Abruf- und Generierungsausgabe der Vertex AI RAG Engine

Auf dieser Seite werden die einzelnen Felder der Ausgabe von Vertex AI RAG Engine erläutert.

retrieveContexts

In diesem Abschnitt werden die einzelnen Felder beschrieben, die in der retrieveContexts API definiert sind. Außerdem werden die Felder im Beispielcode verwendet.

Felder

Feldname Beschreibung
source_uri Die ursprüngliche Quelldatei, bevor sie in RAG importiert wird. Wenn die Datei aus Cloud Storage oder Google Drive importiert wird, ist source_uri der ursprüngliche Datei-URI in Cloud Storage oder Drive. Wenn die Datei hochgeladen wird, ist source_uri der Anzeigename der Datei.
source_display_name Der Anzeigename der Datei.
text Der Textabschnitt, der für die Anfrage relevant ist.
score Die Ähnlichkeit oder der Abstand zwischen der Anfrage und dem Textabschnitt. Die Ähnlichkeit oder Distanz hängt von der ausgewählten vectorDB ab. Für ragManagedDB ist der Score der COSINE_DISTANCE.

Beispielausgabe:

In diesem Codebeispiel wird die Verwendung der Felder zum Erstellen einer Beispielausgabe veranschaulicht.

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

generateContent

Die meisten Felder, die für die generateContent API definiert sind, finden Sie im Antworttext.

Felder

In diesem Abschnitt werden die einzelnen Felder beschrieben, die im grounding_metadata-Teil der generateContent API definiert sind. Außerdem werden die Felder im Beispielcode verwendet.

Feldname Beschreibung
text Die von Gemini generierte Antwort.
grounding_chunks Die von der Vertex AI RAG Engine zurückgegebenen Chunks.
retrieved_context Ein wiederkehrendes Feld, das null oder mehr Chunks enthalten kann, die zur Fundierung der generierten Inhalte verwendet werden.
  • uri
  • source_uri gibt an, wo die Daten ursprünglich gespeichert sind.
  • title
  • source_display_name ist der Dateiname oder Anzeigename der Originaldatei.
  • text
  • Der Textabschnitt wird verwendet, um die Gemini-Antwort zu fundieren.
grounding_supports Die Beziehung zwischen den generierten Inhalten und den Fundierungsblöcken. Dies ist ein wiederkehrendes Feld. Jedes grounding_supports-Feld zeigt die Beziehung zwischen einem Textsegment des generierten Kontexts und einem oder mehreren Textblöcken, die mit RAG abgerufen wurden.
segment Das fundierte Textsegment des generierten Texts.
  • start_index
  • Der erste Index des fundierten Texts. Wenn start_index fehlt, ist start_index gleich 0.
  • end_index
  • Der letzte Index des fundierten Texts.
  • text
  • Der fundierte Text.
grounding_chunk_indices Der Chunk, der zum Fundieren des Textsegments verwendet wird. Es kann mehr als ein Chunk verwendet werden, um den Text zu fundieren. Der Index beginnt bei 0, was den ersten Chunk im Feld grounding_chunks darstellt. Der Boden befindet sich auf dem gesamten Chunk. Der Teil des Chunks, auf dem die Antwort basiert, ist nicht angegeben.
confidence_scores Der Wert, der verwendet wird, um den Text auf einem bestimmten Chunk zu basieren. Der höchstmögliche Wert ist 1. Je höher der Wert, desto höher das Konfidenzniveau. Jeder Wert entspricht einem grounding_chunk_indices. Nur die Chunks mit einem Konfidenzwert von mindestens 0.6 werden in die Ausgabe aufgenommen.

Beispielausgabe:

In diesem Codebeispiel wird die Verwendung der Felder zum Erstellen einer Beispielausgabe veranschaulicht.

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
    }
  }
}

Nächste Schritte