本案例涉及人工智慧（Artificial Intelligence, AI）。本頁使用智慧資料流探索器（Intelligent Data Flow Explorer, IDFE）、結構化查詢語言（Structured Query Language, SQL）與 JavaScript 物件表示法（JavaScript Object Notation, JSON）。理解 IDFE 如何檢索相關物件並產生可追溯答案。
本案例依原書第 5 章的框架、範例或情境重組，並非原書正式案例研究。
分段後的 SQL 物件以 Azure OpenAI 的 text-embedding-3-large 模型轉成 256 維嵌入，並索引至 Azure Cognitive Search。混合搜尋把向量語意比對與 Lucene 關鍵字比對結合：前者捕捉概念與意圖，後者精確尋找名稱或語法。使用者查詢先由 Azure AI Search 取得相關物件，再由 GPT-4o 重建資料流與影響。
| 處理 | 原書作用 |
|---|---|
| 向量語意搜尋 | 比對概念、脈絡與意圖 |
| Lucene 關鍵字搜尋 | 精確比對名稱與語法 |
| 混合搜尋 | 提升召回與相關性 |
| GPT-4o 處理 | 依檢索結果重建資料流與影響 |
| 輸出 | 供人閱讀或以 JSON 交付下游系統 |
在 Excel 記錄查詢、向量結果、關鍵字結果、合併順位、引用物件及最後答案；AI 產生的每個路徑都需連回檢索證據。
原書沒有提供可直接計算的數據，因此不補造結果。
混合搜尋不是保證正確，而是讓概念相近與名稱精確兩種訊號互補。最終答案仍可能漏掉隱含或深層相依。
請依向量結果與關鍵字結果合併候選物件，說明每個候選的證據；不得加入未出現在檢索結果的資料物件。