Halaman ini menjelaskan setiap kolom output dari Vertex AI RAG Engine.
retrieveContexts
Bagian ini menjelaskan setiap kolom yang ditentukan dalam retrieveContexts
API dan
menggunakan kolom dalam kode contoh.
Kolom
Nama kolom | Deskripsi |
---|---|
source_uri |
File sumber asli sebelum diimpor ke RAG. Jika file
diimpor dari Cloud Storage atau Google Drive, source_uri adalah URI file
asli di Cloud Storage atau Drive. Jika file
diupload, source_uri adalah nama tampilan file. |
source_display_name |
Nama tampilan file. |
text |
Potongan teks yang relevan dengan kueri. |
score |
Kesamaan atau jarak antara kueri dan bagian teks.
Kesamaan atau jarak bergantung pada vectorDB yang Anda pilih. Untuk
ragManagedDB , skornya adalah COSINE_DISTANCE . |
Contoh output
Contoh kode ini menunjukkan penggunaan kolom untuk menghasilkan contoh output.
contexts {
source_uri: "gs://sample_folder/hello_world.txt"
source_display_name: "hello_world.txt"
text: "Hello World!"
score: 0.60545359030757784
}
generateContent
Sebagian besar kolom yang ditentukan untuk generateContent
API dapat ditemukan di
Isi respons.
Kolom
Bagian ini menjelaskan setiap kolom yang ditentukan di bagian grounding_metadata
generateContent
API dan menggunakan kolom dalam kode contoh.
Nama kolom | Deskripsi |
---|---|
text |
Respons yang dihasilkan oleh Gemini. |
grounding_chunks |
Potongan yang ditampilkan oleh Mesin RAG Vertex AI. |
retrieved_context |
Kolom berulang yang dapat memiliki nol atau beberapa bagian yang digunakan untuk mendasarkan konten yang dihasilkan. |
|
|
|
|
|
|
grounding_supports |
Hubungan antara konten yang dihasilkan dan bagian dasar. Ini adalah kolom berulang. Setiap kolom grounding_supports menunjukkan hubungan antara satu segmen teks dari konteks yang dihasilkan dan satu atau beberapa potongan teks yang diambil RAG. |
segment |
Segmen teks yang dihubungkan dari teks yang dihasilkan. |
|
|
|
|
|
|
grounding_chunk_indices |
Bagian yang digunakan untuk melandasi segmen teks. Bisa ada lebih dari satu bagian yang digunakan untuk mendasarkan teks. Indeks dimulai dari 0 , yang mewakili bagian pertama di kolom grounding_chunks . Tanah berada di seluruh bagian. Bagian bagian yang mendasari respons tidak ditentukan. |
confidence_scores |
Skor yang digunakan untuk melandasi teks pada bagian tertentu. Skor tertinggi yang mungkin adalah 1 dan semakin tinggi skornya, semakin tinggi tingkat keyakinannya. Setiap skor cocok dengan setiap grounding_chunk_indices . Hanya bagian dengan skor keyakinan minimal 0.6 yang disertakan dalam output. |
Contoh output
Contoh kode ini menunjukkan penggunaan kolom untuk menghasilkan contoh output.
candidates {
content {
role: "model"
parts {
text: "The rectangle is red and the background is white. The rectangle appears to be on some type of document editing software. \n"
}
}
grounding_metadata {
grounding_chunks {
retrieved_context {
uri: "a.txt"
title: "a.txt"
text: "Okay , I see a red rectangle on a white background . It looks like it\'s on some sort of document editing software. It has those small squares and circles around it, indicating that it\'s a selected object ."
}
}
grounding_chunks {
retrieved_context {
uri: "b.txt"
title: "b.txt"
text: "The video is identical to the last time I described it . It shows a blue rectangle on a white background."
}
}
grounding_chunks {
retrieved_context {
uri: "c.txt"
title: "c.txt"
text: "Okay , I remember the rectangle was blue in the past session . Now it is red.\n The red rectangle is still there . It \' s still in the same position on the white background, with the same handles around it. Nothing new is visible since last time.\n You \' re welcome . The red rectangle is still the only thing visible."
}
}
grounding_supports {
segment {
end_index: 49
text: "The rectangle is red and the background is white."
}
grounding_chunk_indices: 2
grounding_chunk_indices: 0
confidence_scores: 0.958192229
confidence_scores: 0.992316723
}
grounding_supports {
segment {
start_index: 50
end_index: 120
text: "The rectangle appears to be on some type of document editing software."
}
grounding_chunk_indices: 0
confidence_scores: 0.98374176
}
}
}
Langkah berikutnya
- Untuk mempelajari konteks RAG lebih lanjut dalam referensi API, lihat Konteks.
- Untuk mempelajari RAG lebih lanjut, lihat Ringkasan Mesin RAG Vertex AI.