Vertex AI Agent Builder

构建强大的 AI 代理，无需代码。若需实现复杂的目标，您可以轻松地将多个代理拼接在一起，其中一个代理充当主代理，另一个代理充当分代理。使用数据进行训练、自动执行任务并轻松迭代。启动和分析 - 一切都在方便使用的平台中完成。

通过使用 Google 搜索为 Gemini 等先进模型建立依据，我们既可以为客户提供 Google 最新基础模型的强大力量，又可以让客户获取优质的最新信息，从而显著提高回答的完整性和准确性。只需点击我们的 API，即可使用通过 Google 搜索增强的 Gemini。 使用 Google 搜索建立依据很快会提供动态检索，这项新功能可以智能地选择何时使用 Google 搜索结果以及何时使用模型的训练数据，从而帮助客户在质量与成本效益之间取得平衡。

Vertex AI Search 可让您获享 Google 品质的开箱即用型 RAG（检索增强生成）系统，让您能够轻松地使用自己的数据为语言模型建立依据。Vertex AI Search 可处理为各种数据源编制索引的复杂性，提供由 Google 技术提供支持的强大搜索功能，并可与 Vertex AI 中的语言模型无缝集成。

针对独特的 AI 需求构建自定义检索增强生成 (RAG)？Vertex AI 利用以下工具简化流程：

• Document AI Layout Parser：从复杂文档中提取关键数据，以改善搜索效果
• Ranking API：由 LLM 提供支持的排名功能会优先考虑相关回答
• Grounded Generation API：使用您的数据或可信来源创建准确的回答。此 API 现在在实验预览版中提供高保真模式，这项新功能可根据客户提供的上下文建立依据，以进一步减少幻觉
• Check Grounding API：根据事实验证回答是否可靠

对于需要基于自定义嵌入的信息检索的企业，Vertex AI 提供了强大的向量搜索功能。向量搜索可以扩展到数十亿向量，并在几毫秒内找到最近的相邻项。向量搜索现在提供混合搜索，将基于向量和基于关键字的搜索技术集成在一起，确保为用户提供最相关的回答。

您可以使用 Vertex AI Agent Builder 的所有组件，根据自己的需求创建高性能的自定义代理。LangChain on Vertex AI 只是我们众多代码优先产品和服务中的一种。借助它，我们可以帮助您使用我们了解的生成式 AI 开发者喜欢的热门开源 Python 框架之一轻松构建应用，并将其部署到 Vertex AI 上，以实现企业级规模。

Vertex AI 上的 LlamaIndex 简化了从数据注入和转换到嵌入、索引编制、检索和生成的检索增强生成 (RAG) 过程。现在，Vertex AI 客户可以利用 Google 的模型和针对 AI 优化的基础架构以及 LlamaIndex 简单、灵活的开源数据框架，将自定义数据源连接到生成模型。

Firebase 的 Genkit 是一个开源 Typescript/JavaScript 框架，旨在简化可用于生产用途的 AI 代理的开发、部署和监控。在 Vertex AI 插件的帮助下，Firebase 开发者现在可以利用 Gemini 和 Imagen 2 等 Google 模型以及文本嵌入。