Mengonfigurasi perlengkapan otomatis

Halaman ini menjelaskan fitur pelengkapan otomatis dasar Vertex AI Search. Pelengkapan otomatis menghasilkan saran kueri berdasarkan beberapa karakter pertama yang dimasukkan untuk kueri.

Catatan:

Untuk mengetahui informasi tentang penelusuran sambil mengetik untuk aplikasi penelusuran media, lihat Mendapatkan hasil penelusuran sambil mengetik untuk aplikasi media.

Untuk menggunakan pelengkapan otomatis dengan aplikasi penelusuran yang terhubung ke beberapa penyimpanan data (penelusuran gabungan) atau memiliki dokumen dengan kontrol akses atau untuk meningkatkan bahasa tertentu dalam pelengkapan otomatis, lihat Mengonfigurasi pelengkapan otomatis lanjutan.

Saran yang dihasilkan pelengkapan otomatis bervariasi, bergantung pada jenis data yang digunakan aplikasi penelusuran:

• Data terstruktur dan tidak terstruktur. Secara default, pelengkapan otomatis membuat saran berdasarkan konten dokumen dalam penyimpanan data. Setelah impor dokumen, secara default, pelengkapan otomatis tidak akan mulai membuat saran hingga ada data berkualitas yang memadai, biasanya beberapa hari. Jika Anda membuat permintaan pelengkapan otomatis melalui API, pelengkapan otomatis dapat membuat saran berdasarkan histori penelusuran atau peristiwa pengguna.

• Data situs. Secara default, pelengkapan otomatis membuat saran dari histori penelusuran. Pelengkapan otomatis memerlukan traffic penelusuran yang sebenarnya. Setelah traffic penelusuran dimulai, perlu waktu satu atau dua hari sebelum pelengkapan otomatis membuat saran. Saran dapat dihasilkan dari data yang di-crawl dari web dari situs publik dengan model data dokumen lanjutan eksperimental.

• Data layanan kesehatan. Secara default, sumber data medis kanonis digunakan untuk membuat saran pelengkapan otomatis untuk penyimpanan data kesehatan.

Model saran kueri menentukan jenis data yang digunakan pelengkapan otomatis untuk membuat saran. Ada empat model saran kueri:

• Document. Model dokumen menghasilkan saran dari dokumen yang diimpor pengguna. Model ini tidak tersedia untuk data situs atau data kesehatan.

• Kolom yang Dapat Diisi. Model kolom yang dapat dilengkap menyarankan teks yang diambil langsung dari kolom data terstruktur. Hanya kolom yang diberi anotasi dengan completable yang digunakan untuk saran pelengkapan otomatis. Model ini hanya tersedia untuk data terstruktur.

• Histori penelusuran. Model histori penelusuran menghasilkan saran dari histori panggilan API SearchService.search. Jangan gunakan model ini jika tidak ada traffic yang tersedia untuk metode servingConfigs.search. Model ini tidak tersedia untuk data layanan kesehatan.

• Peristiwa pengguna. Model peristiwa pengguna membuat saran dari peristiwa yang diimpor pengguna berjenis search. Model ini tidak tersedia untuk data layanan kesehatan.

Permintaan pelengkapan otomatis dikirim menggunakan metode dataStores.completeQuery.

Atau, jika tidak ingin menggunakan model saran kueri, Anda dapat menggunakan Saran yang diimpor yang memberikan saran pelengkapan otomatis berdasarkan daftar saran yang diimpor. Untuk mengetahui informasi selengkapnya, lihat Menggunakan daftar saran pelengkapan otomatis yang diimpor.

Jenis model yang tersedia menurut jenis data

Tabel berikut menunjukkan jenis model saran kueri yang tersedia untuk setiap jenis data.

Model saran kueri	Sumber data	Data situs	Data terstruktur	Data tidak terstruktur
Dokumen	Imported		✔* (default)	✔ (default)
Kolom yang dapat diisi	Imported		✔
Histori penelusuran	Dikumpulkan secara otomatis	✔ (default)	✔	✔
Peristiwa pengguna	Diimpor atau dikumpulkan secara otomatis oleh widget	✔	✔	✔
Konten yang di-crawl web	Di-crawl dari konten dari situs publik yang Anda tentukan	✔^†

* : Skema dokumen harus berisi kolom title atau description, atau harus ada kolom yang telah ditentukan sebagai properti kunci title atau description. Lihat bagian Memperbarui skema untuk data terstruktur.

^† : Konten yang di-crawl web hanya dapat digunakan sebagai sumber data jika model data dokumen lanjutan eksperimental untuk pelengkapan otomatis diaktifkan. Lihat Model data dokumen lanjutan.

Jika tidak ingin menggunakan model default untuk jenis data, Anda dapat menentukan model lain saat mengirim permintaan pelengkapan otomatis. Permintaan Autocomplete dikirim menggunakan metode dataStores.completeQuery. Untuk informasi, lihat Petunjuk API: Mengirim permintaan pelengkapan otomatis untuk memilih model lain.

Fitur pelengkapan otomatis

Vertex AI Search mendukung fitur pelengkapan otomatis berikut untuk menampilkan prediksi yang paling berguna selama penelusuran:

Fitur	Deskripsi	Contoh atau informasi selengkapnya
Memperbaiki kesalahan ketik	Memperbaiki ejaan kata yang salah ketik.	Milc → Milk.
Menghapus istilah yang tidak aman	Didukung oleh Google SafeSearch. Menghapus kueri yang tidak pantas. Didukung dalam bahasa Inggris (en), Prancis (fr), Jerman (de), Italia (it), Polandia (pl), Portugis (pt), Rusia (ru), Spanyol (es), dan Ukraina (uk).	Teks yang menyinggung, seperti pornografi, tidak senonoh, vulgar, kekerasan.
Mencegah tampilan informasi identitas pribadi (PII) dasar	Didukung oleh Sensitive Data Protection, Vertex AI Search berupaya secara wajar untuk mencegah tampilan jenis PII dasar, seperti nomor telepon dan alamat email.	Jika ada alamat email [e-mail] di penyimpanan data, Vertex AI Search tidak akan menampilkan alamat email sebagai saran pelengkapan otomatis jika pengguna mengetik jef di kotak penelusuran. Untuk melindungi kebocoran PII secara lebih menyeluruh, Google merekomendasikan agar Anda menerapkan solusi Pencegahan Kebocoran Data (DLP) Anda sendiri selain pendeteksi yang disediakan oleh Vertex AI Search. Untuk mengetahui informasi selengkapnya, lihat Melindungi dari kebocoran PII.
Daftar tolak	Hapus istilah yang tercantum dalam daftar penolakan.	Untuk mengetahui informasi selengkapnya, lihat Menggunakan daftar yang tidak diizinkan untuk pelengkapan otomatis.
Istilah yang Dihapus Duplikatnya	Didukung oleh pemahaman semantik berbasis AI. Untuk istilah yang hampir identik, kedua istilah cocok, tetapi hanya istilah yang lebih populer yang disarankan.	Shoes for Women, Womens Shoes, dan Womans Shoes dideduplikasi, dan hanya yang paling populer yang disarankan.
Saran kecocokan ekor	Tidak tersedia di multi-region Amerika Serikat dan Uni Eropa. Setelan opsional. Jika tidak ada kecocokan pelengkapan otomatis untuk seluruh kueri, sarankan kecocokan hanya untuk kata terakhir dari kueri. Tidak tersedia untuk penelusuran layanan kesehatan.	Untuk mengetahui informasi selengkapnya, lihat Saran kecocokan ekor.

Saran kecocokan ekor

Saran pencocokan ekor dibuat menggunakan pencocokan awalan persis dengan kata terakhir dalam string kueri.

Misalnya, kueri "lagu dengan dia" dikirim dalam permintaan pelengkapan otomatis. Jika pencocokan ekor diaktifkan, pelengkapan otomatis mungkin menemukan bahwa awalan lengkap "lagu dengan he" tidak memiliki kecocokan. Namun, kata terakhir dalam kueri, "he", memiliki kecocokan awalan yang tepat dengan "hello world" dan "hello kitty". Dalam hal ini, saran yang ditampilkan adalah "lagu dengan hello world" dan "lagu dengan hello kitty" karena tidak ada saran kecocokan penuh.

Anda dapat menggunakan fitur ini untuk mengurangi hasil saran kosong dan meningkatkan keragaman saran, sehingga fitur ini sangat berguna dalam kasus ketika sumber data (jumlah peristiwa pengguna, histori penelusuran, dan cakupan topik dokumen) terbatas. Namun, mengaktifkan saran kecocokan ekor dapat mengurangi kualitas saran secara keseluruhan. Karena kecocokan akhir hanya mencocokkan kata terakhir dari awalan, beberapa saran yang ditampilkan mungkin tidak masuk akal. Misalnya, kueri seperti "lagu dengan" mungkin mendapatkan saran kecocokan ekor seperti "lagu dengan panduan pembantu".

Saran kecocokan ekor hanya ditampilkan jika:

1. include_tail_suggestions disetel ke true dalam permintaan dataStores.completeQuery.

2. Tidak ada saran kecocokan awalan lengkap untuk kueri.

Melindungi dari kebocoran PII

Definisi PII sangat luas, dan PII dapat sulit dideteksi. Akibatnya, Vertex AI Search tidak dapat menjamin bahwa PII tidak akan ditampilkan dalam saran pelengkapan otomatis.

Vertex AI Search menerapkan layanan pemeriksaan Perlindungan Data Sensitif untuk mencari dan memblokir jenis PII umum agar tidak muncul sebagai saran. Namun, jika penyimpanan data Anda berisi PII atau jika Anda menggunakan model saran kueri histori penelusuran atau peristiwa pengguna, tinjau hal berikut dan lakukan tindakan yang sesuai:

1. Jika jenis PII yang ingin Anda lindungi cukup standar, seperti nomor telepon dan alamat email, mulailah dengan menguji saran pelengkapan otomatis secara ekstensif untuk aplikasi Anda. Vertex AI Search tidak dapat menjamin bahwa PII tidak akan ditampilkan dalam saran pelengkapan otomatis.

2. Jika kebocoran PII ditemukan selama pengujian pelengkapan otomatis atau jika Anda sudah mengetahui bahwa Anda memiliki PII non-standar untuk dilindungi (misalnya, ID pengguna eksklusif), coba sesuaikan parameter penayangan konten dan nilai minimum pelengkapan otomatis. Untuk mengetahui informasi selengkapnya, lihat Mengurangi risiko menampilkan saran yang berisi PII.

3. Jika penyesuaian parameter tidak cukup untuk mencegah kebocoran PII, terapkan solusi DLP Anda sendiri. Sesuaikan solusi DLP untuk jenis PII yang paling mungkin ditemukan di penyimpanan data, peristiwa pengguna, atau kueri penelusuran pengguna. Anda dapat menggunakan Sensitive Data Protection atau layanan DLP pihak ketiga. Lakukan salah satu pendekatan berikut:

   • Menyaring PII sebelum Anda mengimpor dokumen dan peristiwa pengguna di penyimpanan data.

   • Tinjau saran pelengkapan otomatis sebelum menampilkan saran kepada pengguna pada waktu penayangan dan blokir saran yang berisi PII.

4. Jika Anda menggunakan model histori penelusuran atau peristiwa pengguna, tambahkan beberapa teks informasi di kotak penelusuran, yang memberi tahu pengguna untuk tidak memasukkan PII dalam kueri penelusuran mereka.

5. Jika ada pertanyaan atau Anda menghadapi tantangan tertentu terkait pemblokiran PII, hubungi customer engineer (CE) atau tim akun Google Anda.

Mengaktifkan atau menonaktifkan pelengkapan otomatis untuk widget

Untuk mengaktifkan atau menonaktifkan pelengkapan otomatis untuk widget, ikuti langkah-langkah berikut:

Konsol

1. Di konsol Google Cloud , buka halaman AI Applications.

   Aplikasi AI

2. Klik nama aplikasi yang ingin Anda edit.

3. Klik Configurations.

4. Klik tab UI.

5. Aktifkan atau nonaktifkan opsi Tampilkan saran pelengkapan otomatis untuk mengaktifkan atau menonaktifkan saran pelengkapan otomatis untuk widget. Jika Anda mengaktifkan pelengkapan otomatis, tunggu satu atau dua hari sebelum saran muncul.

Memperbarui setelan pelengkapan otomatis

Untuk mengonfigurasi setelan pelengkapan otomatis di UI, ikuti langkah-langkah berikut:

Konsol

1. Di konsol Google Cloud , buka halaman AI Applications.

   Aplikasi AI

2. Klik nama aplikasi yang ingin Anda edit.

3. Klik Configurations.

4. Klik tab Autocomplete.

5. Masukkan atau pilih nilai baru untuk setelan pelengkapan otomatis yang ingin Anda perbarui:

   • Jumlah maksimum saran: Jumlah maksimum saran pelengkapan otomatis yang dapat ditawarkan untuk kueri.
   • Panjang minimum untuk memicu: Jumlah minimum karakter yang dapat diketik sebelum saran pelengkapan otomatis ditawarkan.
   • Urutan pencocokan: Lokasi dalam string kueri yang dapat digunakan pelengkapan otomatis untuk mulai mencocokkan sarannya.
   • Model saran kueri: Model saran kueri yang digunakan untuk membuat saran yang diambil. Hal ini dapat diganti di dataStores.completeQuery menggunakan parameter queryModel.

   • Aktifkan pelengkapan otomatis: Secara default, pelengkapan otomatis tidak mulai memberikan saran hingga memiliki data berkualitas yang memadai, biasanya beberapa hari. Jika Anda ingin mengganti setelan default ini dan mulai mendapatkan beberapa saran pelengkapan otomatis lebih cepat, pilih Sekarang.

     Meskipun Anda memilih Sekarang, perlu waktu satu hari agar saran dibuat dan beberapa saran pelengkapan otomatis masih akan hilang atau berkualitas buruk hingga ada cukup data yang baik.

   • Daftar penolakan: Impor daftar penolakan sebagai file JSON di bucket Cloud Storage. Untuk mengetahui informasi selengkapnya tentang batasan dan spesifikasi daftar yang ditolak untuk pelengkapan otomatis, lihat Menggunakan daftar yang ditolak untuk pelengkapan otomatis.

6. Klik Simpan dan publikasikan. Perubahan akan diterapkan dalam beberapa menit untuk mesin telusur yang telah mengaktifkan fitur pelengkapan otomatis.

Mengurangi risiko menampilkan saran yang berisi PII

Pratinjau

Fitur ini tunduk pada "Persyaratan Penawaran Pra-GA" di bagian Persyaratan Layanan Umum dari Persyaratan Khusus Layanan. Fitur pra-GA tersedia "sebagaimana adanya" dan mungkin memiliki dukungan terbatas. Untuk mengetahui informasi selengkapnya, lihat deskripsi tahap peluncuran.

Pengguna akhir memiliki semua jenis informasi PII, seperti surat izin mengemudi dan nomor telepon, yang seharusnya mereka jaga kerahasiaannya. Namun, informasi PII ini mungkin diketik ke dalam kotak penelusuran oleh pengguna yang mencari hasil yang spesifik untuk diri mereka sendiri.

Jika Anda menggunakan model histori penelusuran atau peristiwa pengguna dan ada kemungkinan pengguna Anda mengetik PII ke dalam kotak penelusuran, Anda dapat mengurangi kebocoran PII dengan menyesuaikan parameter berikut:

• queryFrequencyThreshold: Sebelum kueri dapat ditampilkan sebagai saran pelengkapan otomatis, kueri tersebut harus dimasukkan sebanyak jumlah ini.

• numUniqueUsersThreshold: Sebelum kueri dapat ditampilkan sebagai saran pelengkapan otomatis, kueri tersebut harus dimasukkan oleh sekian banyak pengguna unik. Nilai kolom userPseudoId dalam peristiwa pengguna penelusuran menentukan apakah pengguna bersifat unik.

Contoh kasus penggunaan

Misalnya, ambil kasus saat pengguna memiliki nomor rekening yang harus dirahasiakan.

Jika model saran histori penelusuran atau peristiwa pengguna sedang digunakan, maka nomor akun ini, beserta semua istilah lain yang ditelusuri pengguna akhir, akan digunakan untuk membuat saran. Oleh karena itu, jika nomor akun pengguna-A YZ-46789A telah berulang kali dimasukkan ke dalam kotak penelusuran dan pengguna-B memiliki nomor akun YZ-42345B, saat pengguna-B mengetik YZ-4 ke dalam kotak penelusuran, saran pelengkapan otomatis yang ditampilkan mungkin adalah nomor akun pengguna-A.

Untuk mengurangi kemungkinan kebocoran semacam ini terjadi, administrator Aplikasi AI memutuskan untuk:

• Tingkatkan nilai parameter queryFrequencyThreshold menjadi 30. Dalam hal ini, kemungkinan besar satu nomor akun tidak akan dimasukkan sesering itu. Namun, kueri penelusuran populer akan dimasukkan setidaknya sesering itu.

• Tingkatkan nilai parameter numUniqueUsersThreshold menjadi 6. Administrator menganggap kecil kemungkinan nomor akun yang sama dimasukkan di kotak penelusuran dalam enam peristiwa penelusuran yang masing-masing terkait dengan userPseudoId yang berbeda.

Prosedur

Ada dua parameter nilai minimum untuk pelengkapan otomatis. Parameter ini tidak tersedia di konsol Google Cloud , tetapi dapat ditetapkan dengan panggilan REST API ke metode updateCompletionConfig.

Catatan: Parameter ini hanya berlaku untuk model histori penelusuran dan peristiwa pengguna.

Untuk mengonfigurasi setelan batas otomatis, ikuti langkah-langkah berikut. Setiap langkah bersifat opsional, bergantung pada parameter yang ingin Anda ubah.

REST

1. Perbarui kolom CompletionConfig.queryFrequencyThreshold:

   curl -X PATCH \
     -H "Authorization: Bearer $(gcloud auth print-access-token)" \
     -H "Content-Type: application/json" \
     -H "X-Goog-User-Project: PROJECT_ID" \
     https://discoveryengine.googleapis.com/v1alpha/projects/PROJECT_ID/locations/global/collections/default_collection/dataStores/DATA_STORE_ID/completionConfig?updateMask=queryFrequencyThreshold \
     -d '{
       "name": "projects/PROJECT_ID/locations/global/collections/default_collection/dataStores/DATA_STORE_ID/completionConfig",
       "queryFrequencyThreshold": QUERY_FREQUENCY_THRESHOLD
     }'
   

   Ganti kode berikut:

   • PROJECT_ID: nomor atau ID Google Cloud project Anda.

   • DATA_STORE_ID: ID penyimpanan data yang terkait dengan aplikasi Anda.

   • QUERY_FREQUENCY_THRESHOLD: nilai bilangan bulat yang menunjukkan jumlah minimum kueri penelusuran yang harus dimasukkan sebelum dapat ditampilkan sebagai saran pelengkapan otomatis. Jumlah dijumlahkan selama periode waktu bergulir yang berlangsung selama berbulan-bulan. Defaultnya adalah 8.

   Contoh perintah dan hasil

   curl -X PATCH \
     -H "Authorization: Bearer $(gcloud auth print-access-token)" \
     -H "Content-Type: application/json" \$ curl -X PATCH \
     -H "X-Goog-User-Project: my-project-123" \t-access-token)" \
     https://discoveryengine.googleapis.com/v1alpha/projects/my-project-123/locations/global/collections/default_collection/dataStores/my-data-store/completionConfig?updateMask=queryFrequencyThreshold \
     -d '{
     "name": "projects/my-project-123/locations/global/collections/default_collection/dataStores/my-data-store/completionConfig",
     "queryFrequencyThreshold": 30
     }'
     
   
   {
     "name": "projects/123456/locations/global/collections/default_collection/dataStores/my-data-store/completionConfig",
     "matchingOrder": "exact-prefix",
     "maxSuggestions": 20,
     "minPrefixLength": 1,
     "queryModel": "automatic",
     "enableMode": "AUTOMATIC",
     "queryFrequencyThreshold": 30
   }
   

2. Perbarui kolom CompletionConfig.numUniqueUsersThreshold:

   curl -X PATCH \
     -H "Authorization: Bearer $(gcloud auth print-access-token)" \
     -H "Content-Type: application/json" \
     -H "X-Goog-User-Project: PROJECT_ID" \
     https://discoveryengine.googleapis.com/v1alpha/projects/PROJECT_ID/locations/global/collections/default_collection/dataStores/DATA_STORE_ID/completionConfig?updateMask=numUniqueUsersThreshold \
     -d '{
       "name": "projects/PROJECT_ID/locations/global/collections/default_collection/dataStores/DATA_STORE_ID/completionConfig",
       "numUniqueUsersThreshold": UNIQUE_USERS
     }'
   

   Ganti UNIQUE_USERS dengan nilai bilangan bulat yang mewakili jumlah minimum pengguna unik yang harus memasukkan kueri penelusuran tertentu sebelum kueri tersebut dapat ditampilkan sebagai saran pelengkapan otomatis. Jumlah dijumlahkan selama jangka waktu bergulir yang berlangsung selama berbulan-bulan. Defaultnya adalah 3.

   Contoh perintah dan hasil

   curl -X PATCH \
     -H "Authorization: Bearer $(gcloud auth print-access-token)" \
     -H "Content-Type: application/json" \
     -H "X-Goog-User-Project: my-project-123" \
     https://discoveryengine.googleapis.com/v1alpha/projects/my-project-123/locations/global/collections/default_collection/dataStores/my-data-store/completionConfig?updateMask=numUniqueUsersThreshold \
     -d '{
     "name": "projects/my-project-123/locations/global/collections/default_collection/dataStores/my-data-store/completionConfig",
       "numUniqueUsersThreshold": 6
     }'
     
   
   {
   "name": "projects/123456/locations/global/collections/default_collection/dataStores/my-data-store/completionConfig",
     "matchingOrder": "exact-prefix",
     "maxSuggestions": 20,
     "minPrefixLength": 1,
     "queryModel": "automatic",
     "enableMode": "AUTOMATIC",
     "numUniqueUsersThreshold": 6,
     "queryFrequencyThreshold": 30
   }
   

Memperbarui anotasi kolom yang dapat diselesaikan dalam skema

Untuk mengaktifkan pelengkapan otomatis untuk kolom dalam skema data terstruktur, ikuti langkah-langkah berikut:

Konsol

1. Di konsol Google Cloud , buka halaman AI Applications.

   Aplikasi AI

2. Klik nama aplikasi yang ingin Anda edit. Harus menggunakan data terstruktur.

3. Klik Data.

4. Klik tab Schema.

5. Klik Edit untuk memilih kolom skema yang akan ditandai sebagai completable.

6. Klik Simpan untuk menyimpan konfigurasi kolom yang diperbarui. Saran ini memerlukan waktu sekitar satu hari untuk dibuat dan ditampilkan.

Mengirim permintaan pelengkapan otomatis

Contoh berikut menunjukkan cara mengirim permintaan pelengkapan otomatis.

REST

Untuk mengirim permintaan pelengkapan otomatis menggunakan API, ikuti langkah-langkah berikut:

1. Temukan ID penyimpanan data Anda. Jika Anda sudah memiliki ID penyimpanan data, lanjutkan ke langkah berikutnya.

   1. Di konsol Google Cloud , buka halaman AI Applications dan di menu navigasi, klik Data Stores.

      Buka halaman Data Stores

   2. Klik nama penyimpanan data Anda.

   3. Di halaman Data untuk penyimpanan data Anda, dapatkan ID penyimpanan data.

2. Panggil metode dataStores.completeQuery.

   curl -H "Authorization: Bearer $(gcloud auth print-access-token)" \
   "https://discoveryengine.googleapis.com/v1/projects/PROJECT_ID/locations/global/collections/default_collection/dataStores/DATA_STORE_ID:completeQuery?query=QUERY_STRING"
   

   Ganti kode berikut:

   • PROJECT_ID: nomor atau ID Google Cloud project Anda.

   • DATA_STORE_ID: ID penyimpanan data yang terkait dengan aplikasi Anda.

   • QUERY_STRING: input saran otomatis yang digunakan untuk mengambil saran.

Mengirim permintaan pelengkapan otomatis ke model lain

Untuk mengirim permintaan pelengkapan otomatis dengan model saran kueri yang berbeda, ikuti langkah-langkah berikut:

1. Temukan ID penyimpanan data Anda. Jika Anda sudah memiliki ID penyimpanan data, lanjutkan ke langkah berikutnya.

   1. Di konsol Google Cloud , buka halaman AI Applications dan di menu navigasi, klik Data Stores.

      Buka halaman Data Stores

   2. Klik nama penyimpanan data Anda.

   3. Di halaman Data untuk penyimpanan data Anda, dapatkan ID penyimpanan data.

2. Panggil metode dataStores.completeQuery.

   curl -H "Authorization: Bearer $(gcloud auth print-access-token)" \
   "https://discoveryengine.googleapis.com/v1/projects/PROJECT_ID/locations/global/collections/default_collection/dataStores/DATA_STORE_ID:completeQuery?query=QUERY_STRING&query_model=QUERY_SUGGESTIONS_MODEL"
   

   Ganti kode berikut:

   • PROJECT_ID: nomor atau ID Google Cloud project Anda.

   • DATA_STORE_ID: ID unik penyimpanan data yang terkait dengan aplikasi Anda.

   • QUERY_STRING: input saran otomatis yang digunakan untuk mengambil saran.

   • AUTOCOMPLETE_MODEL: data pelengkapan otomatis

   • QUERY_SUGGESTIONS_MODEL: model saran kueri yang akan digunakan untuk permintaan: document, document-completable, search-history, atau user-event. Untuk data kesehatan, gunakan healthcare-default.

C#

Untuk mengetahui informasi selengkapnya, lihat dokumentasi referensi API C# Aplikasi AI.

Untuk melakukan autentikasi ke Aplikasi AI, siapkan Kredensial Default Aplikasi. Untuk mengetahui informasi selengkapnya, lihat Menyiapkan autentikasi untuk lingkungan pengembangan lokal.

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

Untuk mengetahui informasi selengkapnya, lihat dokumentasi referensi API Go Aplikasi AI.

Untuk melakukan autentikasi ke Aplikasi AI, siapkan Kredensial Default Aplikasi. Untuk mengetahui informasi selengkapnya, lihat Menyiapkan autentikasi untuk lingkungan pengembangan lokal.

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

Untuk mengetahui informasi selengkapnya, lihat dokumentasi referensi API Java Aplikasi AI.

Untuk melakukan autentikasi ke Aplikasi AI, siapkan Kredensial Default Aplikasi. Untuk mengetahui informasi selengkapnya, lihat Menyiapkan autentikasi untuk lingkungan pengembangan lokal.

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

Untuk mengetahui informasi selengkapnya, lihat dokumentasi referensi API Node.js Aplikasi AI.

Untuk melakukan autentikasi ke Aplikasi AI, siapkan Kredensial Default Aplikasi. Untuk mengetahui informasi selengkapnya, lihat Menyiapkan autentikasi untuk lingkungan pengembangan lokal.

/**
 * 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

Untuk mengetahui informasi selengkapnya, lihat dokumentasi referensi API Python Aplikasi AI.

Untuk melakukan autentikasi ke Aplikasi AI, siapkan Kredensial Default Aplikasi. Untuk mengetahui informasi selengkapnya, lihat Menyiapkan autentikasi untuk lingkungan pengembangan lokal.

# 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

Untuk mengetahui informasi selengkapnya, lihat dokumentasi referensi API Ruby Aplikasi AI.

Untuk melakukan autentikasi ke Aplikasi AI, siapkan Kredensial Default Aplikasi. Untuk mengetahui informasi selengkapnya, lihat Menyiapkan autentikasi untuk lingkungan pengembangan lokal.

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

Menggunakan daftar penolakan pelengkapan otomatis

Anda dapat menggunakan daftar yang tidak diizinkan untuk mencegah istilah tertentu muncul sebagai saran pelengkapan otomatis.

Misalnya, ambil contoh perusahaan farmasi. Jika obat tidak lagi disetujui FDA, tetapi disebutkan dalam dokumen di penyimpanan datanya, pengguna mungkin ingin mencegah obat tersebut muncul sebagai kueri yang disarankan. Perusahaan dapat menambahkan nama obat tersebut ke daftar yang tidak diizinkan untuk mencegahnya disarankan.

Batasan berikut berlaku:

• Satu daftar tolak per penyimpanan data
• Mengupload daftar tolak akan menggantikan daftar tolak yang ada untuk penyimpanan data tersebut
• Hingga 1.000 istilah per daftar yang ditolak
• Istilah tidak peka huruf besar/kecil
• Setelah mengimpor daftar yang ditolak, perubahan akan diterapkan dalam waktu 1-2 hari

Setiap entri daftar penolakan Anda terdiri dari blockPhrase dan matchOperator:

• blockPhrase: Masukkan string sebagai istilah daftar tolak Anda. Istilah tidak peka huruf besar/kecil.
• matchOperator: Menerima nilai berikut:
  • EXACT_MATCH: Mencegah kecocokan persis istilah daftar tolak muncul sebagai kueri yang disarankan.
  • CONTAINS: Mencegah munculnya saran yang berisi istilah daftar yang ditolak.

Berikut adalah contoh daftar yang ditolak dengan empat entri:

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

Sebelum mengimpor daftar yang ditolak, pastikan kontrol akses yang diperlukan telah ditetapkan untuk akses editor Discovery Engine.

Daftar yang ditolak dapat diimpor dari data JSON lokal atau dari Cloud Storage. Untuk menghapus daftar yang ditolak dari penyimpanan data, hapus daftar yang ditolak.

Mengimpor daftar yang ditolak dari data JSON lokal

Untuk mengimpor daftar yang ditolak dari file JSON lokal yang berisi daftar yang ditolak, lakukan hal berikut:

1. Buat daftar yang ditolak dalam file JSON lokal dengan format berikut. Pastikan setiap entri daftar tolak berada di baris baru tanpa jeda baris.

   {
       "inlineSource": {
           "entries": [
               { "blockPhrase":"TERM_1","matchOperator":"MATCH_OPERATOR_1" },
               { "blockPhrase":"TERM_2","matchOperator":"MATCH_OPERATOR_2" }
           ]
       }
   }

2. Buat permintaan POST ke metode suggestionDenyListEntries:import, dengan memberikan nama file JSON Anda.

   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/global/dataStores/DATA_STORE_ID/suggestionDenyListEntries:import"
   

   Ganti kode berikut:

   • DENYLIST_FILE: jalur lokal file JSON yang berisi istilah daftar tolak.

   • PROJECT_ID: nomor atau ID Google Cloud project Anda.

   • DATA_STORE_ID: ID penyimpanan data yang terkait dengan aplikasi Anda.

Setelah mengimpor daftar tolak, perlu waktu 1-2 hari untuk mulai memfilter saran.

Mengimpor daftar yang ditolak dari Cloud Storage

Untuk mengimpor daftar yang ditolak dari file JSON di Cloud Storage, lakukan hal berikut:

1. Buat daftar penolakan Anda dalam file JSON dengan format berikut dan impor ke bucket Cloud Storage. Pastikan setiap entri daftar tolak berada di baris baru tanpa jeda baris.

   { "blockPhrase":"TERM_1","matchOperator":"MATCH_OPERATOR_1" }
   { "blockPhrase":"TERM_2","matchOperator":"MATCH_OPERATOR_2" }

2. Buat file JSON lokal yang berisi objek gcsSource. Gunakan ini untuk menunjukkan lokasi file daftar penolakan Anda di bucket Cloud Storage.

   {
       "gcsSource": {
           "inputUris": [ "DENYLIST_STORAGE_LOCATION" ]
       }
   }

   Ganti DENYLIST_STORAGE_LOCATION dengan lokasi daftar tolak Anda di Cloud Storage. Anda hanya dapat memasukkan satu URI. URI harus dimasukkan dalam format ini: gs://BUCKET/FILE_PATH.

3. Buat permintaan POST ke metode suggestionDenyListEntries:import, termasuk objek gcsSource.

   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/global/dataStores/DATA_STORE_ID/suggestionDenyListEntries:import"
   

   Ganti kode berikut:

   • GCS_SOURCE_FILE: jalur lokal file yang berisi objek gcsSource yang mengarah ke daftar penolakan Anda.

   • PROJECT_ID: nomor atau ID Google Cloud project Anda.

   • DATA_STORE_ID: ID penyimpanan data yang terkait dengan aplikasi Anda.

Setelah mengimpor daftar tolak, perlu waktu 1-2 hari untuk mulai memfilter saran.

Menghapus daftar tolak

Untuk menghapus daftar yang ditolak dari penyimpanan data Anda, lakukan hal berikut:

1. Buat permintaan POST ke metode suggestionDenyListEntries:purge.

   curl -X POST \
       -H "Authorization: Bearer $(gcloud auth print-access-token)" \
      "https://discoveryengine.googleapis.com/v1/projects/PROJECT_ID/locations/global/dataStores/DATA_STORE_ID/suggestionDenyListEntries:purge"
   

   Ganti kode berikut:

   • PROJECT_ID: nomor atau ID Google Cloud project Anda.

   • DATA_STORE_ID: ID penyimpanan data yang terkait dengan aplikasi Anda.

Menggunakan daftar saran pelengkapan otomatis yang diimpor

Anda dapat memilih untuk memberikan daftar saran pelengkapan otomatis Anda sendiri, bukan menggunakan saran pelengkapan otomatis yang dihasilkan dari model data pelengkapan otomatis.

Perhatian: Untuk saran yang diimpor, teks ditampilkan persis seperti dalam daftar. Tidak ada koreksi ejaan, filter SafeSearch atau penghapusan duplikat yang diterapkan.

Untuk sebagian besar aplikasi, penggunaan saran yang dihasilkan dari salah satu model data pelengkapan otomatis memberikan hasil yang lebih baik. Namun, mungkin ada beberapa situasi langka di mana saran model tidak sesuai dengan kebutuhan Anda dan memberikan daftar saran yang terpisah akan memberikan pengalaman pelengkapan otomatis yang lebih baik bagi pengguna Anda.

Misalnya, toko buku kecil online mengimpor daftar judul buku mereka sebagai saran pelengkapan otomatis. Saat pelanggan mulai mengetik di kotak penelusuran, saran pelengkapan otomatis akan selalu berupa judul buku dari daftar yang diimpor. Saat daftar buku berubah, toko buku akan menghapus daftar saat ini dan mengimpor daftar baru. Kutipan dari daftar tersebut mungkin terlihat seperti:

{"suggestion": "Wuthering Heights", "globalScore": "0.52" },
{"suggestion": "The Time Machine", "globalScore": "0.26" },
{"suggestion": "Nicholas Nickleby", "globalScore": "0.38" },
{"suggestion": "A Little Princess", "globalScore": "0.71" },
{"suggestion": "The Scarlet Letter", "globalScore": "0.32" }

globalScore adalah bilangan floating point dalam rentang [0, 1] yang digunakan untuk memberi peringkat saran. Atau, Anda dapat menggunakan skor frequency yang merupakan bilangan bulat yang lebih besar dari satu. Skor frequency digunakan untuk memberi peringkat saran saat globalScore tidak tersedia (ditetapkan sebagai null).

Catatan: Meskipun dalam data, Anda hanya dapat memberikan satu skor (globalScore atau frequency), dalam langkah-langkah berikut untuk membuat tabel BigQuery, globalScore dan frequency harus ada dalam skema. Skema yang salah akan menyebabkan kegagalan impor saran.

Menyiapkan dan mengimpor saran pelengkapan otomatis

Untuk menyiapkan dan mengimpor daftar saran pelengkapan otomatis dari BigQuery, ikuti langkah-langkah berikut:

1. Buat daftar saran Anda dan muat ke dalam tabel BigQuery.

   Minimal, Anda harus memberikan setiap saran sebagai string dan skor global atau frekuensi.

   Gunakan skema tabel berikut untuk daftar saran Anda:

   [
     {
       "description": "The suggestion text",
       "mode": "REQUIRED",
       "name": "suggestion",
       "type": "STRING"
     },
     {
       "description": "Global score of this suggestion. Control how this suggestion would be scored and ranked. Set global score or frequency; not both.",
       "mode": "NULLABLE",
       "name": "globalScore",
       "type": "FLOAT"
     },
     {
       "description": "Frequency of this suggestion. Used to rank suggestions when the global score is not available.",
       "mode": "NULLABLE",
       "name": "frequency",
       "type": "INTEGER"
     }
   ]
   

   Lihat dokumentasi BigQuery untuk mengetahui petunjuk tentang cara membuat tabel BigQuery dan memuat tabel dengan daftar saran pelengkapan otomatis Anda.

2. Impor daftar dari BigQuery.

   Buat permintaan POST ke metode completionSuggestions:import, termasuk objek bigquerySource.

   curl -X POST \
    -H "Authorization: Bearer $(gcloud auth print-access-token)" \
    -H "Content-Type: application/json; charset=utf-8" \
    -H "X-Goog-User-Project: PROJECT_ID" \
    "https://discoveryengine.googleapis.com/v1/projects/PROJECT_ID/locations/global/dataStores/DATA_STORE_ID/completionSuggestions:import" \
    -d '{
         "bigquery_source": {"project_id": "PROJECT_ID_SOURCE", "dataset_id": "DATASET_ID", "table_id": "TABLE_ID"}
    }'
   

   Ganti kode berikut:

   • PROJECT_ID: nomor atau ID Google Cloud project Anda.
   • DATA_STORE_ID: ID penyimpanan data Vertex AI Search.
   • PROJECT_ID_SOURCE: project yang berisi set data yang ingin Anda impor.
   • DATASET_ID: ID set data untuk daftar saran yang ingin Anda impor
   • TABLE_ID: ID tabel untuk daftar saran yang ingin Anda impor

   Contoh perintah dan hasil

   curl -X POST \
    -H "Authorization: Bearer $(gcloud auth print-access-token)" \
    -H "Content-Type: application/json; charset=utf-8" \
    -H "X-Goog-User-Project: my-project-123" \
    "https://discoveryengine.googleapis.com/v1/projects/my-project-123/locations/global/dataStores/my-data-store/completionSuggestions:import" \
    -d '{
   "bigquery_source": {"project_id": "my-project-123", "dataset_id": "autocomplete", "table_id": "import_suggestion2"}
   }'
       
   
   {
     "name": "projects/123456/locations/global/collections/default_collection/dataStores/my-data-store/operations/import-completion-suggestion-7659310803143180509",
     "metadata": {
       "@type": "type.googleapis.com/google.cloud.discoveryengine.v1.ImportCompletionSuggestionsMetadata"
     }
   }
   

3. Opsional: Catat nilai name yang ditampilkan, lalu ikuti petunjuk di Mendapatkan detail tentang operasi yang berjalan lama untuk melihat kapan operasi impor selesai.

4. Jika Anda belum mengaktifkan pelengkapan otomatis untuk aplikasi, ikuti prosedur Memperbarui setelan pelengkapan otomatis. Pastikan untuk menyetel Aktifkan pelengkapan otomatis ke Sekarang.

5. Tunggu beberapa hari hingga pengindeksan selesai dan saran yang diimpor tersedia.

Mengirim permintaan pelengkapan otomatis

Untuk mengirim permintaan pelengkapan otomatis yang menampilkan saran yang diimpor, bukan saran dari model pelengkapan otomatis:

1. Ikuti prosedur untuk mengirim permintaan pelengkapan otomatis ke model lain dan tetapkan AUTOCOMPLETE_MODEL ke imported-suggestion.

   Contoh perintah dan hasil

   curl -X GET \
       -H "Authorization: Bearer $(gcloud auth print-access-token)" \
       -H "X-Goog-User-Project: my-project-123" \
       "https://discoveryengine.googleapis.com/v1/projects/my-project-123/locations/global/collections/default_collection/dataStores/my-data-store:completeQuery?query=t&query_model=imported-suggestion"
       
   
   Response:
   {
     "querySuggestions": [
       {
         "suggestion": "The Time Machine"
       },
       {
         "suggestion": "The Scarlet Letter"
       }
     ]
   }
   

Menghapus daftar saran pelengkapan otomatis yang diimpor

Sebelum mengimpor daftar saran pelengkapan otomatis yang baru, hapus daftar yang ada.

Untuk menghapus daftar saran pelengkapan otomatis yang ada, ikuti langkah berikut:

1. Buat permintaan POST ke metode completionSuggestions:purge.

   curl -X POST \
       -H "Authorization: Bearer $(gcloud auth print-access-token)" \
      "https://discoveryengine.googleapis.com/v1/projects/PROJECT_ID/locations/global/dataStores/DATA_STORE_ID/completionSuggestions:purge"
   

   Ganti kode berikut:

   • PROJECT_ID: nomor atau ID Google Cloud project Anda.

   • DATA_STORE_ID: ID penyimpanan data yang terkait dengan aplikasi Anda.

   Contoh perintah dan hasil

   curl -X POST \
    -H "Authorization: Bearer $(gcloud auth print-access-token)" \
    -H "Content-Type: application/json; charset=utf-8" \
    -H "X-Goog-User-Project: my-project-123" \
    "https://discoveryengine.googleapis.com/v1/projects/my-project-123/locations/global/dataStores/my-data-store/completionSuggestions:purge"
       
   
   {
     "name": "projects/123456/locations/global/collections/default_collection/dataStores/my-data-store/operations/purge-customer-imported_suggestions-3197526711414652502",
     "metadata": {
       "@type": "type.googleapis.com/google.cloud.discoveryengine.v1.PurgeCompletionSuggestionsMetadata",
       "createTime": "2024-06-27T17:07:09.551726728Z",
       "updateTime": "2024-06-27T17:07:09.551726728Z"
     },
     "done": true,
     "response": {
       "@type": "type.googleapis.com/google.cloud.discoveryengine.v1.PurgeCompletionSuggestionsResponse",
       "purgeSucceeded": true
     }
   }
   

Model data dokumen lanjutan

Eksperimental

Fitur ini tunduk pada "Persyaratan Penawaran Pra-GA" di bagian Persyaratan Layanan Umum dari Persyaratan Khusus Layanan. Fitur pra-GA tersedia "sebagaimana adanya" dan mungkin memiliki dukungan terbatas. Untuk mengetahui informasi selengkapnya, lihat deskripsi tahap peluncuran.

Aplikasi AI menyediakan model data lanjutan untuk pelengkapan otomatis. Berdasarkan dokumen yang Anda impor, model data ini menghasilkan saran pelengkapan otomatis berkualitas tinggi dengan memanfaatkan model bahasa besar (LLM) Google.

Fitur ini bersifat eksperimental. Jika Anda tertarik menggunakan fitur ini, hubungi tim akun Google Cloud Anda dan minta untuk ditambahkan ke daftar yang diizinkan.

Model data dokumen lanjutan tidak tersedia untuk penelusuran healthcare atau di multi-region AS dan Uni Eropa.