Cette page explique chaque champ de la sortie du moteur RAG de Vertex AI.
retrieveContexts
Cette section décrit chaque champ défini dans l'API retrieveContexts et utilise les champs dans l'exemple de code.
Champs
| Nom de champ | Description | 
|---|---|
| source_uri | Fichier source d'origine avant son importation dans RAG. Si le fichier est importé depuis Cloud Storage ou Google Drive, source_uricorrespond à l'URI du fichier d'origine dans Cloud Storage ou Drive. Si le fichier est importé,source_uricorrespond à son nom à afficher. | 
| source_display_name | Nom à afficher du fichier. | 
| text | Bloc de texte pertinent pour la requête. | 
| score | Similitude ou distance entre la requête et le bloc de texte.
La similarité ou la distance dépendent du vectorDBque vous choisissez. PourragManagedDB, le score correspond àCOSINE_DISTANCE. | 
Exemple de sortie
Cet exemple de code montre comment utiliser les champs pour générer un exemple de résultat.
contexts {
    source_uri: "gs://sample_folder/hello_world.txt"
    source_display_name: "hello_world.txt"
    text: "Hello World!"
    score: 0.60545359030757784
  }
generateContent
La plupart des champs définis pour l'API generateContent se trouvent dans le corps de la réponse.
Champs
Cette section décrit chaque champ défini dans la partie grounding_metadata de l'API generateContent et utilise les champs dans l'exemple de code.
| Nom de champ | Description | 
|---|---|
| text | Réponse générée par Gemini. | 
| grounding_chunks | Il s'agit des blocs renvoyés par le moteur RAG Vertex AI. | 
| retrieved_context | Champ répété pouvant contenir zéro ou plusieurs blocs utilisés pour ancrer le contenu généré. | 
| 
 | 
 | 
| 
 | 
 | 
| 
 | 
 | 
| grounding_supports | Relation entre le contenu généré et les blocs d'ancrage. Il s'agit d'un champ répété. Chaque champ grounding_supportsindique la relation entre un segment de texte du contexte généré et un ou plusieurs blocs de texte récupérés par RAG. | 
| segment | Segment de texte ancré du texte généré. | 
| 
 | 
 | 
| 
 | 
 | 
| 
 | 
 | 
| grounding_chunk_indices | Bloc utilisé pour ancrer le segment de texte. Plusieurs blocs peuvent être utilisés pour ancrer le texte. L'index commence à 0, qui représente le premier bloc du champgrounding_chunks. Le sol se trouve sur l'ensemble du bloc. La partie du bloc qui ancre la réponse n'est pas spécifiée. | 
| confidence_scores | Score utilisé pour ancrer le texte sur un bloc donné. Le score le plus élevé possible est 1. Plus le score est élevé, plus le niveau de confiance est élevé. Chaque score correspond à chaquegrounding_chunk_indices. Seuls les blocs dont le score de confiance est d'au moins0.6sont inclus dans le résultat. | 
Exemple de sortie
Cet exemple de code montre comment utiliser les champs pour générer un exemple de résultat.
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
    }
  }
}
Étapes suivantes
- Pour en savoir plus sur le contexte RAG dans la documentation de référence de l'API, consultez Contexte.
- Pour en savoir plus sur le RAG, consultez la présentation du moteur RAG de Vertex AI.