Fundamenta respuestas con RAG

La fundamentación es una técnica que puedes usar para ayudar a producir respuestas del modelo que sean más confiables, útiles y fácticas. Cuando fundamentas las respuestas del modelo de IA generativa, las conectas a fuentes de información verificables. Para implementar la puesta a tierra, por lo general, debes recuperar los datos de origen pertinentes. La práctica recomendada es usar la técnica de generación mejorada por recuperación (RAG). Por lo general, la recuperación se realiza con un motor de búsqueda que usa un índice incorporado con los significados semánticos del texto fuente.

También hay servicios y APIs de componentes que implementan el ciclo de vida de la RAG, como la API de Vertex AI Search Builder, que permite la creación combinada. Con la creación combinada, puedes implementar una solución de RAG con cualquiera de los siguientes servicios o APIs:

  • API de Grounding Generation: Puedes usarla para implementar la fundamentación o vincularla a un proveedor de recuperación para el ciclo de vida completo de RAG.
  • Analizador de diseño de documentos: Este analizador representa lo mejor de Document AI y Gemini para la comprensión de documentos. Para obtener más información sobre el analizador de diseño, consulta Cómo usar el analizador de diseño.
  • Vertex AI Vector Search: Este servicio de búsqueda tiene un alto rendimiento y usa una base de datos de vectores de alta calidad.
  • API de Check Grounding: Esta API compara el resultado de la RAG con los hechos recuperados y ayuda a garantizar que todas las declaraciones estén fundamentadas antes de devolver la respuesta al usuario.

Fundamenta respuestas con Vertex AI RAG Engine

Para fundamentar las respuestas con Vertex AI RAG Engine, debes crear una instrucción. Haz lo siguiente:

  1. En la consola de Google Cloud , ve a la página Crear instrucción con Vertex AI Studio.

    Ir a Crear mensaje

  2. Selecciona Fundamentación: Tus datos.

  3. Selecciona la fuente de fundamentación RAG Engine.

  4. En la lista Corpus, selecciona el nombre de tu corpus.

  5. En el campo Similitud de Top-K, selecciona 20, que es el valor predeterminado.

  6. Haz clic en Guardar.

¿Qué sigue?