Cette page explique comment utiliser l'API pour obtenir des résumés de recherche avec vos résultats de recherche. Il explique également les options disponibles avec les récapitulatifs de recherche. Pour les données non structurées et les données de site Web uniquement.
Pour en savoir plus sur l'obtention des résultats de recherche, consultez Obtenir les résultats de recherche. Pour en savoir plus sur l'obtention de résumés de recherche à l'aide de la méthode de réponse, consultez Obtenir des réponses et des demandes de suivi.
Pour savoir comment obtenir des réponses d'IA générative pour vos requêtes de données de santé, consultez Rechercher à l'aide d'une requête en langage naturel avec une réponse d'IA générative.
Avant de commencer
Selon le type d'application dont vous disposez, procédez comme suit:
Pour une application de recherche non structurée : activez les fonctionnalités LLM avancées.
Pour une application de recherche de sites Web : activez les fonctionnalités suivantes :
Indexation avancée de site Web Nécessite la validation du domaine.
Obtenir un résumé de recherche
Un résumé de recherche est un bref résumé des résultats de recherche les plus pertinents renvoyés dans une réponse de recherche. Le résumé lui-même est tiré de l' réponses renvoyées dans la réponse. Par conséquent, pour obtenir un résumé, vous devez également obtenir des réponses extractives avec vos résultats de recherche. Pour en savoir plus, consultez Obtenir des réponses extractives (version Preview).
L'image suivante montre le résumé lorsque des PDF dans un data store sont interrogés avec
summaryResultCount défini sur 5. Le contenu du résumé peut varier en fonction
les configurations de l'application.
Les résumés de recherche peuvent inclure du texte au format Markdown. C'est pourquoi nous vous recommandons d'utiliser un analyseur Markdown dans votre application pour afficher le texte Markdown.
Pour obtenir un récapitulatif de recherche, procédez comme suit :
Envoyez une requête de recherche qui inclut
contentSearchSpec.summarySpecet spécifie des valeurs poursummaryResultCountetmaxExtractiveAnswerCount. Pour en savoir plus sur l'envoi d'une requête de recherche, consultez Obtenir les résultats de recherche.Dans l'exemple suivant,
summarySpecindique que vous souhaitez un résumé de recherche et que le résumé doit être généré à partir des trois premiers résultats de recherche."contentSearchSpec": { "summarySpec": { "summaryResultCount": 3 }, "extractiveContentSpec": { "maxExtractiveAnswerCount" : 1} }summaryResultCount: nombre de résultats principaux à partir desquels générer le récapitulatif de recherche. Si le nombre de résultats renvoyés est inférieur àsummaryResultCount, le résumé est généré à partir de tous les résultats.maxExtractiveAnswerCount: nombre de réponses extractives à renvoyer pour chaque résultat de recherche. La valeur par défaut est 0 et la valeur maximale est 1.
Récupérez le résumé à partir de la réponse de recherche. Une propriété
summaryest renvoyée dans chaque réponse.Voici un exemple de résumé renvoyé à la fin d'une réponse de recherche:
"summary": { "summaryText": "BigQuery is Google Cloud's fully managed and completely serverless enterprise data warehouse. BigQuery supports all data types, works across clouds, and has built-in machine learning and business intelligence, all within a unified platform." }
Générer des résumés à partir de segments sémantiques
Vous pouvez activer use_semantic_chunks pour générer des résumés à partir des plus
les fragments de document pertinents. L'utilisation de segments sémantiques pour la génération de résumés augmente le rappel et la récupération par rapport au comportement par défaut d'utilisation de réponses extractives.
Lorsque la fragmentation sémantique est activée pour les résumés, la réponse renvoie le résumé et le contenu de chaque bloc utilisé par le résumé.
Pour utiliser des segments sémantiques pour générer un résumé, procédez comme suit :
Envoyez une requête de recherche qui inclut
contentSearchSpec.summarySpecet spécifie"use_semantic_chunks": true. Pour en savoir plus sur l'envoi d'une recherche consultez la page Obtenir des résultats de recherche.L'exemple suivant de
summarySpecindique que vous souhaitez effectuer une recherche qui utilise des fragments sémantiques, le nombre de résultats à inclure et si pour inclure des citations."contentSearchSpec": { "summarySpec": { "useSemanticChunks": SEMANTIC_CHUNK_BOOLEAN, "summaryResultCount": SUMMARY_RESULT_COUNT, "includeCitations": CITATIONS_BOOLEAN, } }SEMANTIC_CHUNK_BOOLEAN: valeur booléenne indiquant si des segments sémantiques doivent être utilisés pour générer le résumé de recherche. Si la valeur esttrue, des segments sémantiques sont utilisés.SUMMARY_RESULT_COUNT: nombre de résultats principaux à partir desquels générer le récapitulatif de recherche. La valeur maximale est10.CITATIONS_BOOLEAN: valeur booléenne qui spécifie si des citations sont renvoyées. Si vous avez activé le mode par blocs lorsque vous avez créé votre data store, les citations font référence à des blocs. Sinon, les citations font référence aux documents sources. Pour en savoir plus sur le mode par bloc, consultez la section Analyser et diviser les documents en blocs.
Obtenez le résumé de la réponse de recherche.
Voici un exemple de réponse de recherche incluant un résumé généré à partir de segments et incluant des citations. La partie
referencesde La réponse contient le contenu des fragments générés par le résumé.Réponse
{ "results": [ { "id": "123xyz", "document": { "name": "projects/exampleproject/locations/global/collections/default_collection/dataStores/exampledatastore/branches/0/documents/123xyz", "id": "123xyz", "derivedStructData": { "link": "gs://examplebucket/alphabet-investor-pdfs/2004_google_annual_report.pdf" } } } ], "totalSize": 8375, "attributionToken": "abcdefg", "nextPageToken": "hijklmnop", "guidedSearchResult": {}, "summary": { "summaryText": "Google's search technology uses a combination of techniques to determine the importance of a web page independent of a particular search query and to determine the relevance of that page to a particular search query. [1]", "summaryWithMetadata": { "summary": "Google's search technology uses a combination of techniques to determine the importance of a web page independent of a particular search query and to determine the relevance of that page to a particular search query.", "citationMetadata": { "citations": [ { "endIndex": "216", "sources": [ {} ] } ] }, "references": [ { "document": "projects/exampleproject/locations/global/collections/default_collection/dataStores/exampledatastore/branches/0/documents/123xyz", "chunkContents": [ { "content": "Groups contains more than 1 billion messages from Usenet Internet discussion groups dating back to 1981.The\ndiscussions in these groups cover a broad range of discourse and provide a comprehensive look at evolving\nviewpoints, debate and advice on many subjects.The new Google Groups adds in the ability to create your own\ngroups for you and your friends and an improved user interface.Google Mobile.Google Mobile offers people the ability to search and view both the "mobile web,"\nconsisting of pages created specifically for wireless devices, and the entire Google index of more than 8 billion\nweb pages.Google Mobile works on devices that support WAP, WAP 2.0, i-mode or j-sky mobile Internet\nprotocols.In addition, users can access a variety of information using Google SMS by typing a query to the\nGoogle shortcode.Google Mobile is available through many wireless and mobile phone services worldwide.", "pageIdentifier": "17" }, { "content": "Google Labs is our playground for our engineers and for adventurous Google users.On Google\nLabs, we post product prototypes and solicit feedback on how the technology could be used or improved.Current Google Labs examples include:Google Personalized Search—provides customized search results based on an individual user's interests.Froogle Wireless—gives people the ability to search for product information from their mobile phones\nand other wireless devices.Google Maps—enables users to see maps, get directions, and find local businesses and services quickly\nand easily.Google Maps has several unique features, including draggable maps, integrated local search\nfrom Google Local, and keyboard shortcuts.Google Scholar—enables users to search specifically for scholarly literature, including peer-reviewed\npapers, theses, books, preprints, abstracts and technical reports from all broad areas of research.Google\nScholar can be used to find articles from a wide variety of academic publishers, professional societies,\npreprint repositories and universities, as well as scholarly articles available across the web.Google Suggest—guesses what you're typing and offers suggestions in real time.This is similar to\nGoogle's "Did you mean?"feature that offers alternative spellings for your query after you search, except\nthat it works in real time.", "pageIdentifier": "17" }, { "content": "Groups contains more than 1 billion messages from Usenet Internet discussion groups dating back to 1981.The\ndiscussions in these groups cover a broad range of discourse and provide a comprehensive look at evolving\nviewpoints, debate and advice on many subjects.The new Google Groups adds in the ability to create your own\ngroups for you and your friends and an improved user interface.Google Mobile.Google Mobile offers people the ability to search and view both the "mobile web,"\nconsisting of pages created specifically for wireless devices, and the entire Google index of more than 8 billion\nweb pages.Google Mobile works on devices that support WAP, WAP 2.0, i-mode or j-sky mobile Internet\nprotocols.In addition, users can access a variety of information using Google SMS by typing a query to the\nGoogle shortcode.Google Mobile is available through many wireless and mobile phone services worldwide.\n\nGoogle Local.Google Local enables users to find relevant local businesses near a city, postal code, or specific\naddress.This service combines Yellow Page listings with information found on web pages, and plots their\nlocations on interactive maps.Google Print.Google Print brings information online that had previously not been available to web\nsearchers.Under this program, we enable a number of publishers to host their content and show their\npublications at the top of our search results.", "pageIdentifier": "17" }, { "content": "Votes cast by important web pages with high PageRank weigh more heavily and are\nmore influential in deciding the PageRank of pages on the web.Text-Matching Techniques.Our technology employs text-matching techniques that compare search queries\nwith the content of web pages to help determine relevance.Our text-based scoring techniques do far more than\ncount the number of times a search term appears on a web page.For example, our technology determines the\nproximity of individual search terms to each other on a given web page, and prioritizes results that have the\nsearch terms near each other.Many other aspects of a page's content are factored into the equation, as is the\ncontent of pages that link to the page in question.By combining query independent measures such as PageRank\nwith our text-matching techniques, we are able to deliver search results that are relevant to what people are\ntrying to find.\n\nAdvertising Technology\nOur advertising program serves millions of relevant, targeted ads each day based on search terms people\n\nenter or content they view on the web.The key elements of our advertising technology include:\n\nGoogle AdWords Auction System.We use the Google AdWords auction system to enable advertisers to\nautomatically deliver relevant, targeted advertising.", "pageIdentifier": "21" }, { "content": "Votes cast by important web pages with high PageRank weigh more heavily and are\nmore influential in deciding the PageRank of pages on the web.Text-Matching Techniques.Our technology employs text-matching techniques that compare search queries\nwith the content of web pages to help determine relevance.Our text-based scoring techniques do far more than\ncount the number of times a search term appears on a web page.For example, our technology determines the\nproximity of individual search terms to each other on a given web page, and prioritizes results that have the\nsearch terms near each other.Many other aspects of a page's content are factored into the equation, as is the\ncontent of pages that link to the page in question.By combining query independent measures such as PageRank\nwith our text-matching techniques, we are able to deliver search results that are relevant to what people are\ntrying to find.\n\nAdvertising Technology\nOur advertising program serves millions of relevant, targeted ads each day based on search terms people\n\nenter or content they view on the web.The key elements of our advertising technology include:", "pageIdentifier": "21" }, { "content": "Google Maps—enables users to see maps, get directions, and find local businesses and services quickly\nand easily.Google Maps has several unique features, including draggable maps, integrated local search\nfrom Google Local, and keyboard shortcuts.Google Scholar—enables users to search specifically for scholarly literature, including peer-reviewed\npapers, theses, books, preprints, abstracts and technical reports from all broad areas of research.Google\nScholar can be used to find articles from a wide variety of academic publishers, professional societies,\npreprint repositories and universities, as well as scholarly articles available across the web.Google Suggest—guesses what you're typing and offers suggestions in real time.This is similar to\nGoogle's "Did you mean?"feature that offers alternative spellings for your query after you search, except\nthat it works in real time.Google Video—includes thousands of programs that play on our TVs every day.Google Video enables\nyou to search a growing archive of televised content—everything from sports to dinosaur\ndocumentaries to news shows.\n\n6", "pageIdentifier": "17" }, { "content": "Every search query we process involves the automated\nexecution of an auction, resulting in our advertising system often processing hundreds of millions of auctions per\nday.To determine whether an ad is relevant to a particular query, this system weighs an advertiser's willingness\nto pay for prominence in the ad listings (the CPC) and interest from users in the ad as measured by the click\nthrough rate and other factors.If an ad does not attract user clicks, it moves to a less prominent position on the\npage, even if the advertiser offers to pay a high amount.This prevents advertisers with irrelevant ads from\n"squatting" in top positions to gain exposure.Conversely, more relevant, well-targeted ads that are clicked on\nfrequently move up in ranking, with no need for advertisers to increase their bids.Because we are paid only\nwhen users click on ads, the AdWords ranking system aligns our interests equally with those of our advertisers\nand our users.The more relevant and useful the ad, the better for our users, for our advertisers and for us.\n\nThe AdWords auction system also incorporates our AdWords discounter, which automatically lowers the\namount advertisers actually pay to the minimum needed to maintain their ad position.", "pageIdentifier": "21" }, { "content": "Web Search Technology\nOur web search technology uses a combination of techniques to determine the importance of a web page\nindependent of a particular search query and to determine the relevance of that page to a particular search\nquery.We do not explain how we do ranking in great detail because some people try to manipulate our search\nresults for their own gain, rather than in an attempt to provide high-quality information to users.\n\nRanking Technology.One element of our technology for ranking web pages is called PageRank.While we\ndeveloped much of our ranking technology after Google was formed, PageRank was developed at Stanford\nUniversity with the involvement of our founders, and was therefore published as research.Most of our current\nranking technology is protected as trade-secret.PageRank is a query-independent technique for determining the\nimportance of web pages by looking at the link structure of the web.PageRank treats a link from web page A to\nweb page B as a "vote" by page A in favor of page B.The PageRank of a page is the sum of the PageRank of the\npages that link to it.The PageRank of a web page also depends on the importance (or PageRank) of the other\nweb pages casting the votes.", "pageIdentifier": "21" }, { "content": "The Company recognizes as revenue the fees charged advertisers each time a user clicks on one of the text\nbased ads that are displayed next to the search results on Google web sites.Effective January 1, 2004, the\nCompany offered a single pricing structure to all of its advertisers based on the AdWords cost per click model.\n\nGoogle AdSense is the program through which the Company distributes its advertisers' text-based ads for\ndisplay on the web sites of the Google Network members.In accordance with Emerging Issues Task Force\n("EITF") Issue No. 99 19, Reporting Revenue Gross as a Principal Versus Net as an Agent, the Company recognizes\nas revenues the fees it receives from its advertisers.This revenue is reported gross primarily because the\nCompany is the primary obligor to its advertisers.\n\nThe Company generates fees from search services through a variety of contractual arrangements, which\ninclude per-query search fees and search service hosting fees.Revenues from set up and support fees and search\nservice hosting fees are recognized on a straight-line basis over the term of the contract, which is the expected\nperiod during which these services will be provided.The Company's policy is to recognize revenues from per\nquery search fees in the period queries are made and results are delivered.\n\nThe Company provides search services pursuant to certain AdSense agreements.", "pageIdentifier": "85" }, { "content": "On Google Print pages, we provide links to book sellers that may\noffer the full versions of these publications for sale, and we show content-targeted ads that are served through\nthe Google AdSense program.Google Desktop Search.Google Desktop Search enables our users to perform a full text search on the\ncontents of their own computer, including email, files, instant messenger chats and web browser history.Users\ncan use this service to view web pages they have visited even when they are not online.Google Alerts.Google Alerts are email updates of the latest relevant Google results (web, news, etc.) based\non the user's choice of query or topic.Typical uses include monitoring a developing news story, keeping current\non a competitor or industry, getting the latest on a celebrity or event, or keeping tabs on a favorite sports team.Google Labs.Google Labs is our playground for our engineers and for adventurous Google users.On Google\nLabs, we post product prototypes and solicit feedback on how the technology could be used or improved.Current Google Labs examples include:Google Personalized Search—provides customized search results based on an individual user's interests.Froogle Wireless—gives people the ability to search for product information from their mobile phones\nand other wireless devices.", "pageIdentifier": "17" } ] } ] } } }
Obtenir des citations
Les citations, lorsqu'elles sont spécifiées, sont des nombres intégrés dans une recherche. résumé. Ces chiffres indiquent à partir de quels résultats de recherche des phrases spécifiques la création du résumé.
Pour obtenir des citations, procédez comme suit:
Envoyez une requête de recherche qui inclut
contentSearchSpec.summarySpecet spécifie"includeCitations": true. Pour en savoir plus sur envoyez une requête de recherche, consultez l'article Obtenir des résultats de recherche.Dans l'exemple suivant,
summarySpecindique que vous souhaitez un résumé de recherche, que le résumé doit être généré à partir des trois premiers résultats de recherche et que les citations doivent être incluses dans le résumé."contentSearchSpec": { "summarySpec": { "summaryResultCount": 3, "includeCitations": true }, "extractiveContentSpec": { "maxExtractiveAnswerCount" : 1} }summaryResultCount: nombre de meilleurs résultats pour générer la recherche du résumé. Si le nombre de résultats renvoyés est inférieur àsummaryResultCount: le résumé est généré à partir de tous les résultats. La valeur maximale est5.includeCitations: valeur booléenne indiquant si les citations sont renvoyé.maxExtractiveAnswerCount: nombre de réponses extractives à renvoyer chaque résultat de recherche. La valeur par défaut est 0 et la valeur maximale est 1.
Obtenez le résumé, avec des citations, à partir de la réponse de recherche. Un
summaryest renvoyée dans chaque réponse.Voici un exemple de résumé comportant des citations et des métadonnées de citations. affiché à la fin d'une réponse de recherche:
"summary": { "summaryText": "BigQuery is Google Cloud's fully managed and completely serverless enterprise data warehouse [1]. BigQuery supports all data types, works across clouds, and has built-in machine learning and business intelligence, all within a unified platform [2, 3].", "summaryWithMetadata": { "summary": "BigQuery is Google Cloud's fully managed and completely serverless enterprise data warehouse. BigQuery supports all data types, works across clouds, and has built-in machine learning and business intelligence, all within a unified platform.", "citationMetadata": { "citations": [ { "startIndex": "0", "endIndex": "101", "sources": [ { "uri": "gs://example-dataset/html/6344007140738632642.html", "title": "About BigQuery", "id": "b6344007140738632642", "referenceIndex": "0" }, { "uri": "gs://example-dataset/html/1365490014946172719.html", "title": "Google Cloud article", "id": "b1365490014946172719", "referenceIndex": "1" }, { "uri": "gs://example-dataset/html/2687910668117268120.html", "title": "BigQuery document", "id": "a2687910668117268120", "referenceIndex": "2" } ] }, { "startIndex": "103", "endIndex": "230", "sources": [ { "referenceIndex": "0" }, { "referenceIndex": "1" }, { "referenceIndex": "2", } ] } ] }, "references": [ { "title": "Sports in the United States", "docName": "projects/123/locations/global/collections/default_collection/dataStores/ds-123/branches/0/documents/b6344007140738632642", "uri": "https://example.com/bigqueryA" }, { "title": "Sports in the United States", "docName": "projects/123/locations/global/collections/default_collection/dataStores/ds-123/branches/0/documents/b1365490014946172719", "uri": "https://example.com/bigqueryB" }, { "title": "Sports in the United States", "docName": "projects/123/locations/global/collections/default_collection/dataStores/ds-123/branches/0/documents/a268791066811726812", "uri": "https://example.com/bigqueryC" } ] } }summaryText: résumé de la recherche, avec les numéros de citation. Les numéros de citation font référence aux résultats de recherche renvoyés et sont indexés à 1. Par exemple,[1]signifie que la phrase est attribuée au premier résultat de recherche.[2, 3]signifie que la phrase est attribuée à la fois et les troisièmes résultats de recherche.citations: pour chaque phrase du résumé contenant une citation, liste les métadonnées de cette citation.startIndex: indique le début de la phrase, mesuré en octets Unicode.endIndex: indique la fin de la phrase, mesurée en des octets Unicode.sources: liste lesreferenceIndexpour chaque source incluse dans la citation de la phrase.referenceIndexest le numéro d'index attribué à une source. LereferenceIndexde la première source n'est pas toujours renvoyé explicitement dans la réponse. Étant donné quereferenceIndexest indexé à 0, la première source a toujours unreferenceIndexde 0.references: liste les métadonnées de chaque référence citée dans le résumé. Les métadonnées incluenttitle,docNameeturi.
Ignorer les requêtes antagonistes
Les requêtes antagonistes incluent des commentaires négatifs ou sont conçues pour générer
non sécurisé qui ne respecte pas les règles. Vous pouvez spécifier qu'aucun résumé de recherche ne doit être renvoyé pour les requêtes malveillantes. Lorsqu'une requête malveillante est ignorée, la propriété summaryText contient un texte standard indiquant qu'aucun résumé de recherche n'est renvoyé. Les documents de recherche sont renvoyés pour les requêtes malveillantes, même si les résumés de recherche ne le sont pas.
Pour spécifier qu'aucun résumé de recherche ne doit être renvoyé pour les requêtes hostiles, procédez comme suit:
Envoyez une requête de recherche qui inclut
contentSearchSpec.summarySpecet spécifie"ignoreAdversarialQuery": true. Pour en savoir plus sur envoyez une requête de recherche, consultez l'article Obtenir des résultats de recherche.Dans l'exemple suivant,
summarySpecindique que vous souhaitez qu'une recherche que le résumé doit être généré à partir des trois principaux termes mais qu'aucun résumé ne doit être renvoyé pour les requêtes hostiles."contentSearchSpec": { "summarySpec": { "summaryResultCount": 3, "ignoreAdversarialQuery": true }, "extractiveContentSpec": { "maxExtractiveAnswerCount" : 1} }summaryResultCount: nombre de meilleurs résultats pour générer la recherche du résumé. Si le nombre de résultats renvoyés est inférieur àsummaryResultCount: le résumé est généré à partir de tous les résultats. La valeur maximale est5.ignoreAdversarialQuery: valeur booléenne qui spécifie qu'aucun résumé de recherche ne doit être renvoyé pour les requêtes malveillantes.maxExtractiveAnswerCount: nombre de réponses extractives à renvoyer pour chaque résultat de recherche. La valeur par défaut est 0 et la valeur maximale est 1.
Consultez la propriété
summaryrenvoyée pour une recherche antagoniste. requête.Voici un exemple :
"summary": { "summaryText": "We do not have a summary for your query. Here are some search results.", "summarySkippedReasons": [ "ADVERSARIAL_QUERY_IGNORED" ] }summaryText: texte standard indiquant qu'aucun résumé de recherche n'est renvoyé.summarySkippedReasons: énumération avec des valeurs pour les raisons de suppression du résumé.
Ignorer les requêtes de recherche non récapitulatives
Les requêtes qui ne recherchent pas de résumé renvoient des résultats non adaptés aux et la synthèse. Par exemple, "pourquoi le ciel est bleu" et "Qui est le meilleur dans le monde entier ? » sont des requêtes de résumé, alors que "aéroport de San Francisco" et "monde tasse 2026" ne le sont pas. Il s'agit probablement de requêtes de navigation. Vous pouvez spécifier qu'aucun résumé de recherche ne doit être renvoyé pour les requêtes de recherche non récapitulatives. Les documents de recherche sont renvoyés pour des requêtes de recherche non récapitulatives, même si la recherche les résumés ne le sont pas.
Pour spécifier qu'aucun résumé de recherche ne doit être renvoyé pour les requêtes de recherche ne comportant pas de résumé, procédez comme suit :
Envoyez une requête de recherche qui inclut
contentSearchSpec.summarySpecet spécifie"ignoreNonSummarySeekingQuery": true. Pour plus d'informations sur l'envoi d'une requête de recherche, consultez l'article Obtenir des résultats de recherche.Dans l'exemple suivant,
summarySpecindique que vous souhaitez qu'une recherche résumé, le résumé doit être généré à partir des trois premiers résultats de recherche, mais qu'aucun résumé ne doit être renvoyé pour les requêtes de recherche non récapitulatives."contentSearchSpec": { "summarySpec": { "summaryResultCount": 3, "ignoreNonSummarySeekingQuery": true }, "extractiveContentSpec": { "maxExtractiveAnswerCount" : 1} }summaryResultCount: nombre de meilleurs résultats pour générer la recherche du résumé. Si le nombre de résultats renvoyés est inférieur àsummaryResultCount: le résumé est généré à partir de tous les résultats. La valeur maximale est5.ignoreNonSummarySeekingQuery: valeur booléenne indiquant qu'aucune recherche des résumés doivent être renvoyés pour les requêtes sans recherche récapitulative.maxExtractiveAnswerCount: nombre de réponses extractives à renvoyer chaque résultat de recherche. La valeur par défaut est 0 et la valeur maximale est 1.
Consultez la propriété
summaryrenvoyée pour une recherche non récapitulative. requête.Voici un exemple :
"summary": { "summaryText": "We do not have a summary for your query. Here are some search results.", "summarySkippedReasons": [ "NON_SUMMARY_SEEKING_QUERY_IGNORED" ] }summaryText: texte standard indiquant qu'aucun résumé de recherche n'est renvoyé.summarySkippedReasons: énumération avec des valeurs pour "summary-skip" raisons.
Obtenir des résumés personnalisés
Vous pouvez obtenir des résumés personnalisés en fournissant des instructions en langage naturel.
Cette fonctionnalité est disponible pour le widget de recherche à l'aide de la console et pour l'API en saisissant des instructions dans le champ modelPromptSpec.preamble.
Vous pouvez demander des personnalisations, comme la longueur, le niveau de détail, le style de la sortie (par exemple, "simple"), la langue de la sortie, l'objectif de la réponse et le format (par exemple (tableaux, puces et XML, par exemple).
Par exemple, pour la requête What are the benefits of bigquery?, vous pouvez saisir des instructions de personnalisation comme dans les exemples suivants :
Exemple d'instruction :
please show the answer format in an ordered listExemple de réponse:
The benefits of BigQuery are: 1. Increased business productivity 2. IT staff productivity 3. Reduced infrastructure costs 4. Loading and exporting data are freeExemple d'instruction :
give a very detailed answerExemple de réponse :
BigQuery is a serverless, highly scalable, and cost-effective cloud data warehouse that enables businesses to analyze all their data very quickly. It is a fully managed service that takes care of provisioning, scaling, and managing the underlying infrastructure, so you can focus on analyzing your data. BigQuery is also integrated with other Google Cloud services, such as Google Kubernetes Engine, Cloud Data Fusion, and Cloud Dataproc, making it easy to build and deploy data pipelines. Here are some of the benefits of using BigQuery: * **Fast and scalable:** BigQuery can process petabytes of data very quickly, and it can scale to handle even the most demanding workloads. * **Cost-effective:** BigQuery is a very cost-effective way to store and analyze data. You only pay for the data that you use, and there are no upfront costs or commitments. * **Secure:** BigQuery is a secure platform that meets the needs of even the most security-conscious organizations. * **Easy to use:** BigQuery is easy to use, even for non-technical users. It has a simple and intuitive user interface, and it supports a variety of data sources. * **Integrated with other Google Cloud services:** BigQuery is integrated with other Google Cloud services, making it easy to build and deploy data pipelines. If you are looking for a fast, scalable, and cost-effective way to analyze your data, then BigQuery is a great option.
Bonnes pratiques concernant les résumés personnalisés
Si vous envisagez d'utiliser cette fonctionnalité, procédez comme suit :
- Ne demandez qu'une seule personnalisation à la fois. Ne combinez pas de personnalisations (par exemple, en demandant une table HTML en français).
- Google vous recommande de limiter les personnalisations que vos utilisateurs finaux que vous pouvez demander. Par exemple, vous pouvez proposer un sélecteur avec un ensemble personnalisées.
Personnaliser les récapitulatifs
Vous ne pouvez obtenir des résumés personnalisés que pour le widget de recherche à l'aide de la console ou, pour toute requête de recherche, à l'aide de l'API.
Pour obtenir un résumé personnalisé, procédez comme suit:
Console
Dans la console Google Cloud, accédez à la page Agent Builder.
Cliquez sur le nom de l'application que vous souhaitez modifier.
Accédez à Configurations > UI (Interface utilisateur).
Assurez-vous que le type de recherche de votre widget Recherche est défini sur Rechercher avec une réponse ou effectuez une recherche avec questions complémentaires. Cette fonctionnalité n'est pas disponible si l'option Rechercher est sélectionnée.
Activez l'option Activer la personnalisation du récapitulatif.
Pour saisir des instructions récapitulatives, effectuez l'une des opérations suivantes:
- Saisissez des instructions libres : saisissez vos propres instructions en langage naturel dans le champ Préambule.
- Utiliser les instructions du modèle: cliquez sur Remplacer par un modèle, puis sélectionnez l'un des modèles d'instructions prédéfinis. Les champs prédéfinis s'affiche dans le champ Préambule une fois que vous l'avez sélectionné.
Testez la génération de résumés personnalisés pour votre application en effectuant une recherche dans Volet Aperçu.
Pour rétablir la dernière série d'instructions enregistrée, cliquez sur Réinitialiser préambule.
Pour enregistrer vos paramètres dans le widget, cliquez sur Enregistrer et publier.
REST
Envoyez une requête de recherche qui inclut
contentSearchSpec.summarySpecet spécifie l'instruction de personnalisation dansmodelPromptSpec.preamble. Pour en savoir plus sur l'envoi d'une requête de recherche, consultez la section Obtenir les résultats de recherche.Dans l'exemple suivant,
summarySpecindique que vous souhaitez un résumé de recherche. Le résumé doit être généré à partir des trois premiers résultats de recherche et doit être personnalisé comme s'il était expliqué à un enfant de 10 ans."contentSearchSpec": { "summarySpec": { "summaryResultCount": 3, "modelPromptSpec": { "preamble": "explain like you would to a ten year old" } } }summaryResultCount: nombre de résultats principaux à partir desquels générer le récapitulatif de recherche. Si le nombre de résultats renvoyés est inférieur àsummaryResultCount, le résumé est généré à partir de tous les résultats. La valeur maximale est5.preamble: instructions de personnalisation.
Obtenez le résumé personnalisé à partir de la réponse de recherche.
Voici un exemple de résumé personnalisé renvoyé :
"summary": { "summaryText": "BigQuery is a serverless data warehouse that helps you analyze all your data very quickly. It's very easy to use and you don't need to worry about managing servers or infrastructure. BigQuery is also very scalable, so you can analyze large datasets without any problems." }summaryText: résumé de la recherche personnalisée.
Spécifier le modèle de synthèse
Vous pouvez spécifier le modèle que vous souhaitez utiliser pour générer des résumés.
Vous pouvez spécifier stable, preview ou une version de modèle spécifique par son nom.
Pour connaître les versions de modèle disponibles, consultez la page Versions et cycle de vie des modèles de génération de réponses.
Pour modifier la version du modèle, procédez comme suit:
Envoyez une requête de recherche incluant
ContentSearchSpec.SummarySpec.ModelSpecpour spécifier la version du modèle."contentSearchSpec": { "summarySpec": { "modelSpec": { "version": "MODEL_VERSION" } } }MODEL_VERSION : spécifie le modèle à utiliser pour générer des récapitulatifs. Les valeurs compatibles sont :
stable: chaîne. Spécification par défaut lorsqu'aucune valeur n'est spécifiée.stablepointe vers une version du modèle GA qui a été affinée pour la réponse génération. Le modèle vers lequelstablepointe change à mesure que de nouvelles versions de modèles GA sont publiées et que les versions précédentes sont abandonnées. Pour connaître la version à jour à laquellestablefait référence, consultez la section Versions et cycle de vie des modèles de génération de réponses.preview: chaîne.previewpoint vers le plus récent modèle Gemini pour les questions et les réponses. Pour plus plus d'informations sur Gemini, consultez la page Présentation du multimode modèles de ML.- Pour spécifier une version de modèle spécifique, saisissez le nom de la version, par exemple
en tant que
text-bison@002/answer_gen/v1. Pour connaître les versions compatibles, consultez la page Versions et cycle de vie des modèles de génération de réponses.
Par exemple, la requête de recherche suivante spécifie preview comme version du modèle :
curl -X POST \
-H "Authorization: Bearer $(gcloud auth print-access-token)" \
-H "Content-Type: application/json" \
"https://discoveryengine.googleapis.com/v1/projects/exampleproject/locations/global/collections/default_collection/dataStores/exampledatastore/servingConfigs/default_search:search" \
-d '{
"query": "what is bigquery",
"contentSearchSpec": {
"summarySpec": {
"modelSpec": {
"version": "preview"
}
}
}
}'
Limites des résumés de recherche
Vous pouvez rencontrer les limites suivantes lorsque vous utilisez les récapitulatifs de recherche :
Comme les LLM sont utilisés pour générer des requêtes résumés et citations, les limites des LLM s'appliquent aussi Résumés Vertex AI Search.
Pour en savoir plus sur ces limites des LLM, consultez la section Limites de l'API PaLM dans la documentation Vertex AI.
Les requêtes de recherche qui nécessitent des opérations logiques ou analytiques complexes le raisonnement ou la compréhension du monde peut conduire à des résumés de recherche qui qui contiennent des informations incorrectes (hallucinations) ou qui ne sont pas présentes dans les données non structurées ou de site Web.
Certaines déclarations du résumé de recherche peuvent ne pas contenir de citation :
Si le système détermine qu'une instruction ne nécessite pas d'ancrage, elle n'effectuera pas inclure une citation. Phrases telles que "Voici ce que j'ai trouvé" ou « Il y a de nombreuses méthodes que vous pouvez suivre » ne sont pas citées.
Des citations manquantes peuvent également indiquer qu'une référence valide n'a pas été trouvée. Les faits sans citation peuvent ne pas être fiables.
Dans de rares cas, des citations peuvent être attribuées de manière incorrecte à une déclaration.
Les documents complexes peuvent être incorrects analysées par le LLM. Dans ce cas, le résumé peut être incomplet ou incorrect.
Les instructions de personnalisation étant rédigées en langage naturel, le respect des les instructions ne peuvent pas être garanties pour toutes les demandes.