# Testing cognitive search in local environment

1. Create a virtual environment with python
requirements.txt

pip intall -r requirements.txt

azure-functions
azure-search-documents==11.4.0b6
openai[datalib]==0.27.8

2. Implement the code with respective keys

# pip install azure-search-documents==11.4.0b6
#  pip install openai[datalib]==0.28
from azure.search.documents import SearchClient
from azure.search.documents.models import QueryType
from azure.core.credentials import AzureKeyCredential
import openai

resource_name = "cognitivesearch-jpeast-aoi-standard"
base_resource_name = "oai-jp-gpt35"

# search_service_name = "resorce_name" # Cognitive Searchのデプロイ名
search_index_name = "index_name" # index名
search_api_key = "api_key" # cognitive search/search service  APIキー
search_endpoint = f"https://{resource_name}.search.windows.net" # Endポイント
vector_field_name = "vector" # index内でベクトルを格納しているフィールド名 特に変更していなければ「vector」
# context_field_name = "chunk" # index内でchunkを格納しているフィールド名 特に変更していなければ「chunk」
semantic_vector_name = "semantic vector name"

openai.api_type = "azure" # AOAIを使用するためazure
openai.api_base = f"https://{base_resource_name}.openai.azure.com/" #endポイント
openai.api_version = "2023-07-01-preview" #Azure AI Studioのチャットプレイグランドで送信例のコード表示から
openai.api_key = "api_key" # APIキー
# embedding_deploy_name = "gpt-35-turbo" # AOAIのembeddingモデルのデプロイ名
embedding_deploy_name = "text-embedding-AOI" # AOAIのembeddingモデルのデプロイ名

search_client = SearchClient(endpoint=search_endpoint,
                            index_name=search_index_name,
                            credential=AzureKeyCredential(search_api_key))
# print(search_client)

# query_text = '{検索したい内容}'
query_text = 'sample'
query_vector = openai.Embedding.create(engine=embedding_deploy_name, input=query_text)["data"][0]["embedding"]

# print(query_vector)
# exit()
results = list(
        search_client.search(
            query_text,
            filter=None,
            query_type=QueryType.SEMANTIC, # セマンティック検索を指定
           
            # query_language="ja-jp",  # 日本語の場合は ja-jp
            query_speller="none",
            semantic_configuration_name=semantic_vector_name,
            top=3,
            # Message: Parameter 'captions' is supported only when 'queryType' is set to 'semantic'.
            query_caption="extractive|highlight-false" if True else None,
            vector=query_vector,
            top_k=50 if query_vector else None,
            vector_fields=vector_field_name if query_vector else None
        )
    )


print(results[0]["title"])

3. Run the python script from terminal