ドラッグアンドドロップ問題
Azure Cosmos DB for NoSQL API のネイティブなベクトル検索機能を使用して、検索拡張生成 (RAG) システムを実装しています。
技術記事を格納する「Documents」という名前のコンテナがあります。各記事には「embedding」という名前のプロパティが含まれています。
システムが、ユーザーの検索クエリと保存されている記事との間で効率的な類似性検索を実行できることを確認する必要があります。
セマンティック検索をサポートするには、データベースリソースを設定する必要があります。
どの構成を使用すべきでしょうか?回答するには、適切な構成を正しい要件に移動してください。各構成は、1回、複数回、またはまったく使用しない場合があります。コンテンツを表示するには、ペイン間の分割バーを移動したり、スクロールしたりする必要がある場合があります。
注:正解ごとに1ポイントが加算されます。

正解:

Explanation:
ボックス1:ベクトルインデックスを設定します。
Azure Cosmos DB for NoSQL のネイティブなベクトル検索機能を使用して意味的検索をサポートし、数学的な距離計算を実行するには、ベクトルインデックスを構成する必要があります。
Azure Cosmos DB for NoSQL は、ベクトルデータを整理するために、DiskANN や QuantizedFlat などの特殊なインデックス構造を使用します。コンテナ構成内でベクトルインデックスポリシーを定義することは、ドキュメントの完全なインデックスなしスキャンを必要とせずに、VectorDistance などの関数を使用して高速な類似性検索を可能にするための必須要件です。
ボックス2:データを数値配列として保存する
Azure Cosmos DB for NoSQL では、埋め込みプロパティを JSON ドキュメント内に数値配列 (float32 のような浮動小数点数の配列) として保存する必要があります。
参照:
https://learn.microsoft.com/en-us/azure/cosmos-db/gen-ai/agentic-retrieval