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 contoh kode.
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 potongan 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 output contoh.
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 dari
API generateContent dan menggunakan kolom dalam contoh kode.
| 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 lebih potongan yang digunakan untuk mendasari konten yang dihasilkan. |
|
|
|
|
|
|
grounding_supports |
Hubungan antara konten yang dihasilkan dan potongan perujukan. 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 memiliki rujukan dari teks yang dihasilkan. |
|
|
|
|
|
|
grounding_chunk_indices |
Chunk yang digunakan untuk mendasari segmen teks. Ada lebih dari satu bagian yang dapat digunakan untuk mendasari teks. Indeks dimulai dari 0, yang mewakili potongan pertama dalam kolom grounding_chunks. Tanah berada di seluruh potongan. Bagian chunk yang mendasari respons tidak ditentukan. |
confidence_scores |
Skor yang digunakan untuk mendasarkan teks pada potongan tertentu. Skor tertinggi yang mungkin adalah 1 dan makin tinggi skornya, makin tinggi tingkat keyakinannya. Setiap skor cocok dengan setiap grounding_chunk_indices. Hanya potongan dengan skor keyakinan minimal 0.6 yang disertakan dalam output. |
Contoh output
Contoh kode ini menunjukkan penggunaan kolom untuk menghasilkan output contoh.
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 lebih lanjut konteks RAG dalam referensi API, lihat Konteks.
- Untuk mempelajari RAG lebih lanjut, lihat Ringkasan Mesin RAG Vertex AI.