Azure AI Projects SDK 中向量存储创建问题的分析与解决
问题背景
在使用 Azure AI Projects SDK 的 azure-ai-projects
包(版本 1.0.0b8)时,开发者在尝试通过 API 创建向量存储时遇到了问题。具体表现为当使用 Azure 资产 URI 作为数据源时,API 返回了 400 Bad Request
错误,提示"Vector store configuration is not supported"。
技术分析
问题现象
开发者尝试通过以下代码创建向量存储:
data_sources = [
VectorStoreDataSource(
asset_identifier=asset_uri,
asset_type=VectorStoreDataSourceAssetType.URI_ASSET,
)
for asset_uri in uploaded_file_uris
]
vector_store = await project_client.agents.create_vector_store_and_poll(
data_sources=data_sources,
name=f"vector_store_{agent_id}",
)
生成的请求体包含了一个 configuration
字段,其中包含了数据源信息:
{
"configuration": {
"data_sources": [
{
"uri": "azureml://...",
"type": "uri_asset"
}
]
},
"name": "vector_store_asst_rEP6VjvzJ9X93eB6FHyXouQq"
}
然而,API 规范显示该端点并不支持 configuration
字段,导致请求被拒绝。
根本原因
经过深入分析,发现这个问题与 Azure AI Foundry 的部署模式有关。Azure AI Foundry 支持两种部署模式:
- 基础模式(Basic)
- 标准模式(Standard)
只有在标准模式下,当 Azure AI Search 服务资源连接到 Azure AI Foundry 时,才能支持企业级文件搜索功能,包括向量存储的创建。
解决方案
要解决这个问题,开发者需要采取以下步骤:
-
部署标准模式的 Azure AI Foundry:确保使用标准模式部署,这样才能支持向量存储功能。
-
添加 AI Search 工具:如果已经部署了基础模式,可以通过特定命令将 AI Search 工具添加到现有的 Azure AI Foundry 中。
-
配置功能主机:使用 Azure CLI 为 hub 和项目创建功能主机,并建立必要的数据存储和 AI 搜索资源连接:
pip install -U azure-cli
az config set extension.dynamic_install_allow_preview=true
az ml capability-host create -g my-resource-group -w my-hub
az ml capability-host create -g my-resource-group -w my-project -s my-project/workspaceblobstore -v vector_store_connection_name -a ai_services_connection_used_by_a_project
经验总结
-
部署模式选择:在项目规划阶段就应根据需求选择合适的部署模式,如果需要高级搜索功能,务必选择标准模式。
-
API 版本兼容性:注意 SDK 和 API 版本之间的兼容性,确保使用的功能在当前 API 版本中受支持。
-
错误诊断:遇到 API 错误时,应仔细检查请求体是否符合 API 规范,并查阅相关文档了解功能支持情况。
通过采用标准模式部署 Azure AI Foundry,开发者成功解决了向量存储创建的问题,这为后续的 AI 应用开发奠定了良好的基础。
- QQwen3-Next-80B-A3B-InstructQwen3-Next-80B-A3B-Instruct 是一款支持超长上下文(最高 256K tokens)、具备高效推理与卓越性能的指令微调大模型00
- QQwen3-Next-80B-A3B-ThinkingQwen3-Next-80B-A3B-Thinking 在复杂推理和强化学习任务中超越 30B–32B 同类模型,并在多项基准测试中优于 Gemini-2.5-Flash-Thinking00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~0266cinatra
c++20实现的跨平台、header only、跨平台的高性能http库。C++00AI内容魔方
AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。02- HHunyuan-MT-7B腾讯混元翻译模型主要支持33种语言间的互译,包括中国五种少数民族语言。00
GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile06
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
热门内容推荐
最新内容推荐
项目优选









