如何让 Azure AI Search 返回两行内答案及引用

结论

实现方式取决于答案要求：

• 如果只需从原文抽取一段较短的答案，可以直接使用 Azure AI Search 的 semantic answers 和 captions。
• 如果答案必须控制在两行内，还要整理多个百分比并附上引用，则需要在应用层接入 Azure OpenAI 或其他大语言模型。Azure AI Search 检索相关文本，模型再生成短答案。

当前返回内容过长，是因为查询结果包含了可检索的完整 content 字段，并非 semantic search 生成了长答案。使用 select 排除该字段，再读取 @search.answers 和 @search.captions，即可缩短返回内容。

修正示例中的数据含义

原文中的百分比按经济部门划分 GHG emissions：

• Electricity & Heat Production：31%
• Agriculture, Forestry & Other Land Use：20%
• Industry：18%
• Transportation：16%
• Other Energy：9%
• Buildings：6%

31% 指“电力和供热”，不能解释成“汽车”；20% 指“农业、林业及其他土地利用”，不能解释成“工厂”。按原文生成的简短回答可以写成：

电力和供热占31%，农业、林业及其他土地利用占20%，工业占18%，交通运输占16%，其他能源占9%，建筑占6%。

引用可以显示为：

Global Greenhouse Gas (GHG) Emissions by Economic Sector: Electricity & Heat Production 31%, Agriculture, Forestry & Other Land Use 20%, Industry 18%, Transportation 16%, Other Energy 9%, Buildings 6%.

直接使用 semantic answers 和 captions

查询时需启用 semantic query，并指定已经创建的 docs-test semantic configuration。

POST https://<search-service>.search.windows.net/indexes/<index-name>/docs/search?api-version=<supported-api-version>
Content-Type: application/json
api-key: <query-api-key>

{
  "search": "What are the percentages of GHG emissions by economic sector?",
  "queryType": "semantic",
  "semanticConfiguration": "docs-test",
  "answers": "extractive|count-1",
  "captions": "extractive|highlight-false",
  "select": "metadata_title,metadata_storage_path",
  "top": 3
}

不要在 select 中包含完整的 content。如果省略 select，所有设置为 retrievable 的字段都可能出现在结果中。

返回结果通常分为两部分：

{
  "@search.answers": [
    {
      "key": "document-or-chunk-id",
      "text": "Electricity and heat production account for 31% and transportation accounts for 16% of GHG emissions.",
      "highlights": null,
      "score": 0.98
    }
  ],
  "value": [
    {
      "metadata_title": "2019 Tesla Impact Report",
      "metadata_storage_path": "...",
      "@search.captions": [
        {
          "text": "Global Greenhouse Gas emissions by economic sector: Electricity and heat production 31%, agriculture and land use 20%, industry 18%, transportation 16%, other energy 9%, and buildings 6%.",
          "highlights": null
        }
      ]
    }
  ]
}

应用可以将 @search.answers[0].text 作为答案，并将排名最高结果中的 @search.captions[0].text 作为引用。

semantic answers 是抽取式答案，只会从索引内容中选择合适的原文片段，无法稳定完成改写、归纳或严格的两行长度控制。如果找不到置信度足够的片段，@search.answers 也可能为空。

调整索引结构

目前一个搜索结果似乎对应整份 PDF，因此 content 中包含了几十页文字。虽然已经配置 Text Split skill，但返回结果中的 split_text 是空数组。这通常表示拆分结果没有正确写入索引，或索引仍采用“一个源文件对应一个搜索文档”的保存方式。

问答检索更适合采用“一条索引记录对应一个文本块”的结构：

{
  "id": "unique-chunk-id",
  "parent_id": "source-document-id",
  "chunk": "该段落或页面附近的正文",
  "title": "2019 Tesla Impact Report",
  "section_title": "Global Greenhouse Gas Emissions by Economic Sector",
  "source_uri": "https://example.blob.core.windows.net/reports/impact-report.pdf",
  "page_number": 4
}

各字段可以这样设置：

Text Split skill 需要将拆分后的每个 chunk 投影为独立的搜索文档。如果只创建 split_text 集合字段，索引中保存的仍是整份文件，检索粒度不会得到充分改善。使用 index projections 时，需要确认以下配置：

1. Text Split skill 的输出路径与 projection source context 一致。
2. 每个 chunk 都写入一条独立的索引记录。
3. 标题、Blob URL、页码等父文档信息同步到每个 chunk。
4. 重新运行 indexer 后，检查 chunk 字段是否有值。
5. 不要将相同的整篇文本同时写入 content 和 merged_content。

文本块不宜过大，具体大小需要结合文档结构测试。一个块最好包含完整的段落、表格或小节。必要时可以保留少量重叠，防止句子在块边界被截断。

调整 semantic configuration

改为 chunk 索引后，可以按以下方式配置 semantic configuration：

{
  "name": "docs-test",
  "prioritizedFields": {
    "titleField": {
      "fieldName": "title"
    },
    "prioritizedContentFields": [
      {
        "fieldName": "chunk"
      }
    ],
    "prioritizedKeywordsFields": [
      {
        "fieldName": "section_title"
      },
      {
        "fieldName": "keywords"
      }
    ]
  }
}

当前配置中的 metadata_title、merged_content 和 keywords 大量为 null，无法为 semantic ranking 提供有效信息。先检查 skillset 的 output field mappings 和 indexer field mappings，确保这些字段已写入数据。

semantic configuration 还应优先使用最有可能回答问题的字段。对于分块索引，正文块 chunk 通常比完整文档 content 更合适。

将答案严格限制为两行

semantic answers 无法保证字符数或显示行数。实际行数还会受到页面宽度、字体和终端的影响，因此应用通常需要同时限制内容长度和界面高度。

可以采用以下流程：

用户问题
  -> Azure AI Search semantic/hybrid query
  -> 取排名最高的若干 chunk
  -> 大语言模型根据 chunk 生成简短答案
  -> 返回答案、引用原文、文档 URL 和页码

模型提示词可以写成：

请只根据提供的资料回答问题。

要求：
1. 答案不超过80个中文字符，最多两句话。
2. 保留资料中的所有相关百分比及其准确类别。
3. 不得把“交通运输”改写成“汽车”，也不得把“工业”改写成“工厂”，除非原文明确这样表述。
4. 资料不足时返回“现有资料无法确定”。
5. 返回 JSON，不要输出其他内容。

输出格式：
{
  "answer": "简短答案",
  "citation_ids": ["chunk-id"]
}

应用层根据 citation_ids 找到相应的 chunk，再显示引用：

def build_response(search_response, model_result):
    chunks = {
        item["id"]: item
        for item in search_response["value"]
    }

    citations = []
    for chunk_id in model_result["citation_ids"]:
        chunk = chunks.get(chunk_id)
        if not chunk:
            continue

        citations.append({
            "text": chunk["chunk"],
            "title": chunk.get("title"),
            "url": chunk.get("source_uri"),
            "page": chunk.get("page_number")
        })

    return {
        "answer": model_result["answer"],
        "citations": citations
    }

引用文本和 URL 应直接取自 Search 返回的原始 chunk，不要让模型自行编写，以免答案与引用不一致。

前端也可以限制显示高度：

.answer {
  display: -webkit-box;
  -webkit-box-orient: vertical;
  -webkit-line-clamp: 2;
  overflow: hidden;
}

CSS 只能控制显示效果，不能保证语义完整。内容长度仍需通过生成提示、字符数校验和必要的重试来控制。

Basic tier 和演示应用

Basic tier 不会直接决定答案长短。能否使用 semantic ranker，还取决于服务所在区域、当前功能可用性和服务配置。部署前应在 Azure 门户中确认 semantic ranker 已启用，并核对当前计费和配额。

Azure AI Search 的 demo application 能否直接显示“两行答案加引用”，取决于生成 demo 时所用的模板。通用 Search explorer 主要用于检查原始搜索响应，不会自动按这种格式排版。带生成式问答能力的示例应用可以修改提示词和结果模板；普通搜索页面则需要增加一层后端编排。

排查顺序

可以按以下顺序检查当前配置：

1. 在 Search explorer 中使用 semantic query，并加入 answers 和 captions。
2. 使用 select 排除完整 content，确认查询结果不再直接返回长文本。
3. 检查 metadata_title、keywords、merged_content 和 split_text 为空的原因。
4. 将索引改为每个 chunk 一条记录，并保存文档 URL、页码和章节标题。
5. 让 semantic configuration 优先使用 chunk，避免重复加入整篇正文。
6. 如果只需要抽取式短答案，直接显示 @search.answers 和 @search.captions。
7. 如果需要严格控制为两行、重新组织多个事实或统一语言，再接入大语言模型，并保留 chunk 级引用。

备注：内容仅供参考。