使用 Vertex AI，您可以通过以下方式为模型输出建立依据：
- 使用 Google 搜索建立依据 - 使用公开提供的 Web 数据为模型建立依据。
- 借助您自己的数据接地 - 使用作为数据存储区的 Vertex AI Search 中您自己的数据让模型接地（预览版）。
使用 Google 搜索建立依据
如果您想将模型与世界知识、各种主题或互联网上的最新信息相连接，请使用“借助 Google 搜索接地”功能。
使用此功能时，您必须显示 Google 搜索入口点。如需详细了解相关要求，请参阅 Google 搜索入口点。
如需详细了解 Vertex AI 中的模型接地功能，请参阅接地概览。
支持的模型
以下模型支持连接功能：
- Gemini 1.5 Pro（仅包含文本输入）
- Gemini 1.5 Flash（仅包含文本输入）
- Gemini 1.0 Pro（仅包含文本输入）
支持的语言
- 英语 (en)
- 西班牙语 (es)
- 日语 (ja)
借助 Google 搜索让模型接地
按照以下说明借助公开提供的网络数据让模型接地。
注意事项
如需使用“借助 Google 搜索接地”功能，您必须启用 Google 搜索入口点。如需了解详情，请参阅 Google 搜索入口点。
为了获得理想的结果，请使用
0.0温度。如需详细了解如何设置此配置，请参阅模型参考文档中的 Gemini API 请求正文。“借助 Google 搜索接地”功能的查询次数上限为每天 100 万次。如果您需要更高的查询次数，请与支持团队联系。
REST
在使用任何请求数据之前，请先进行以下替换：
- LOCATION：处理请求的区域。
- PROJECT_ID：您的项目 ID。
- MODEL_ID：多模态模型的模型 ID。
- TEXT：要包含在提示中的文本说明。
HTTP 方法和网址：
POST https://LOCATION-aiplatform.googleapis.com/v1beta1/projects/PROJECT_ID/locations/LOCATION/publishers/google/models/MODEL_ID:generateContent
请求 JSON 正文：
{
"contents": [{
"role": "user",
"parts": [{
"text": "TEXT"
}]
}],
"tools": [{
"googleSearchRetrieval": {}
}],
"model": "projects/PROJECT_ID/locations/LOCATION/publishers/google/models/MODEL_ID"
}
如需发送您的请求，请展开以下选项之一：
您应该收到类似以下内容的 JSON 响应：
{
"candidates": [
{
"content": {
"role": "model",
"parts": [
{
"text": "Chicago weather changes rapidly, so layers let you adjust easily. Consider a base layer, a warm mid-layer (sweater-fleece), and a weatherproof outer layer."
}
]
},
"finishReason": "STOP",
"safetyRatings":[
"..."
],
"groundingMetadata": {
"webSearchQueries": [
"What's the weather in Chicago this weekend?"
],
"searchEntryPoint": {
"renderedContent": "....................."
}
}
}
],
"usageMetadata": { "..."
}
}
控制台
如需将“使用 Google 搜索建立依据”与 Vertex AI Studio 搭配使用，请按照以下步骤操作：
- 在 Google Cloud 控制台中，前往 Vertex AI Studio 页面。
- 点击多模态标签页。
- 点击打开，查看单个提示设计页面。
- 在侧边栏中，点击高级，查看高级设置。
- 点击启用接地切换开关。
- 点击自定义，并将 Google 搜索设置为来源。
- 在文本框中输入提示，然后点击提交。
您的提示回答现在会以 Google 搜索为基础。
Python
如需了解如何安装或更新 Vertex AI SDK for Python，请参阅安装 Vertex AI SDK for Python。 如需了解详情，请参阅 Python API 参考文档。
理解回答
如果您的模型提示从 Vertex AI Studio 或 API 成功连接到 Google 搜索，则回答会包含带有来源链接（网址）的元数据。但是，有多种原因可能会导致此元数据无法提供，并且提示回答不会落地。这些原因包括模型回答中的来源相关性低或信息不完整。
引用
强烈建议显示引用。可帮助用户验证发布方自身的回答，并为用户提供更多学习途径。
对来自 Google 搜索来源的回答的引用应以内嵌和汇总形式显示。请参阅下图，了解如何执行此操作。
使用备用搜索引擎选项
客户使用 Google 搜索落地功能不会阻止客户提供备用搜索引擎选项、将备用搜索选项设为客户应用的默认选项，或者在客户应用中显示自己的或第三方搜索建议或搜索结果，前提是任何此类非 Google 搜索服务或相关结果与依据结果和搜索入口点分开显示，且不能合理地归因于 Google 提供的结果或与 Google 提供的结果混淆。
借助您的数据让 Gemini 接地
本部分介绍如何使用可验证的信息来源将 Gemini 1.0 Pro 文本回答连接到 Vertex AI Agent Builder 数据存储区。如果您为模型提供访问特定数据源的权限，则接地功能可以将其输出连接到这些数据 Vertex AI API。
支持的模型
以下模型支持连接功能：
- Gemini 1.5 Pro（仅包含文本输入）
- Gemini 1.5 Flash（仅包含文本输入）
- Gemini 1.0 Pro（仅包含文本输入）
前提条件
需要满足一些前提条件才能让 Gemini 1.0 Pro 接地。
- 启用 Vertex AI Agent Builder 并激活此 API。
- 创建 Vertex AI Agent Builder 数据源和应用。
- 在 Vertex AI Agent Builder 中将您的数据存储区与应用相关联。数据源用作在 Vertex AI 中让 Gemini 1.0 Pro 接地的基础。
- 为您的数据存储区启用企业版。
如需了解详情，请参阅 Vertex AI Search 简介。
启用 Vertex AI Agent Builder
在 Google Cloud 控制台中，前往 Agent Builder 页面。
阅读并同意服务条款，然后点击继续并激活 API。
Vertex AI Agent Builder 在 global 位置或 eu 和 us 多区域提供。如需了解详情，请参阅 Vertex AI Agent Builder 位置
在 Vertex AI Agent Builder 中创建数据存储区
如需将模型连接到源数据，您需要准备好数据并将其保存到 Vertex AI Search。为此，您需要在 Vertex AI Agent Builder 中创建数据存储区。
如果您从头开始，则需要准备数据以将其注入到 Vertex AI Agent Builder 中。如需开始操作，请参阅准备数据以进行注入。注入过程可能需要几分钟到几小时才能完成，具体取决于数据的大小。只有非结构化数据存储区支持连接功能。
准备好要注入的数据后，您可以创建搜索数据存储区。成功创建数据存储区后，创建搜索应用以关联到该存储区并启用企业版。
让 Gemini 1.0 Pro 模型接地
按照以下说明借助您自己的数据让模型接地。
如果您不知道数据存储区 ID，请按以下步骤操作：
在 Google Cloud 控制台中，前往 Vertex AI Agent Builder 页面，然后在导航菜单中点击数据存储区。
点击您的数据存储区的名称。
在数据存储区的数据页面上，获取数据存储区 ID。
REST
如需使用 Vertex AI API 测试文本提示，请向发布方模型端点发送 POST 请求。
在使用任何请求数据之前，请先进行以下替换：
- LOCATION：处理请求的区域。
- PROJECT_ID：您的项目 ID。
- MODEL_ID：多模态模型的模型 ID。
- TEXT：要包含在提示中的文本说明。
HTTP 方法和网址：
POST https://LOCATION-aiplatform.googleapis.com/v1beta1/projects/PROJECT_ID/locations/LOCATION/publishers/google/models/MODEL_ID:generateContent
请求 JSON 正文：
{
"contents": [{
"role": "user",
"parts": [{
"text": "TEXT"
}]
}],
"tools": [{
"retrieval": {
"vertexAiSearch": {
"datastore": projects/PROJECT_ID/locations/global/collections/default_collection/dataStores/DATA_STORE_ID
}
}
}],
"model": "projects/PROJECT_ID/locations/LOCATION/publishers/google/models/MODEL_ID"
}
如需发送您的请求，请展开以下选项之一：
您应该收到类似以下内容的 JSON 响应：
{
"candidates": [
{
"content": {
"role": "model",
"parts": [
{
"text": "You can make an appointment on the website https://dmv.gov/"
}
]
},
"finishReason": "STOP",
"safetyRatings":[
"..."
],
"groundingMetadata": {
"retrievalQueries": [
"How to make appointment to renew driving license?"
]
}
}
],
"usageMetadata": { "..."
}
}
Python
如需了解如何安装或更新 Vertex AI SDK for Python，请参阅安装 Vertex AI SDK for Python。 如需了解详情，请参阅 Python API 参考文档。
控制台
如需在 Google Cloud 控制台中使用 Vertex AI Studio 将模型输出连接到 Vertex AI Agent Builder，请按以下步骤操作：
- 在 Google Cloud 控制台中，前往 Vertex AI Studio 页面。
- 点击语言标签页。
- 点击文本提示可查看单个提示设计页面。
- 在侧边栏中，点击高级，查看高级设置。
- 点击启用接地切换开关以启用接地功能。
- 点击自定义并将 Vertex AI Agent Builder 设置为来源。该路径应采用以下格式：projects/project_id/locations/global/collections/default_collection/dataStores/data_store_id。
- 在文本框中输入提示，然后点击提交。
您的提示回答现在会借助 Vertex AI Agent Builder 接地。
后续步骤
- 了解如何发送聊天提示请求。
- 了解 Responsible AI 最佳实践和 Vertex AI 的安全过滤条件。
- 如需了解如何连接 PaLM 模型，请参阅 Vertex AI 中的连接功能