Dalam AI generatif, landasan adalah kemampuan untuk menghubungkan output model ke sumber informasi yang dapat diverifikasi. Jika Anda memberi model akses ke sumber data tertentu, model akan melakukan grounding pada output-nya ke data ini dan mengurangi peluang menemukan konten.
Dengan Vertex AI, Anda dapat mendasarkan output model dengan cara berikut:
- Berdasar pada Google Penelusuran - mendasarkan model dengan data web yang tersedia untuk publik.
- Berdasarkan data Anda sendiri - mendasarkan model dengan data Anda sendiri dari Vertex AI Search sebagai penyimpanan data.
Untuk mengetahui informasi selengkapnya tentang grounding, lihat Ringkasan ground.
Model yang Didukung:
Model | Versi |
---|---|
Gemini 1.5 Pro dengan input teks hanya dengan input teks saja | gemini-1.5-pro-001 |
Gemini 1.5 Flash dengan input teks saja | gemini-1.5-flash-001 |
Gemini 1.0 Pro hanya dengan input teks | gemini-1.0-pro-001 gemini-1.0-pro-002 |
Batasan
- Grounding hanya mendukung sumber data dalam bahasa Inggris, Spanyol, dan Jepang.
- Grounding hanya tersedia untuk permintaan teks.
Contoh sintaksis
Sintaksis untuk memberi ground pada model.
curl
curl -X POST \ -H "Authorization: Bearer $(gcloud auth print-access-token)" \ -H "Content-Type: application/json" \ http://${LOCATION}-aiplatform.googleapis.com/v1/projects/${PROJECT_ID}/locations/${LOCATION}/publishers/google/models/${MODEL_ID}:generateContent \ -d '{ "contents": [{ ... }], "tools": [{ "retrieval": { "googleSearchRetrieval": {} } }], "model": "" }'
Daftar parameter
Lihat contoh untuk detail penerapan.
GoogleSearchRetrieval
Dasarkan respons dengan data publik.
Parameter | |
---|---|
|
Wajib: Dasar dengan data web yang tersedia untuk publik. |
Retrieval
Dasarkan respons dengan data pribadi dari Vertex AI Search sebagai penyimpanan data. Menentukan alat pengambilan yang dapat dipanggil oleh model untuk mengakses pengetahuan eksternal.
Parameter | |
---|---|
|
Wajib: Ground dengan sumber data Vertex AI Search. |
VertexAISearch
Parameter | |
---|---|
|
Wajib: ID resource penyimpanan data yang sepenuhnya memenuhi syarat dari Vertex AI Search, dalam
format berikut: |
Contoh
Respons darat pada data web publik menggunakan Google Penelusuran
Dasarkan respons dengan data publik Google Penelusuran. Sertakan alat google_search_retrieval
dalam permintaan. Tidak ada parameter tambahan yang diperlukan.
REST
Sebelum menggunakan salah satu data permintaan, lakukan penggantian berikut:
- LOCATION: Region untuk memproses permintaan.
- PROJECT_ID: Project ID Anda.
- MODEL_ID: ID model dari model multimodal.
- TEXT: Teks petunjuk yang akan disertakan dalam perintah.
Metode HTTP dan URL:
POST http://LOCATION-aiplatform.googleapis.com/v1beta1/projects/PROJECT_ID/locations/LOCATION/publishers/google/models/MODEL_ID:generateContent
Meminta isi JSON:
{ "contents": [{ "role": "user", "parts": [{ "text": "TEXT" }] }], "tools": [{ "googleSearchRetrieval": {} }], "model": "projects/PROJECT_ID/locations/LOCATION/publishers/google/models/MODEL_ID" }
Untuk mengirim permintaan Anda, perluas salah satu opsi berikut:
Anda akan melihat respons JSON seperti berikut:
{ "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": { "..." } }
Python
Untuk mempelajari cara menginstal atau mengupdate Vertex AI SDK untuk Python, lihat Menginstal Vertex AI SDK untuk Python. Untuk mengetahui informasi selengkapnya, lihat dokumentasi referensi Python API.
Node.js
Sebelum mencoba contoh ini, ikuti petunjuk penyiapan Node.js di Panduan memulai Vertex AI menggunakan library klien. Untuk mengetahui informasi selengkapnya, lihat Dokumentasi referensi API Node.js Vertex AI.
Untuk melakukan autentikasi ke Vertex AI, siapkan Kredensial Default Aplikasi. Untuk mengetahui informasi selengkapnya, lihat Menyiapkan autentikasi untuk lingkungan pengembangan lokal.
Respons darat terhadap data pribadi menggunakan Vertex AI Search
Dasarkan respons dengan data dari penyimpanan data Vertex AI Search. Untuk mengetahui informasi selengkapnya, lihat Vertex AI Agent Builder.
REST
Sebelum menggunakan salah satu data permintaan, lakukan penggantian berikut:
- LOCATION: Region untuk memproses permintaan.
- PROJECT_ID: Project ID Anda.
- MODEL_ID: ID model dari model multimodal.
- TEXT: Teks petunjuk yang akan disertakan dalam perintah.
Metode HTTP dan URL:
POST http://LOCATION-aiplatform.googleapis.com/v1beta1/projects/PROJECT_ID/locations/LOCATION/publishers/google/models/MODEL_ID:generateContent
Meminta isi JSON:
{ "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" }
Untuk mengirim permintaan Anda, perluas salah satu opsi berikut:
Anda akan melihat respons JSON seperti berikut:
{ "candidates": [ { "content": { "role": "model", "parts": [ { "text": "You can make an appointment on the website http://dmv.gov/" } ] }, "finishReason": "STOP", "safetyRatings":[ "..." ], "groundingMetadata": { "retrievalQueries": [ "How to make appointment to renew driving license?" ] } } ], "usageMetadata": { "..." } }
Python
Untuk mempelajari cara menginstal atau mengupdate Vertex AI SDK untuk Python, lihat Menginstal Vertex AI SDK untuk Python. Untuk mengetahui informasi selengkapnya, lihat dokumentasi referensi Python API.
Node.js
Sebelum mencoba contoh ini, ikuti petunjuk penyiapan Node.js di Panduan memulai Vertex AI menggunakan library klien. Untuk mengetahui informasi selengkapnya, lihat Dokumentasi referensi API Node.js Vertex AI.
Untuk melakukan autentikasi ke Vertex AI, siapkan Kredensial Default Aplikasi. Untuk mengetahui informasi selengkapnya, lihat Menyiapkan autentikasi untuk lingkungan pengembangan lokal.
Langkah selanjutnya
Untuk dokumentasi mendetail, lihat berikut ini: