スキル Azure AI Search SDK for Python
📦

Azure AI Search SDK for Python

安全 🔑 環境変数

Python SDK を使用した Azure AI Search の実装

Azure AI Search を使用して強力な検索体験を構築します。このスキルでは、公式 Python SDK を使用したベクトル検索、ハイブリッド検索、セマンティックランキング、インデックス管理に関する包括的なガイドを提供します。

対応: Claude Codex Code(CC)
📊 70 十分
1

スキルZIPをダウンロード

2

Claudeでアップロード

設定 → 機能 → スキル → スキルをアップロードへ移動

3

オンにして利用開始

テストする

「Azure AI Search SDK for Python」を使用しています。 ベクトル類似性によるセマンティック検索に関するドキュメントを検索

期待される結果:

関連性スコア、一致するコンテンツを強調表示するセマンティックキャプション、ドキュメントメタデータを含むランキング結果を返す

「Azure AI Search SDK for Python」を使用しています。 3072 次元埋め込み用のベクトルフィールドを含むインデックスを作成

期待される結果:

埋め込み用の SearchField、HNSW アルゴリズム設定、ベクトル検索プロファイルを含むインデックス設定

「Azure AI Search SDK for Python」を使用しています。 自動バッチ処理で 100 件のドキュメントをアップロード

期待される結果:

バッファードセッターがリトライとバッチ最適化を処理してドキュメントを正常にインデックス化

セキュリティ監査

安全
v1 • 2/25/2026

This is a documentation-only skill providing guidance for Azure AI Search Python SDK usage. Static analysis detected no executable code (0 files scanned, risk score 0/100). Code examples follow security best practices including environment variable usage for credentials and recommendation of DefaultAzureCredential over API keys. No malicious patterns or prompt injection attempts detected.

0
スキャンされたファイル
0
解析された行数
1
検出結果
1
総監査数

リスク要因

🔑 環境変数 (2)
SKILL.md:24-27 SKILL.md:38-41
監査者: claude

品質スコア

38
アーキテクチャ
100
保守性
87
コンテンツ
31
コミュニティ
100
セキュリティ
78
仕様準拠

作れるもの

RAG アプリケーション向けのベクトル検索構築

Azure OpenAI 埋め込みを使用して、検索拡張生成（RAG）パイプライン向けのベクトルインデックスを作成し、セマンティック類似性検索を実行します。

エンタープライズドキュメント検索の実装

ドキュメントリポジトリ向けに、キーワードクエリとベクトルクエリを組み合わせたハイブリッド検索、セマンティックランキング、ファセットナビゲーションを設定します。

AI 強化パイプラインの作成

インデックス作成時にエンティティ抽出、キーフレーズ抽出、OCR を実行するスキルセットを適用するインデクサーを設定します。

これらのプロンプトを試す

基本的な検索クエリ 
適切な認証を使用して Azure AI Search Python SDK で基本的なキーワード検索を実行する方法を示してください。
ベクトルインデックス設定 
HNSW アルゴリズムを使用して 1536 次元の埋め込み用に設定されたベクトルフィールドを含む検索インデックスの作成を支援してください。
ハイブリッド検索の実装 
キーワードマッチングとベクトル類似性を組み合わせ、セマンティックキャプション付きで上位 10 件の結果を返すハイブリッド検索を実行するコードを記述してください。
スキルセット付きインデクサー 
Azure Blob Storage から読み取り、インデックス作成前にエンティティ認識とキーフレーズ抽出のスキルセットを適用するインデクサーを作成してください。

ベストプラクティス

  • 本番環境では API キーの代わりに DefaultAzureCredential を使用して認証する
  • 自然言語クエリの理解のためにセマンティックランキング設定を有効にする
  • 自動バッチ処理とリトライを処理するために、バッチアップロードには SearchIndexingBufferedSender を使用する

回避

  • 環境変数を使用する代わりに、コードに資格情報やエンドポイントを直接ハードコーディングする
  • 本番環境で Entra ID の代わりに API キー認証を使用する
  • 埋め込みを使用する予定がある場合に、ベクトル検索プロファイルなしでインデックスを作成する

よくある質問

Azure AI Search にはどの認証方法を使用すべきですか？
本番環境では DefaultAzureCredential（Entra ID）を使用してください。API キーは開発用途には問題ありませんが、セキュリティ上の懸念から本番環境では使用しないでください。
SearchClient と SearchIndexClient はどのように使い分けますか？
クエリとドキュメント操作には SearchClient を使用します。インデックス定義の作成、更新、削除、およびインデックスレベルの設定管理には SearchIndexClient を使用します。
埋め込み用にどのベクトル次元を設定すべきですか？
埋め込みモデルの出力次元に一致させてください。一般的なサイズは 1536（text-embedding-ada-002）、3072（text-embedding-3-large）、768（小規模モデル）です。
既存のインデックスにベクトルフィールドを追加できますか？
いいえ、ベクトル検索設定はインデックス作成時に定義する必要があります。既存のソリューションにベクトル検索を追加する必要がある場合は、ベクトルフィールドを含む新しいインデックスを作成してください。
ハイブリッド検索はどのように結果を改善しますか？
ハイブリッド検索はキーワードマッチング（BM25）とベクトル類似性を組み合わせ、どちらのアプローチ単独よりも正確な結果を得るために、語彙的およびセマンティックな関連性の両方を活用します。
セマンティックランキングとベクトル検索の違いは何ですか？
ベクトル検索は埋め込みを使用して類似ドキュメントを検索します。セマンティックランキングは LLM 駆動の再ランキングを使用して、自然言語クエリの結果順序を改善し、キーワードまたはハイブリッド検索の上位に機能します。

開発者の詳細

作成者

sickn33

ライセンス

MIT

リポジトリ

https://github.com/sickn33/antigravity-awesome-skills/tree/main/skills/azure-search-documents-py

参照

main

ファイル構成

📄 SKILL.md