Vertex AI RAG 引擎的擷取和產生輸出

本頁面說明 Vertex AI RAG 引擎輸出內容中的欄位。輸出內容包含下列主要部分：

• retrieveContexts：包含從來源資料擷取的文字區塊相關資訊。
• generateContent：包含生成的內容和中繼資料，顯示內容如何根據擷取的文字片段生成。

retrieveContexts

retrieveContexts 回應包含下列欄位。

欄位

欄位名稱	說明
source_uri	原始來源檔案的 URI。 如果您從 Cloud Storage 或 Google 雲端硬碟匯入檔案，這個欄位會包含原始檔案 URI。 如果上傳檔案，這個欄位會顯示檔案的顯示名稱。
source_display_name	檔案的顯示名稱。
text	與查詢相關的文字區塊。
score	代表查詢與文字區塊相似程度的分數。使用的指標取決於您選擇的 vectorDB。如果是 ragManagedDB，則分數為 COSINE_DISTANCE。

輸出範例

以下範例顯示 retrieveContexts 回應的格式：

contexts {
    source_uri: "gs://sample_folder/hello_world.txt"
    source_display_name: "hello_world.txt"
    text: "Hello World!"
    score: 0.60545359030757784
  }

generateContent

為 generateContent API 定義的大多數欄位都位於回應主體中。

欄位

grounding_metadata 物件包含下列欄位：

• text：Gemini 生成的回覆。
• grounding_chunks：Vertex AI RAG 引擎傳回的文字區塊清單，與查詢相關。每個區塊物件都包含下列欄位：
  • retrieved_context：物件，內含用於根據生成內容的文字區塊。其中包含下列欄位：
    • uri：原始資料的 source_uri。
    • title：原始檔案的 source_display_name。
    • text：用於根據 Gemini 回覆內容的文字區塊。
• grounding_supports：清單，說明生成的回覆片段與基礎塊之間的關係。每個項目都包含下列欄位：
  • segment：這個物件會說明生成回應中以來源資料為依據的部分。其中包含下列欄位：
    • start_index：已根據事實的文字片段起始字元索引。如果省略這個欄位，索引為 0。
    • end_index：有根據的文字區段的結尾字元索引。
    • text：基礎區段的文字。
  • grounding_chunk_indices：索引清單，指向 grounding_chunks 中用於錨定文字片段的區塊。索引從 0 開始，一個區隔可由多個區塊做為基礎。
  • confidence_scores：信賴分數清單。每個分數都代表文字片段與 grounding_chunk_indices 中對應區塊的關聯強度。最高分為 1.0 分。只有可信度分數達到 0.6 以上的區塊才會納入。

輸出範例

以下範例顯示 generateContent 回應的格式，重點在於 grounding_metadata：

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
    }
  }
}

後續步驟

• 如要進一步瞭解 API 參考資料中的 RAG 情境，請參閱「情境」。
• 如要進一步瞭解 RAG，請參閱 Vertex AI RAG 引擎總覽。