Automatische Vervollständigung konfigurieren

Auf dieser Seite wird die grundlegende Funktion zur automatischen Vervollständigung von Vertex AI Search beschrieben. Die automatische Vervollständigung generiert Suchanfragevorschläge basierend auf den ersten Zeichen, die für die Suchanfrage eingegeben wurden.

Die Vorschläge, die die automatische Vervollständigung generiert, variieren je nach Datentyp, der in der Such-App verwendet wird:

  • Strukturierte und unstrukturierte Daten. Standardmäßig werden bei der automatischen Vervollständigung Vorschläge basierend auf dem Inhalt der Dokumente im Datenspeicher generiert. Nach dem Dokumentimport werden standardmäßig erst dann Vorschläge für die automatische Vervollständigung angezeigt, wenn genügend Daten vorhanden sind, was in der Regel einige Tage dauert. Wenn Sie Anfragen zur automatischen Vervollständigung über die API stellen, kann die automatische Vervollständigung Vorschläge generieren, die auf dem Suchverlauf oder auf Nutzerereignissen basieren.

  • Websitedaten: Standardmäßig generiert die automatische Vervollständigung Vorschläge aus dem Suchverlauf. Für die automatische Vervollständigung sind echte Suchanfragen erforderlich. Nach Beginn der Suchanfragen dauert es ein bis zwei Tage, bis Vorschläge für die automatische Vervollständigung generiert werden. Vorschläge können aus im Web gecrawlten Daten aus öffentlichen Websites mit dem experimentellen erweiterten Dokumentdatenmodell

  • Daten aus dem Gesundheitswesen: Standardmäßig wird eine kanonische medizinische Datenquelle verwendet, um Vorschläge zur automatischen Vervollständigung für Gesundheitsdatenspeicher zu generieren. Für Gesundheitssuche, ist die automatische Vervollständigung eine Funktion in der Vorabversion.

Das Datenmodell für die automatische Vervollständigung bestimmt, welche Art von Daten für die Generierung von Vorschlägen verwendet wird. Es gibt vier Modelle für die automatische Vervollständigung:

  • Document. Das Dokumentmodell generiert Vorschläge der von Nutzern importierten Dokumenten. Dieses Modell ist für Websitedaten und Gesundheitsdaten nicht verfügbar.

  • Vervollständigbare Felder: Das Modell für ausfüllbare Felder schlägt Text vor, der direkt aus strukturierten Datenfeldern übernommen wird. Nur Felder, die mit completable gekennzeichnet sind, werden für Vorschläge zur automatischen Vervollständigung verwendet. Dieses Modell ist nur die für strukturierte Daten verfügbar sind.

  • Suchverlauf Das Suchverlauf-Modell generiert Vorschläge anhand der Verlauf der SearchService.search API-Aufrufe. Verwenden Sie dieses Modell nicht, wenn für die Methode servingConfigs.search keine Zugriffe verfügbar sind. Dieses Modell ist für Gesundheitsdaten nicht verfügbar.

  • Nutzerereignis Das Nutzerereignismodell generiert Vorschläge aus vom Nutzer importierte Suchereignisse. Dieses Modell ist für Gesundheitsdaten nicht verfügbar.

Autocomplete-Anfragen werden mithilfe der dataStores.completeQuery-Methode.

In der folgenden Tabelle sind die Modelltypen für die automatische Vervollständigung aufgeführt, die für die einzelnen Modelle Datentyp.


Datenmodell für die automatische Vervollständigung

Daten Quelle

Websitedaten

Strukturiert Daten

Unstrukturiert Daten
Dokument Vom Nutzer importiert ✔* (Standard) ✔ (Standard)
Vervollständigbare Felder Importiert nach Nutzer
Suche Verlauf Automatisch erfasst ✔ (Standard)
Nutzer Veranstaltungen Importiert nach Nutzer*in oder automatisch gesammelt durch Widget
Im Web gecrawlte Inhalte Gecrawlt von Inhalte von öffentlich Websites angegeben durch Nutzer

* : Das Dokumentenschema muss title- oder description-Felder enthalten oder es müssen Felder vorhanden sein, die als title- oder description-Schlüsseleigenschaften angegeben wurden. Weitere Informationen finden Sie unter Schema für strukturierte Daten aktualisieren

: Im Web gecrawlte Inhalte können nur als Datenquelle verwendet werden, wenn das Das experimentelle erweiterte Dokumentdatenmodell für die automatische Vervollständigung ist aktiviert. Weitere Informationen finden Sie unter Erweitertes Dokumentdatenmodell.

Wenn Sie das Standardmodell für Ihren Datentyp nicht verwenden möchten, können Sie beim Senden Ihrer Anfrage für die automatische Vervollständigung ein anderes Modell angeben. Automatische Vervollständigung Anfragen werden mit der Methode dataStores.completeQuery gesendet. Für finden Sie unter API-Anleitung: Anfrage zur automatischen Vervollständigung senden, um ein eines anderen Modells.

Funktionen für die automatische Vervollständigung

Vertex AI Search unterstützt die folgenden Funktionen für die automatische Vervollständigung die hilfreichsten Vervollständigungen bei der Suche erhalten:

Funktion Beschreibung Beispiel oder weitere Informationen
Sonderzeichen entfernen Entfernen Sie Sonderzeichen aus den Vorschlagsdaten und eingegebenen Suchanfragen. Der Bindestrich - ist das einzige Standardzeichen, das in den Vorschlagsdaten und in den eingegebenen Suchanfragen beibehalten wird. Mt. Everest & Mt. KilimanjaroMt Everest Mt Kilimanjaro.
Tippfehler korrigieren Korrigieren Sie Rechtschreibfehler. MilcMilk.
Unsichere Begriffe entfernen
  • Powered by Google Safe Search.
  • Entfernen Sie unangemessene Suchanfragen.
  • Unterstützt auf Englisch (en), Französisch (fr), Deutsch (de), Italienisch (it), Polnisch (pl), Portugiesisch (pt), Russisch (ru), Spanisch (es) und Ukrainisch (uk).
Anstößiger Text wie Pornografie, nicht jugendfreie, vulgäre oder Gewaltdarstellungen
Sperrliste
  • Entfernen Sie Begriffe, die auf der Sperrliste stehen.
Weitere Informationen finden Sie unter Sperrliste für automatische Vervollständigung verwenden.
Begriffe deduplizieren
  • Unterstützt durch KI-gestütztes semantisches Verständnis.
  • Bei nahezu identischen Begriffen stimmt jeder Begriff überein, aber nur der häufigstes vorgeschlagen wird.
Shoes for Women, Womens Shoes und Womans Shoes werden dedupliziert und nur die beliebteste wird vorgeschlagen.
Passende Vorschläge
  • Nicht verfügbar in den Mehrfachregionen USA und EU.
  • Optionale Einstellung.
  • Wenn es für die gesamte Suchanfrage keine automatischen Vervollständigungsvorschläge gibt, werden nur Vorschläge für das letzte Wort der Suchanfrage angezeigt.
  • Nicht verfügbar für die Suche im Gesundheitswesen.
Weitere Informationen

Passende Vorschläge

Vorschläge für die Option „Anschlussrecherche“ werden anhand einer genauen Präfixübereinstimmung mit dem letzten Wort in einem Suchstring erstellt.

Nehmen wir an, die Suchanfrage „songs with he“ in einer Anfrage zur automatischen Vervollständigung gesendet wird. Wenn die Endabgleichsfunktion aktiviert ist, wird bei der automatischen Vervollständigung möglicherweise festgestellt, dass für das vollständige Präfix „songs with he“ keine Übereinstimmungen gefunden wurden. Das letzte Wort in der Suchanfrage, „er“, hat jedoch eine genaue Präfixübereinstimmung mit „hallo welt“ und „hallo kitty“. In diesem Fall werden die Vorschläge „Lieder mit Hallo Welt“ und „Lieder mit Hello Kitty“ zurückgegeben, da es keine Vorschläge mit exakter Übereinstimmung gibt.

Mit dieser Funktion können Sie leere Vorschlagsergebnisse reduzieren Vielfalt von Vorschlägen. Dies ist besonders nützlich, wenn Datenquellen (Anzahl der Nutzerereignisse, Suchverlauf und Abdeckung von Dokumentthemen) ist eingeschränkt. Wenn Sie Vorschläge für die Keyword-Option „Weitgehend passend“ aktivieren, kann sich die Gesamtqualität der Vorschläge jedoch verringern. Da bei der Endabgleichung nur das letzte Wort des Präfixes abgeglichen wird, sind einige der zurückgegebenen Vorschläge möglicherweise nicht sinnvoll. Bei einer Suchanfrage wie „songs with he“ (Songs mit er) kann beispielsweise ein Vorschlag für ein Tail-Match wie „songs with helpers guides“ (Songs mit Hilfestellungen) angezeigt werden.

Vorschläge für die Abgleichung nach dem letzten Zeichen werden nur zurückgegeben, wenn:

  1. include_tail_suggestions ist auf true gesetzt in der dataStores.completeQuery-Anfrage.

  2. Für die Suchanfrage gibt es keine Vorschläge für eine vollständige Übereinstimmung mit dem Präfix.

Automatische Vervollständigung für ein Widget aktivieren oder deaktivieren

So aktivieren oder deaktivieren Sie die automatische Vervollständigung für ein Widget:

Console

  1. Rufen Sie in der Google Cloud Console die Seite Agent Builder auf.

    Zum Agent Builder

  2. Klicken Sie auf den Namen der App, die Sie bearbeiten möchten.

  3. Klicken Sie auf Configurations (Konfigurationen).

  4. Klicken Sie auf den Tab UI.

  5. Aktivieren oder deaktivieren Sie die Option Automatisch vervollständigte Vorschläge anzeigen, um automatisch vervollständigte Vorschläge für das Widget zu aktivieren oder zu deaktivieren. Wenn Sie die automatische Vervollständigung aktivieren, kann es ein bis zwei Tage dauern, bis Vorschläge angezeigt werden. Für das Gesundheitswesen ist die automatische Vervollständigung eine Funktion in der Vorabversion.

Einstellungen für die automatische Vervollständigung aktualisieren

So konfigurieren Sie die Einstellungen für die automatische Vervollständigung:

Console

  1. Rufen Sie in der Google Cloud Console die Seite Agent Builder auf.

    Zum Agent Builder

  2. Klicken Sie auf den Namen der App, die Sie bearbeiten möchten.

  3. Klicken Sie auf Configurations (Konfigurationen).

  4. Klicken Sie auf den Tab Automatische Vervollständigung.

  5. Geben Sie neue Werte für die Einstellungen für die automatische Vervollständigung ein oder wählen Sie sie aus:

    • Maximale Anzahl von Vorschlägen: Die maximale Anzahl von Vorschlägen automatisch vervollständigte Vorschläge, die für eine Abfrage angeboten werden können.
    • Mindestlänge zum Auslösen:die Mindestanzahl von Zeichen die eingegeben werden können, bevor Vorschläge zur automatischen Vervollständigung angezeigt werden.
    • Abgleichreihenfolge: Die Position in einem Abfragestring, die kann die automatische Vervollständigung damit beginnen, ihre Vorschläge abzugleichen.
    • Modell für die automatische Vervollständigung: Das für die automatische Vervollständigung verwendete Datenmodell für die automatische Vervollständigung. die abgerufenen Vorschläge. Diese Einstellung kann in dataStores.completeQuery mit dem Parameter queryModel überschrieben werden.
    • Autocomplete aktivieren: Standardmäßig werden erst dann Vorschläge angezeigt, wenn genügend Daten vorhanden sind, was in der Regel einige Tage dauert. Wenn Sie diese Standardeinstellung überschreiben und Vorschläge der automatischen Vervollständigung früher verwenden möchten, wählen Sie Jetzt aus.

      Auch wenn Sie Jetzt auswählen, kann es einen Tag dauern, bis Vorschläge angezeigt werden. generiert wurden, aber einige Vorschläge zur automatischen Vervollständigung fehlen oder schlechter Qualität sind, bis genügend gute Daten vorhanden sind.

  6. Klicken Sie auf Speichern und veröffentlichen. Die Änderungen werden innerhalb weniger Minuten für Suchmaschinen, bei denen die automatische Vervollständigung bereits aktiviert ist.

Vervollständigbare Feldannotationen im Schema aktualisieren

So aktivieren Sie die automatische Vervollständigung für Felder im Schema für strukturierte Daten:

Console

  1. Rufen Sie in der Google Cloud Console die Seite Agent Builder auf.

    Zum Agent Builder

  2. Klicken Sie auf den Namen der App, die Sie bearbeiten möchten. Es müssen strukturierte Daten verwendet werden.

  3. Klicken Sie auf Daten.

  4. Klicken Sie auf den Tab Schema.

  5. Klicken Sie auf Bearbeiten, um die Schemafelder auszuwählen, die als completable gekennzeichnet werden sollen.

  6. Klicken Sie auf Speichern, um die aktualisierten Feldkonfigurationen zu speichern. Es dauert etwa einen Tag, bis diese Vorschläge generiert und zurückgegeben werden.

Autocomplete-Anfragen senden

Die folgenden Beispiele zeigen, wie Anfragen zur automatischen Vervollständigung gesendet werden.

REST

So senden Sie eine Anfrage für die automatische Vervollständigung über die API:

  1. Suchen Sie die Datenspeicher-ID. Wenn Sie bereits einen Datenspeicher haben ID verwenden, fahren Sie mit dem nächsten Schritt fort.

    1. Rufen Sie in der Google Cloud Console die Seite Agent Builder auf. Klicken Sie im Navigationsmenü auf Datenspeicher.

      Zur Seite „Datenspeicher“

    2. Klicken Sie auf den Namen Ihres Datenspeichers.

    3. Rufen Sie auf der Datenseite Ihres Datenspeichers die Datenspeicher-ID ab.

  2. Rufen Sie die Methode dataStores.completeQuery .

    curl -H "Authorization: Bearer $(gcloud auth print-access-token)" \
    "https://discoveryengine.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION/collections/default_collection/dataStores/DATA_STORE_ID:completeQuery?query=QUERY_STRING"
    
    • PROJECT_ID: Die Projektnummer oder -ID Ihres Google Cloud-Projekts.

    • LOCATION: Der Standort Ihres Datenspeichers: us, eu oder global.

    • DATA_STORE_ID: Die ID des Datenspeichers, der mit Ihrer App verknüpft ist.

    • QUERY_STRING: Die für die automatische Vervollständigung verwendete Eingabe Abrufvorschläge zu erhalten.

Anfrage zur automatischen Vervollständigung an ein anderes Modell senden

So senden Sie eine Anfrage zur automatischen Vervollständigung mit einem anderen Datenmodell für die automatische Vervollständigung:

  1. Suchen Sie Ihre Datenspeicher-ID. Wenn Sie die Datenspeicher-ID bereits haben, fahren Sie mit dem nächsten Schritt fort.

    1. Rufen Sie in der Google Cloud Console die Seite Agent Builder auf. Klicken Sie im Navigationsmenü auf Datenspeicher.

      Zur Seite „Datenspeicher“

    2. Klicken Sie auf den Namen Ihres Datenspeichers.

    3. Rufen Sie auf der Datenseite Ihres Datenspeichers die Datenspeicher-ID ab.

  2. Rufen Sie die Methode dataStores.completeQuery auf.

    curl -H "Authorization: Bearer $(gcloud auth print-access-token)" \
    "https://discoveryengine.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION/collections/default_collection/dataStores/DATA_STORE_ID:completeQuery?query=QUERY_STRING&query_model=AUTOCOMPLETE_MODEL"
    
    • PROJECT_ID: Die Projektnummer oder -ID Ihres Google Cloud-Projekts.
    • LOCATION: Der Standort Ihres Datenspeichers: us, eu oder global.
    • DATA_STORE_ID: Die eindeutige ID des Datenspeichers, der mit Ihrer App verknüpft ist.
    • QUERY_STRING: Die Eingabevorschau, mit der Vorschläge abgerufen werden.
    • AUTOCOMPLETE_MODEL: Das Datenmodell für die automatische Vervollständigung, das für die Anfrage verwendet werden soll: document, document-completable, search-history oder user-event. Verwenden Sie für Gesundheitsdaten healthcare-default

C#

Weitere Informationen finden Sie in der Vertex AI Agent Builder C# API Referenzdokumentation.

Richten Sie zur Authentifizierung bei Vertex AI Agent Builder Standardanmeldedaten für Anwendungen ein. Weitere Informationen finden Sie unter Authentifizierung für eine lokale Entwicklungsumgebung einrichten.

using Google.Cloud.DiscoveryEngine.V1;

public sealed partial class GeneratedCompletionServiceClientSnippets
{
    /// <summary>Snippet for CompleteQuery</summary>
    /// <remarks>
    /// This snippet has been automatically generated and should be regarded as a code template only.
    /// It will require modifications to work:
    /// - It may require correct/in-range values for request initialization.
    /// - It may require specifying regional endpoints when creating the service client as shown in
    ///   https://cloud.google.com/dotnet/docs/reference/help/client-configuration#endpoint.
    /// </remarks>
    public void CompleteQueryRequestObject()
    {
        // Create client
        CompletionServiceClient completionServiceClient = CompletionServiceClient.Create();
        // Initialize request argument(s)
        CompleteQueryRequest request = new CompleteQueryRequest
        {
            DataStoreAsDataStoreName = DataStoreName.FromProjectLocationDataStore("[PROJECT]", "[LOCATION]", "[DATA_STORE]"),
            Query = "",
            QueryModel = "",
            UserPseudoId = "",
            IncludeTailSuggestions = false,
        };
        // Make the request
        CompleteQueryResponse response = completionServiceClient.CompleteQuery(request);
    }
}

Go

Weitere Informationen finden Sie in der Referenzdokumentation zur Vertex AI Agent Builder Go API.

Richten Sie Standardanmeldedaten für Anwendungen ein, um sich bei Vertex AI Agent Builder zu authentifizieren. Weitere Informationen finden Sie unter Authentifizierung für eine lokale Entwicklungsumgebung einrichten.


package main

import (
	"context"

	discoveryengine "cloud.google.com/go/discoveryengine/apiv1"
	discoveryenginepb "cloud.google.com/go/discoveryengine/apiv1/discoveryenginepb"
)

func main() {
	ctx := context.Background()
	// This snippet has been automatically generated and should be regarded as a code template only.
	// It will require modifications to work:
	// - It may require correct/in-range values for request initialization.
	// - It may require specifying regional endpoints when creating the service client as shown in:
	//   https://pkg.go.dev/cloud.google.com/go#hdr-Client_Options
	c, err := discoveryengine.NewCompletionClient(ctx)
	if err != nil {
		// TODO: Handle error.
	}
	defer c.Close()

	req := &discoveryenginepb.CompleteQueryRequest{
		// TODO: Fill request struct fields.
		// See https://pkg.go.dev/cloud.google.com/go/discoveryengine/apiv1/discoveryenginepb#CompleteQueryRequest.
	}
	resp, err := c.CompleteQuery(ctx, req)
	if err != nil {
		// TODO: Handle error.
	}
	// TODO: Use resp.
	_ = resp
}

Java

Weitere Informationen finden Sie in der Vertex AI Agent Builder Java API Referenzdokumentation.

Richten Sie Standardanmeldedaten für Anwendungen ein, um sich bei Vertex AI Agent Builder zu authentifizieren. Weitere Informationen finden Sie unter Authentifizierung für eine lokale Entwicklungsumgebung einrichten.

import com.google.cloud.discoveryengine.v1.CompleteQueryRequest;
import com.google.cloud.discoveryengine.v1.CompleteQueryResponse;
import com.google.cloud.discoveryengine.v1.CompletionServiceClient;
import com.google.cloud.discoveryengine.v1.DataStoreName;

public class SyncCompleteQuery {

  public static void main(String[] args) throws Exception {
    syncCompleteQuery();
  }

  public static void syncCompleteQuery() throws Exception {
    // This snippet has been automatically generated and should be regarded as a code template only.
    // It will require modifications to work:
    // - It may require correct/in-range values for request initialization.
    // - It may require specifying regional endpoints when creating the service client as shown in
    // https://cloud.google.com/java/docs/setup#configure_endpoints_for_the_client_library
    try (CompletionServiceClient completionServiceClient = CompletionServiceClient.create()) {
      CompleteQueryRequest request =
          CompleteQueryRequest.newBuilder()
              .setDataStore(
                  DataStoreName.ofProjectLocationDataStoreName(
                          "[PROJECT]", "[LOCATION]", "[DATA_STORE]")
                      .toString())
              .setQuery("query107944136")
              .setQueryModel("queryModel-184930495")
              .setUserPseudoId("userPseudoId-1155274652")
              .setIncludeTailSuggestions(true)
              .build();
      CompleteQueryResponse response = completionServiceClient.completeQuery(request);
    }
  }
}

Node.js

Weitere Informationen finden Sie in der Vertex AI Agent Builder Node.js API Referenzdokumentation.

Richten Sie zur Authentifizierung bei Vertex AI Agent Builder Standardanmeldedaten für Anwendungen ein. Weitere Informationen finden Sie unter Authentifizierung für eine lokale Entwicklungsumgebung einrichten.

/**
 * This snippet has been automatically generated and should be regarded as a code template only.
 * It will require modifications to work.
 * It may require correct/in-range values for request initialization.
 * TODO(developer): Uncomment these variables before running the sample.
 */
/**
 *  Required. The parent data store resource name for which the completion is
 *  performed, such as
 *  `projects/* /locations/global/collections/default_collection/dataStores/default_data_store`.
 */
// const dataStore = 'abc123'
/**
 *  Required. The typeahead input used to fetch suggestions. Maximum length is
 *  128 characters.
 */
// const query = 'abc123'
/**
 *  Specifies the autocomplete data model. This overrides any model specified
 *  in the Configuration > Autocomplete section of the Cloud console. Currently
 *  supported values:
 *  * `document` - Using suggestions generated from user-imported documents.
 *  * `search-history` - Using suggestions generated from the past history of
 *  SearchService.Search google.cloud.discoveryengine.v1.SearchService.Search 
 *  API calls. Do not use it when there is no traffic for Search API.
 *  * `user-event` - Using suggestions generated from user-imported search
 *  events.
 *  * `document-completable` - Using suggestions taken directly from
 *  user-imported document fields marked as completable.
 *  Default values:
 *  * `document` is the default model for regular dataStores.
 *  * `search-history` is the default model for site search dataStores.
 */
// const queryModel = 'abc123'
/**
 *  A unique identifier for tracking visitors. For example, this could be
 *  implemented with an HTTP cookie, which should be able to uniquely identify
 *  a visitor on a single device. This unique identifier should not change if
 *  the visitor logs in or out of the website.
 *  This field should NOT have a fixed value such as `unknown_visitor`.
 *  This should be the same identifier as
 *  UserEvent.user_pseudo_id google.cloud.discoveryengine.v1.UserEvent.user_pseudo_id 
 *  and
 *  SearchRequest.user_pseudo_id google.cloud.discoveryengine.v1.SearchRequest.user_pseudo_id.
 *  The field must be a UTF-8 encoded string with a length limit of 128
 *  characters. Otherwise, an `INVALID_ARGUMENT` error is returned.
 */
// const userPseudoId = 'abc123'
/**
 *  Indicates if tail suggestions should be returned if there are no
 *  suggestions that match the full query. Even if set to true, if there are
 *  suggestions that match the full query, those are returned and no
 *  tail suggestions are returned.
 */
// const includeTailSuggestions = true

// Imports the Discoveryengine library
const {CompletionServiceClient} = require('@google-cloud/discoveryengine').v1;

// Instantiates a client
const discoveryengineClient = new CompletionServiceClient();

async function callCompleteQuery() {
  // Construct request
  const request = {
    dataStore,
    query,
  };

  // Run request
  const response = await discoveryengineClient.completeQuery(request);
  console.log(response);
}

callCompleteQuery();

Python

Weitere Informationen finden Sie in der Vertex AI Agent Builder Python API Referenzdokumentation.

Richten Sie zur Authentifizierung bei Vertex AI Agent Builder Standardanmeldedaten für Anwendungen ein. Weitere Informationen finden Sie unter Authentifizierung für eine lokale Entwicklungsumgebung einrichten.

# This snippet has been automatically generated and should be regarded as a
# code template only.
# It will require modifications to work:
# - It may require correct/in-range values for request initialization.
# - It may require specifying regional endpoints when creating the service
#   client as shown in:
#   https://googleapis.dev/python/google-api-core/latest/client_options.html
from google.cloud import discoveryengine_v1


def sample_complete_query():
    # Create a client
    client = discoveryengine_v1.CompletionServiceClient()

    # Initialize request argument(s)
    request = discoveryengine_v1.CompleteQueryRequest(
        data_store="data_store_value",
        query="query_value",
    )

    # Make the request
    response = client.complete_query(request=request)

    # Handle the response
    print(response)

Ruby

Weitere Informationen finden Sie in der Vertex AI Agent Builder Ruby API Referenzdokumentation.

Richten Sie zur Authentifizierung bei Vertex AI Agent Builder Standardanmeldedaten für Anwendungen ein. Weitere Informationen finden Sie unter Authentifizierung für eine lokale Entwicklungsumgebung einrichten.

require "google/cloud/discovery_engine/v1"

##
# Snippet for the complete_query call in the CompletionService service
#
# This snippet has been automatically generated and should be regarded as a code
# template only. It will require modifications to work:
# - It may require correct/in-range values for request initialization.
# - It may require specifying regional endpoints when creating the service
# client as shown in https://cloud.google.com/ruby/docs/reference.
#
# This is an auto-generated example demonstrating basic usage of
# Google::Cloud::DiscoveryEngine::V1::CompletionService::Client#complete_query.
#
def complete_query
  # Create a client object. The client can be reused for multiple calls.
  client = Google::Cloud::DiscoveryEngine::V1::CompletionService::Client.new

  # Create a request. To set request fields, pass in keyword arguments.
  request = Google::Cloud::DiscoveryEngine::V1::CompleteQueryRequest.new

  # Call the complete_query method.
  result = client.complete_query request

  # The returned object is of type Google::Cloud::DiscoveryEngine::V1::CompleteQueryResponse.
  p result
end

Sperrliste für die automatische Vervollständigung verwenden

Mithilfe einer Sperrliste können Sie verhindern, dass bestimmte Begriffe als automatisch vervollständigte Vorschläge angezeigt werden.

Nehmen wir als Beispiel ein Pharmaunternehmen. Wenn ein Medikament nicht mehr von der FDA zugelassen ist, aber in Dokumenten in ihrem Datenspeicher erwähnt wird, kann der Dateninhaber verhindern, dass dieses Medikament als vorgeschlagene Suchanfrage angezeigt wird. Das Unternehmen kann den Namen dieses Arzneimittels einer Sperrliste hinzufügen, damit es nicht vorgeschlagen wird.

Die folgenden Begrenzungen gelten:

  • Eine Sperrliste pro Datenspeicher
  • Beim Hochladen einer Sperrliste wird eine eventuell vorhandene Sperrliste für diesen Datenspeicher überschrieben.
  • Bis zu 1.000 Begriffe pro Ablehnungsliste
  • Bei Begriffen wird nicht zwischen Groß- und Kleinschreibung unterschieden.
  • Nach dem Importieren einer Sperrliste dauert es 1 bis 2 Tage, bis sie wirksam wird.

Jeder Eintrag in der Sperrliste besteht aus einem blockPhrase und einem matchOperator:

  • blockPhrase: Geben Sie einen String als Begriff für die Sperrliste ein. Bei Begriffen wird die Groß- und Kleinschreibung nicht berücksichtigt.
  • matchOperator: Akzeptiert die folgenden Werte:
    • EXACT_MATCH: verhindert, dass eine genaue Übereinstimmung mit dem Begriff auf der Sperrliste erscheint als vorgeschlagene Abfrage.
    • CONTAINS: Verhindert alle Vorschläge, die den Begriff der Sperrliste enthalten angezeigt wird.

Das folgende Beispiel zeigt eine Sperrliste mit vier Einträgen:

{
    "entries": [
        {"blockPhrase":"Oranges","matchOperator":"CONTAINS"},
        {"blockPhrase":"bAd apples","matchOperator":"EXACT_MATCH"},
        {"blockPhrase":"Cool as A Cucumber","matchOperator":"EXACT_MATCH"},
        {"blockPhrase":"cherry pick","matchOperator":"CONTAINS"}
    ]
}

Bevor Sie eine Sperrliste importieren, prüfen Sie, ob die erforderlichen Zugriffssteuerungen für den Zugriff auf die Discovery Engine-Bearbeitung festgelegt sind.

Sperrlisten können entweder aus lokalen JSON-Daten oder aus Cloud Storage. Wenn Sie eine Sperrliste aus einem Datenspeicher entfernen möchten, löschen Sie die Sperrliste.

Eine Sperrliste aus lokalen JSON-Daten importieren

So importieren Sie eine Sperrliste aus einer lokalen JSON-Datei, die Ihre Sperrliste enthält:

  1. Erstellen Sie die Sperrliste in einer lokalen JSON-Datei im folgenden Format. Achten Sie darauf, dass sich jeder Eintrag in der Sperrliste in einer neuen Zeile ohne Zeilenumbrüche befindet.

    {
        "inlineSource": {
            "entries": [
                { "blockPhrase":"TERM_1","matchOperator":"MATCH_OPERATOR_1" },
                { "blockPhrase":"TERM_2","matchOperator":"MATCH_OPERATOR_2" }
            ]
        }
    }
  2. Stellen Sie eine POST-Anfrage an die Methode suggestionDenyListEntries:import und geben Sie dabei den Namen Ihrer JSON-Datei an.

    curl -X POST \
        -H "Authorization: Bearer $(gcloud auth print-access-token)" \
        -H "Content-Type: application/json; charset=utf-8" \
        --data @DENYLIST_FILE \
      "https://discoveryengine.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION/dataStores/DATA_STORE_ID/suggestionDenyListEntries:import"
    
    • DENYLIST_FILE: Der lokale Pfad der JSON-Datei mit den Begriffen auf der Sperrliste.
    • PROJECT_ID: Die Projektnummer oder -ID Ihres Google Cloud-Projekts.
    • LOCATION: Der Speicherort Ihres Datenspeichers: us, eu oder global.
    • DATA_STORE_ID: Die ID des Datenspeichers, der mit Ihrer App verknüpft ist.

Nach dem Importieren der Sperrliste dauert es 1–2 Tage, bis Vorschläge gefiltert werden.

Sperrliste aus Cloud Storage importieren

So importieren Sie eine Sperrliste aus einer JSON-Datei in Cloud Storage:

  1. Erstellen Sie die Sperrliste in einer JSON-Datei mit dem folgenden Format und importieren Sie sie in Cloud Storage-Bucket Achten Sie darauf, dass sich jeder Eintrag in der Sperrliste in einer neuen Zeile ohne Zeilenumbruch befindet.

    { "blockPhrase":"TERM_1","matchOperator":"MATCH_OPERATOR_1" }
    { "blockPhrase":"TERM_2","matchOperator":"MATCH_OPERATOR_2" }
  2. Erstellen Sie eine lokale JSON-Datei mit dem gcsSource-Objekt. Verwenden Sie Dies verweist auf den Speicherort Ihrer Sperrlistendatei in einem Cloud Storage- Bucket.

    {
        "gcsSource": {
            "inputUris": [ "DENYLIST_STORAGE_LOCATION" ]
        }
    }
    • DENYLIST_STORAGE_LOCATION: Der Speicherort Ihrer Sperrliste in Cloud Storage Sie können nur einen URI eingeben. Die URI muss eingegeben werden in dieses Formats: gs://BUCKET/FILE_PATH
  3. Stellen Sie eine POST-Anfrage an die suggestionDenyListEntries:import-Methode, einschließlich des gcsSource-Objekts.

    curl -X POST \
        -H "Authorization: Bearer $(gcloud auth print-access-token)" \
        -H "Content-Type: application/json; charset=utf-8" \
        --data @GCS_SOURCE_FILE \
       "https://discoveryengine.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION/dataStores/DATA_STORE_ID/suggestionDenyListEntries:import"
    
    • GCS_SOURCE_FILE: der lokale Pfad der Datei, die Das gcsSource-Objekt, das auf Ihre Sperrliste verweist.
    • PROJECT_ID: Die Projektnummer oder -ID Ihres Google Cloud-Projekt
    • LOCATION: Der Speicherort Ihres Datenspeichers: us, eu oder global.
    • DATA_STORE_ID: Die ID des Datenspeichers, der mit Ihrer App verknüpft ist.

Nach dem Importieren der Sperrliste dauert es 1–2 Tage, bis Vorschläge gefiltert werden.

Sperrliste dauerhaft löschen

So löschen Sie eine Sperrliste dauerhaft aus Ihrem Datenspeicher:

  1. Stellen Sie eine POST-Anfrage an die Methode suggestionDenyListEntries:purge.

    curl -X POST \
        -H "Authorization: Bearer $(gcloud auth print-access-token)" \
       "https://discoveryengine.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION/dataStores/DATA_STORE_ID/suggestionDenyListEntries:purge"
    
    • PROJECT_ID: Die Projektnummer oder -ID Ihres Google Cloud-Projekts.
    • LOCATION: Der Speicherort Ihres Datenspeichers: us, eu oder global.
    • DATA_STORE_ID: Die ID des Datenspeichers, der mit Ihrer App verknüpft ist.

Erweitertes Datenmodell für Dokumente

Vertex AI Agent Builder bietet ein erweitertes Datenmodell für die automatische Vervollständigung. Anhand der von Ihnen importierten Dokumente generiert dieses Datenmodell hochwertige Vorschläge für die automatische Vervollständigung, indem Large Language Models (LLMs) von Google verwendet werden.

Diese Funktion wird derzeit noch getestet. Wenn Sie diese Funktion nutzen möchten, wenden Sie sich an Ihr Account-Management-Team für Google Cloud und bitten Sie um Aufnahme in die Zulassungsliste.

Diese Funktion ist nicht für die Suche im Gesundheitswesen oder in den Mehrfachregionen USA und EU verfügbar.