Reihe von RAG-Dateien importieren
Mit Sammlungen den Überblick behalten
Sie können Inhalte basierend auf Ihren Einstellungen speichern und kategorisieren.
Dieses Beispiel zeigt, wie Sie RAG-Dateien von einem Speicherort importieren.
Weitere Informationen
Eine ausführliche Dokumentation, die dieses Codebeispiel enthält, finden Sie hier:
Codebeispiel
Nächste Schritte
Informationen zum Suchen und Filtern von Codebeispielen für andere Google Cloud-Produkte finden Sie im Google Cloud-Beispielbrowser.
Sofern nicht anders angegeben, sind die Inhalte dieser Seite unter der Creative Commons Attribution 4.0 License und Codebeispiele unter der Apache 2.0 License lizenziert. Weitere Informationen finden Sie in den Websiterichtlinien von Google Developers. Java ist eine eingetragene Marke von Oracle und/oder seinen Partnern.
[[["Leicht verständlich","easyToUnderstand","thumb-up"],["Mein Problem wurde gelöst","solvedMyProblem","thumb-up"],["Sonstiges","otherUp","thumb-up"]],[["Schwer verständlich","hardToUnderstand","thumb-down"],["Informationen oder Beispielcode falsch","incorrectInformationOrSampleCode","thumb-down"],["Benötigte Informationen/Beispiele nicht gefunden","missingTheInformationSamplesINeed","thumb-down"],["Problem mit der Übersetzung","translationIssue","thumb-down"],["Sonstiges","otherDown","thumb-down"]],[],[],[],null,["# Import a set of RAG files\n\nThis sample demonstrates how to import RAG files from a storage location.\n\nExplore further\n---------------\n\n\nFor detailed documentation that includes this code sample, see the following:\n\n- [Use a Weaviate database with Vertex AI RAG Engine](/vertex-ai/generative-ai/docs/rag-engine/use-weaviate-db)\n- [Use Vertex AI Feature Store in Vertex AI RAG Engine](/vertex-ai/generative-ai/docs/rag-engine/use-feature-store-with-rag)\n- [Use Vertex AI Vector Search with Vertex AI RAG Engine](/vertex-ai/generative-ai/docs/rag-engine/use-vertexai-vector-search)\n\nCode sample\n-----------\n\n### Python\n\n\nBefore trying this sample, follow the Python setup instructions in the\n[Vertex AI quickstart using\nclient libraries](/vertex-ai/docs/start/client-libraries).\n\n\nFor more information, see the\n[Vertex AI Python API\nreference documentation](/python/docs/reference/aiplatform/latest).\n\n\nTo authenticate to Vertex AI, set up Application Default Credentials.\nFor more information, see\n\n[Set up authentication for a local development environment](/docs/authentication/set-up-adc-local-dev-environment).\n\n\n from vertexai import rag\n import https://cloud.google.com/python/docs/reference/vertexai/latest/\n\n # TODO(developer): Update and un-comment below lines\n # PROJECT_ID = \"your-project-id\"\n # corpus_name = \"projects/{PROJECT_ID}/locations/us-central1/ragCorpora/{rag_corpus_id}\"\n # paths = [\"https://drive.google.com/file/123\", \"gs://my_bucket/my_files_dir\"] # Supports Google Cloud Storage and Google Drive Links\n\n # Initialize Vertex AI API once per session\n https://cloud.google.com/python/docs/reference/vertexai/latest/.init(project=PROJECT_ID, location=\"us-central1\")\n\n response = rag.import_files(\n corpus_name=corpus_name,\n paths=paths,\n transformation_config=rag.TransformationConfig(\n rag.ChunkingConfig(chunk_size=512, chunk_overlap=100)\n ),\n import_result_sink=\"gs://sample-existing-folder/sample_import_result_unique.ndjson\", # Optional, this has to be an existing storage bucket folder, and file name has to be unique (non-existent).\n max_embedding_requests_per_min=900, # Optional\n )\n print(f\"Imported {response.imported_rag_files_count} files.\")\n # Example response:\n # Imported 2 files.\n\nWhat's next\n-----------\n\n\nTo search and filter code samples for other Google Cloud products, see the\n[Google Cloud sample browser](/docs/samples?product=generativeaionvertexai)."]]
