在生成式 AI 中，建立依据是指将模型输出连接到可验证的信息源的能力。如果您为模型提供访问特定数据源的权限，则建立依据可以将其输出仅限于这些数据范围，从而降低内容创造的可能性。
使用 Vertex AI，您可以通过以下方式为模型输出建立依据：
- 使用 Google 搜索建立依据 - 使用公开提供的 Web 数据为模型建立依据。
- 借助您自己的数据接地 - 使用作为数据存储区的 Vertex AI Search 中您自己的数据让模型接地（预览版）。
如需详细了解依据，请参阅依据概览。
支持的模型
| 模型 | 版本 |
|---|---|
| Gemini 2.0 Flash（仅包含文本输入） | gemini-2.0-flash-001 |
| Gemini 1.5 Pro（仅包含文本输入） | gemini-1.5-pro-002gemini-1.5-pro-001 |
| Gemini 1.5 Flash（仅包含文本输入） | gemini-1.5-flash-002gemini-1.5-flash-001 |
| Gemini 1.0 Pro（仅包含文本输入） | gemini-1.0-pro-001gemini-1.0-pro-002 |
限制
依据仅适用于文本请求。
示例语法
此示例展示了如何为模型建立依据以及如何指定支持的语言的语法。如需了解语言支持，请参阅语言。
为以下变量指定值：
- PROMPT_TEXT：您提交到语言模型以接收回答的文本请求。
- SYSTEM_INSTRUCTION：一组指令，用于告知模型如何执行操作以及如何回答提示。
- FACT_TEXT_1：模型用于生成回答的经过验证的信息。
- TITLE_1：您的已经验证的信息来源的名称。
- URI_1：用于唯一标识已经验证的信息来源的位置的字符串。
- AUTHOR_1：模型用于生成回答的经过验证的信息的提供方。
- FACT_TEXT_2：模型用于生成回答的经过验证的信息。
- TITLE_2：您的已经验证的信息来源的名称。
- URI_2：用于唯一标识已经验证的信息来源的位置的字符串。
- FACT_TEXT_3：模型用于生成回答的经过验证的信息。
- TITLE_3：您的已经验证的信息来源的名称。
- URI_3：用于唯一标识已经验证的信息来源的位置的字符串。
- PROJECT_NUMBER：唯一标识您的 Google Cloud 项目，其中包含您的资源。
- APP_ID_1：与模型交互的应用。
- APP_ID_2：与模型交互的应用。
- MODEL_ID：标识应用与之交互的模型。
- LANGUAGE_CODE：标识生成有依据的回答时所用的语言。
curl
curl -X POST \ -H "Authorization: Bearer $(gcloud auth print-access-token)" \ -H "Content-Type: application/json" \ "https://discoveryengine.googleapis.com/v1/projects/PROJECT_NUMBER/locations/global:generateGroundedContent" \ -d ' { "contents": [ { "role": "user", "parts": [ { "text": "PROMPT_TEXT" } ] } ], "systemInstruction": { "parts": { "text": "SYSTEM_INSTRUCTION" } }, "groundingSpec": { "groundingSources": [ { "inlineSource": { "groundingFacts": [ { "factText": "FACT_TEXT_1", "attributes": { "title": "TITLE_1", "uri": "URI_1", "author": "AUTHOR_1" } } ] } }, { "inlineSource": { "groundingFacts": [ { "factText": "FACT_TEXT_2", "attributes": { "title": "TITLE_2", "uri": "URI_2" } }, { "factText": "FACT_TEXT_3", "attributes": { "title": "TITLE_3", "uri": "URI_3" } } ] } }, { "searchSource": { "servingConfig": "projects/PROJECT_NUMBER/locations/global/collections/default_collection/engines/APP_ID_1/servingConfigs/default_search" } }, { "searchSource": { "servingConfig": "projects/PROJECT_NUMBER/locations/global/collections/default_collection/engines/APP_ID_2/servingConfigs/default_search" } } ] }, "generationSpec": { "modelId": "MODEL_ID", "temperature": TEMPERATURE, "topP": TOP_P, "topK": TOP_K, }, "user_context": { "languageCode: "LANGUAGE_CODE" "latLng": { "latitude": 46.7, "longitude": 8.9 }, }'
参数列表
如需了解实现详情，请参阅示例。
GoogleSearchRetrieval
以公开数据作为回答依据。
| 参数 | |
|---|---|
|
必需： 以公开提供的 Web 数据作为依据。 |
Retrieval
以作为数据存储区的 Vertex AI Search 中的私有数据作为回答依据。定义模型可以调用以访问外部知识的检索工具。
| 参数 | |
|---|---|
|
必需： 以 Vertex AI Search 数据源作为依据。 |
VertexAISearch
| 参数 | |
|---|---|
|
必需： 来自 Vertex AI Search 的完全限定数据存储区资源 ID，格式如下： |
示例
使用 Google 搜索基于公开 Web 数据作为回答依据
以 Google 搜索公开数据作为回答依据。在请求中添加 google_search_retrieval 工具。无需其他参数。
REST
在使用任何请求数据之前，请先进行以下替换：
- LOCATION：处理请求的区域。
- PROJECT_ID：您的项目 ID。
- MODEL_ID：多模态模型的模型 ID。 只有 Gemini 1.0 和 Gemini 1.5 模型支持动态检索。Gemini 2.0 模型不支持动态检索。
- TEXT：要包含在提示中的文本说明。
- DYNAMIC_THRESHOLD：可选字段，用于设置调用动态检索配置的阈值。该值是一个介于 [0,1] 范围内的浮点值。如果您未设置
dynamicThreshold字段，则阈值默认为 0.7。
HTTP 方法和网址：
POST https://LOCATION-aiplatform.googleapis.com/v1beta1/projects/PROJECT_ID/locations/LOCATION/publishers/google/models/MODEL_ID:generateContent
请求 JSON 正文：
{
"contents": [{
"role": "user",
"parts": [{
"text": "TEXT"
}]
}],
"tools": [{
"googleSearchRetrieval": {
"dynamicRetrievalConfig": {
"mode": "MODE_DYNAMIC",
"dynamicThreshold": DYNAMIC_THRESHOLD
}
}
}],
"model": "projects/PROJECT_ID/locations/LOCATION/publishers/google/models/MODEL_ID"
}
如需发送您的请求，请展开以下选项之一：
您应该收到类似以下内容的 JSON 响应：
{
"candidates": [
{
"content": {
"role": "model",
"parts": [
{
"text": "Chicago weather changes rapidly, so layers let you adjust easily. Consider a base layer, a warm mid-layer (sweater-fleece), and a weatherproof outer layer."
}
]
},
"finishReason": "STOP",
"safetyRatings":[
"..."
],
"groundingMetadata": {
"webSearchQueries": [
"What's the weather in Chicago this weekend?"
],
"searchEntryPoint": {
"renderedContent": "....................."
}
"groundingSupports": [
{
"segment": {
"startIndex": 0,
"endIndex": 65,
"text": "Chicago weather changes rapidly, so layers let you adjust easily."
},
"groundingChunkIndices": [
0
],
"confidenceScores": [
0.99
]
},
]
"retrievalMetadata": {
"webDynamicRetrievalScore": 0.96879
}
}
}
],
"usageMetadata": { "..."
}
}
Python
NodeJS
Java
使用 Vertex AI Search 基于私有数据作出回答
以 Vertex AI Search 数据存储区中的数据作为回答依据。如需了解详情，请参阅 Vertex AI Agent Builder。
警告：目前，此“接地”接口不支持 Vertex AI Search“分块模式”。
REST
在使用任何请求数据之前，请先进行以下替换：
- LOCATION：处理请求的区域。
- PROJECT_ID：您的项目 ID。
- MODEL_ID：多模态模型的模型 ID。
- TEXT：要包含在提示中的文本说明。
HTTP 方法和网址：
POST https://LOCATION-aiplatform.googleapis.com/v1beta1/projects/PROJECT_ID/locations/LOCATION/publishers/google/models/MODEL_ID:generateContent
请求 JSON 正文：
{
"contents": [{
"role": "user",
"parts": [{
"text": "TEXT"
}]
}],
"tools": [{
"retrieval": {
"vertexAiSearch": {
"datastore": projects/PROJECT_ID/locations/global/collections/default_collection/dataStores/DATA_STORE_ID
}
}
}],
"model": "projects/PROJECT_ID/locations/LOCATION/publishers/google/models/MODEL_ID"
}
如需发送您的请求，请展开以下选项之一：
您应该收到类似以下内容的 JSON 响应：
{
"candidates": [
{
"content": {
"role": "model",
"parts": [
{
"text": "You can make an appointment on the website https://dmv.gov/"
}
]
},
"finishReason": "STOP",
"safetyRatings": [
"..."
],
"groundingMetadata": {
"retrievalQueries": [
"How to make appointment to renew driving license?"
],
"groundingChunks": [
{
"retrievedContext": {
"uri": "https://vertexaisearch.cloud.google.com/grounding-api-redirect/AXiHM.....QTN92V5ePQ==",
"title": "dmv"
}
}
],
"groundingSupport": [
{
"segment": {
"startIndex": 25,
"endIndex": 147
},
"segment_text": "ipsum lorem ...",
"supportChunkIndices": [1, 2],
"confidenceScore": [0.9541752, 0.97726375]
},
{
"segment": {
"startIndex": 294,
"endIndex": 439
},
"segment_text": "ipsum lorem ...",
"supportChunkIndices": [1],
"confidenceScore": [0.9541752, 0.9325467]
}
]
}
}
],
"usageMetadata": {
"..."
}
}
Python
NodeJS
Java
后续步骤
如需查看详细文档，请参阅以下内容：