali della distribuzione del modello dalla risorsa Foundry.
```
curl -i -X PATCH "{endpoint}/contentunderstanding/defaults?api-version=2025-11-01" \
  -H "Ocp-Apim-Subscription-Key: {key}" \
  -H "Content-Type: application/json" \
  -d '{
        "modelDeployments": {
          "gpt-5.2": "{myGPT52Deployment}",
          "gpt-4.1-mini": "{myGPT41MiniDeployment}",
          "text-embedding-3-large": "{myEmbeddingDeployment}"
        }
      }'
```

Accedere a Content Understanding Studio

Passare al portale di Content Understanding Studio e accedere usando le credenziali per iniziare. Se si ha familiarità con l'esperienza classica Azure Document Intelligence in Foundry Tools Studio, Content Understanding estende lo stesso contenuto e l'estrazione dei campi in tutte le modalità, ovvero documento, immagine, video e audio. Selezionare l'opzione per provare la nuova esperienza Di comprensione del contenuto per accedere alle funzionalità multimodo.

Creare l'analizzatore personalizzato

Iniziare con un nuovo progetto: Per iniziare a creare l'analizzatore personalizzato, selezionare Create project sulla home page.
Selezionare il tipo di progetto: in questa guida selezionare l'opzione .Extract content and fields with a custom schema Per altre informazioni sulla classificazione e il routing dei dati, vedere Come classificare e instradare i dati con Informazioni sul contenuto.
Creare il progetto: assegnare al progetto un nome descrittivo e selezionare Create.
Caricare dati di esempio: ora che il progetto è configurato, è possibile iniziare a compilare l'analizzatore personalizzato. Caricare un esempio dei dati nello strumento e Content Understanding classifica i dati e consiglia i modelli di analizzatore per fornire un punto di partenza.

Selezionare un modello di scenario: selezionare un modello più adatto alle esigenze dello scenario. È possibile personalizzare tutti i campi dello schema in base alle esigenze specifiche nel passaggio successivo.
Sfruttare i campi suggeriti: se lo scenario richiede campi personalizzati, usare la funzionalità suggerimento di intelligenza artificiale per analizzare i dati e suggerire uno schema completo con campi che potrebbero essere interessati all'estrazione. Lo strumento consente di mantenere i suggerimenti adatti e scartare quelli che non lo fanno.

Definire lo schema: esaminare i campi dello schema suggeriti o che fanno parte del modello. Se sono presenti campi aggiuntivi da aggiungere o modificare, usare le funzionalità di modifica per perfezionare i campi dello schema. È possibile tornare facilmente a perfezionare lo schema dopo il test e dopo aver compilato l'analizzatore iniziale. Dopo aver completato le modifiche, selezionare Save.
Testare lo schema: quando lo schema è pronto per il test, selezionare questa opzione per visualizzare run analysis l'output dello schema nei dati. Facoltativamente, è possibile caricare altri dati di esempio per verificare le prestazioni dello schema.
Scorrere lo schema: ripetere i passaggi da 6 a 8 in base alle esigenze per migliorare l'output dello schema.
Passaggio facoltativo: apprendimento nel contesto (solo documenti): per migliorare ulteriormente la qualità dell'output dello schema, è possibile abilitare l'apprendimento nel contesto. Questo passaggio consente di inserire una knowledge base di dati per il modello da cui fare riferimento e apprendere.

Per iniziare, carica i dati di addestramento in un account di archiviazione BLOB. Selezionare la scheda Knowledge (Informazioni) e selezionare il contenitore di archiviazione BLOB contenente il set di dati di training dei documenti di esempio. In base all'analizzatore appena definito, il modello assegna etichette al documento. Verificare i dati di addestramento rivedendo e correggendo le etichette che hanno fornito un output errato oppure aggiungendo eventuali output mancanti.

Costruisci il tuo analizzatore: Quando siete soddisfatti dell'output dell'analizzatore, selezionate il pulsante Build analyzer nella parte superiore della pagina. Assegnare all'analizzatore un nome e selezionare Build.
Usate l'analizzatore: dopo la creazione dell'analizzatore, selezionare Jump to analyzer list per visualizzare l'elenco completo di tutti gli analizzatori creati. Selezionare l'analizzatore appena creato e viene visualizzato un esempio di codice con una chiave e un endpoint pronti per iniziare. A questo punto è disponibile un endpoint analizzatore che è possibile usare nella propria applicazione tramite l'API REST. Questo articolo ha fornito una procedura dettagliata su come usare Content Understanding Studio per creare un analizzatore personalizzato.

Passaggi successivi

Informazioni su come classificare e instradare i dati usando Content Understanding Studio.
Ulteriori informazioni sulle best practice per Azure Content Understanding.

Commenti e suggerimenti

Questa pagina è stata utile?

Last updated on 2026-05-08