Esta página explica cada campo da saída do Vertex AI RAG Engine.
retrieveContexts
Nesta seção, descrevemos cada campo definido na API retrieveContexts e
usamos os campos em um exemplo de código.
Campos
| Nome do campo | Descrição | 
|---|---|
source_uri | 
     O arquivo de origem original antes de ser importado para o RAG. Se o arquivo
for importado do Cloud Storage ou do Google Drive, source_uri será o URI original
do arquivo no Cloud Storage ou no Drive. Se o arquivo for
enviado, source_uri será o nome de exibição dele. | 
   
source_display_name | 
       O nome de exibição do arquivo. | 
text | 
     O trecho de texto relevante para a consulta. | 
score | 
     A semelhança ou distância entre a consulta e o trecho de texto.
A similaridade ou distância depende do vectorDB escolhido. Para
ragManagedDB, a pontuação é COSINE_DISTANCE. | 
   
Exemplo de saída
Este exemplo de código demonstra o uso dos campos para produzir uma saída de exemplo.
contexts {
    source_uri: "gs://sample_folder/hello_world.txt"
    source_display_name: "hello_world.txt"
    text: "Hello World!"
    score: 0.60545359030757784
  }
generateContent
A maioria dos campos definidos para a API generateContent pode ser encontrada no
corpo da resposta.
Campos
Esta seção descreve cada campo definido na parte grounding_metadata da
API generateContent e usa os campos no exemplo de código.
| Nome do campo | Descrição | 
|---|---|
text | 
     A resposta gerada pelo Gemini. | 
grounding_chunks | 
     Os fragmentos retornados pelo mecanismo de RAG da Vertex AI. | 
retrieved_context | 
     Um campo repetido que pode ter zero ou mais partes usadas para fundamentar o conteúdo gerado. | 
      
  | 
     
      
  | 
   
      
  | 
     
      
  | 
   
      
  | 
     
      
  | 
   
grounding_supports | 
     A relação entre o conteúdo gerado e os trechos de embasamento. Esse é um campo repetido. Cada campo grounding_supports mostra a relação entre um segmento de texto do contexto gerado e um ou mais trechos de texto recuperados pela RAG. | 
   
segment | 
     O segmento de texto fundamentado do texto gerado. | 
      
  | 
     
      
  | 
   
      
  | 
     
      
  | 
   
      
  | 
     
      
  | 
   
grounding_chunk_indices | 
     O trecho usado para fundamentar o segmento de texto. Pode haver mais de um trecho usado para fundamentar o texto. O índice começa em 0, que representa o primeiro bloco no campo grounding_chunks. O chão está em todo o bloco. A parte do trecho que fundamenta a resposta não foi especificada. | 
   
confidence_scores | 
     A pontuação usada para fundamentar o texto em um determinado trecho. A pontuação máxima possível é 1, e quanto maior a pontuação, maior o nível de confiança. Cada pontuação corresponde a um grounding_chunk_indices. Apenas os trechos com uma pontuação de confiança de pelo menos 0.6 são incluídos na saída. | 
   
Exemplo de saída
Este exemplo de código demonstra o uso dos campos para produzir uma saída de exemplo.
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
    }
  }
}
A seguir
- Para saber mais sobre o contexto da RAG na referência da API, consulte Contexto.
 - Para saber mais sobre a RAG, consulte Visão geral do mecanismo de RAG da Vertex AI.