我找到了这份文档，关于使用AI-Search和OpenAI与自己的数据进行聊天。
它对我的数据运行良好，但是除了内容和分数之外，我没有得到任何额外的上下文信息:
{"content":"<MY CONTENT>", "id":null,"title":null,"filepath":null,"url":null,"metadata":{"chunking":"orignal document size=2000. Scores=3.6962261Org Highlight count=31."},"chunk_id":"0"}我认为AI-Search中的额外字段需要在代码中的某个地方指定，但我不知道在哪里，并且我找不到任何相关的示例。
在Azure OpenAI聊天游乐场中，你可以选择AI-Search索引中的字段。然后这些字段也会在示例聊天应用中正确显示。
我如何在我的代码中使用上述引用的代码示例来实现同样的效果？
回答：
我自己找到了解决方案。原来，你不需要为AI-Search索引字段使用“默认”名称。你可以随意命名你的索引字段。但是，你需要将你的字段名称映射到预期的默认值。这里有一个工作示例:
def ask_llm_citation(USER_INPUT:str, AZURE_OPENAI_SYSTEM_MESSAGE: str, NR_DOCUMENTS: int, STRICTNESS: int): def parse_multi_columns(columns: str) -> list: if "|" in columns: return columns.split("|") else: return columns.split(",") endpoint = config["OPENAI_API_BASE"] api_key = config["OPENAI_API_KEY"] # 设置我们想要使用的模型的部署名称 deployment = config["OPENAI_API_GPT_DEPLOYMENT_NAME"] client = openai.AzureOpenAI( base_url=f"{endpoint}/openai/deployments/{deployment}/extensions", api_key=api_key, api_version="2023-09-01-preview" ) response = client.chat.completions.create( messages=[{"role": "user", "content": USER_INPUT}], model=deployment, extra_body={ "dataSources": [ { "type": "AzureCognitiveSearch", "parameters": { "endpoint": ai_search["AZURE_COGNITIVE_SEARCH_ENDPOINT"], "key": ai_search["AZURE_COGNITIVE_SEARCH_KEY"], "indexName": ai_search["AZURE_COGNITIVE_SEARCH_INDEX_NAME"], "fieldsMapping": { "contentFields": parse_multi_columns("content"), "urlField": "url_name", "filepathField": "file_name", "vectorFields": parse_multi_columns("content_vector") }, "embeddingDeploymentName": config["OPENAI_API_DEPLOYMENT_NAME"], "query_type":"vectorSimpleHybrid", "inScope": True, "roleInformation": AZURE_OPENAI_SYSTEM_MESSAGE, "topNDocuments": NR_DOCUMENTS, "strictness": STRICTNESS } } ] }, stream=True, ) for chunk in response: delta = chunk.choices[0].delta yield delta注意: ContentFields 和 VectorFields 需要是一个列表而不是字符串，因为这里可能有多个字段。这就是为什么我们需要将其转换为列表。
