Der Reiseassistent soll Fragen zu den Reisebedingungen beantworten und seine Quelle nennen (R-02, R-05). Das Wissen liegt als 120 PDF-Dokumente vor (R-03) und steht im Azure-AI-Search-Index reisebedingungen des Suchdienstes srch-nordlicht (E-02). Diese Lektion fragt nur eines: Wie erreicht der Agent oder die Anwendung diesen Index von der Foundry-Seite her? Wie der Index entsteht (Datenquelle, Indexer, Skills, Zerteilen, Vektoren), lehren Lektion 5.1 bis 5.3; die Suchverfahren selbst Lektion 5.2. Hier wird der Index als vorhanden angenommen.

Vorwissen. Warum ein Modell die eigenen Dokumente nicht kennt, wie Antworten geerdet, Quellen genannt und Fragen ohne Quelle abgelehnt werden, steht in „KI-Track, Lektion T5.1 bis T5.3“; die hybride Suche und das semantische Ranking in „KI-Track, Lektion T5.4“; Embeddings und Vektorspeicher in „KI-Track, Lektion T4.1 bis T4.4“; fremder Text als eingezäunte Daten in „KI-Track, Lektion T6.2“, harte Regeln im Code in „T6.4“. Das Foundry-SDK und der Projekt-Client stehen in Lektion 2.1.

Die Anforderung

Alle Zahlen sind Annahmen der Aufgabe.

Nr. Anforderung Art Messgröße Gewicht Quelle
2.2-01 Jede Antwort zu den Reisebedingungen nennt mindestens eine Quelle mit Link. F 100 % der Antworten mit Quelle Muss Fachbereich (R-05)
2.2-02 Ohne Treffer antwortet der Assistent nicht aus dem Gedächtnis des Modells, sondern übergibt an einen Menschen. R 0 Antworten ohne Treffer Muss R-02
2.2-03 Suche kombiniert Stichwörter, Vektoren und semantisches Ranking. Q hybrid, semantisch (E-02) Soll Fachbereich
2.2-04 Agent und Anwendung greifen ohne Schlüssel auf den Suchdienst zu. R 0 Schlüssel Muss R-07
2.2-05 Ein Vierteljahr später geänderte Dokumente erscheinen ohne Code-Änderung. Q nur der Index ändert sich Soll Betrieb (R-03)