Modelos compatibles:
- Gemini 1.0 Pro
- gemini-1.0-pro-001
- gemini-1.0-pro-002
Limitaciones
- Admite datos en inglés.
- Los fundamentos solo están disponibles para las respuestas de texto.
Lista de parámetros
Para habilitar los fundamentos, especifica una tool
de recuperación en tu solicitud. Las opciones son
GoogleSearchRetrieval
: Usa datos web públicos para los fundamentos.Retrieval
: Usa Vertex AI Search para conectarse a fuentes de datos privadas.
GoogleSearchRetrieval
Fundamenta la respuesta con datos públicos. Incluye la herramienta de google_search_retrieval
en la solicitud. No se requieren parámetros adicionales.
Recuperación
Fundamentos con datos privados a través de Vertex AI Search. Define una herramienta de recuperación a la que el modelo puede llamar para acceder al conocimiento externo.
Parámetros | |
---|---|
|
Se configuró para usar fuentes de datos con la tecnología de Vertex AI Search. |
VertexAISearch
Recupera el almacén de datos de Vertex AI Search para los fundamentos. Para obtener más información, consulta Compilador de agentes de Vertex AI.
Parámetros | |
---|---|
|
Un ID de recurso de Datastore completamente calificado para Vertex AI Search. |
Ejemplos
- PROJECT_ID =
PROJECT_ID
- REGION =
us-central1
- MODEL_ID =
gemini-1.0-pro
Respuesta básica sobre datos web públicos
curl
curl -X POST \ -H "Authorization: Bearer $(gcloud auth print-access-token)" \ -H "Content-Type: application/json" \ http://${REGION}-aiplatform.googleapis.com/v1/projects/${PROJECT_ID}/locations/${REGION}/publishers/google/models/${MODEL_ID}:generateContent \ -d '{ "contents": [{ "role": "user", "parts": [{ "text": "What did Lincoln do for fun?" }] }], "tools": [{ "googleSearchRetrieval": {} }] }'
Python
import vertexai from vertexai.generative_models import GenerativeModel, Tool from vertexai.preview import generative_models as preview_generative_models vertexai.init(project=PROJECT_ID, location=REGION) gemini_model = GenerativeModel(MODEL_ID) google_search_tool = Tool.from_google_search_retrieval( google_search_retrieval=preview_generative_models.grounding.GoogleSearchRetrieval() ) model_response = gemini_model.generate_content( "What did Lincoln do for fun?", tools=[google_search_tool] ) print(model_response)
Respuesta fundamental sobre datos privados mediante Vertex AI Search
Requisitos: primero debes crear un almacén de datos de búsqueda .
Configura la ruta de acceso del recurso del almacén de datos a la variable DATASTORE
para usar en este ejemplo.
curl
curl -X POST \ -H "Authorization: Bearer $(gcloud auth print-access-token)" \ -H "Content-Type: application/json" \ http://${REGION}-aiplatform.googleapis.com/v1/projects/${PROJECT_ID}/locations/${REGION}/publishers/google/models/${MODEL_ID}:generateContent \ -d '{ "contents": [{ "role": "user", "parts": [{ "text": "How to make appointment to renew driving license?" }] }], "tools": [{ "retrieval": { "vertexAiSearch": { "datastore": "'${DATASTORE}'" } } }] }'
Python
import vertexai from vertexai.generative_models import GenerativeModel, Tool from vertexai.preview import generative_models as preview_generative_models vertexai.init(project=PROJECT_ID, location=REGION) gemini_model = GenerativeModel(MODEL_ID) vertex_search_tool = Tool.from_retrieval( retrieval=preview_generative_models.grounding.Retrieval( source=preview_generative_models.grounding.VertexAISearch(datastore=DATASTORE), ) ) model_response = gemini_model.generate_content( "How to make appointment to renew driving license?", tools=[vertex_search_tool] ) print(model_response)
Explora más
Para obtener documentación detallada, consulta lo siguiente: