Gemini 模型的标准回答

使用 Google 搜索建立依据

如果您希望将模型与世界知识、各种可能的主题或互联网上的最新信息联系起来，请使用 Google 搜索落地功能。

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 中的模型连接，请参阅连接概览。

支持的模型

以下模型支持连接功能：

• Gemini 1.0 Pro

如果您将 Grounding 与 Google 搜索搭配使用，建议您使用 0.0 的温度。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。

POST http://LOCATION-prediction-aiplatform.googleapis.com/v1beta1/projects/PROJECT_ID/locations/LOCATION/publishers/google/models/MODEL_ID:generateContent

{
"contents": [{
  "role": "user",
  "parts": [{
    "text": TEXT
  }]
}],
"tools": [{
  "googleSearchRetrieval": {}
}],
"model": MODEL
}'

curl -X POST \
     -H "Authorization: Bearer $(gcloud auth print-access-token)" \
     -H "Content-Type: application/json; charset=utf-8" \
     -d @request.json \
     "http://LOCATION-prediction-aiplatform.googleapis.com/v1beta1/projects/PROJECT_ID/locations/LOCATION/publishers/google/models/MODEL_ID:generateContent"

$cred = gcloud auth print-access-token
$headers = @{ "Authorization" = "Bearer $cred" }

Invoke-WebRequest `
    -Method POST `
    -Headers $headers `
    -ContentType: "application/json; charset=utf-8" `
    -InFile request.json `
    -Uri "http://LOCATION-prediction-aiplatform.googleapis.com/v1beta1/projects/PROJECT_ID/locations/LOCATION/publishers/google/models/MODEL_ID:generateContent" | Select-Object -Expand Content

{
   "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": { "..."
   }
 }

import vertexai
from vertexai.preview.generative_models import grounding
from vertexai.generative_models import GenerationConfig, GenerativeModel, Tool

# Initialize Vertex AI
vertexai.init(project=project_id, location=location)

# Load the model
model = GenerativeModel(model_name="gemini-1.0-pro-002")

# Use Google Search for grounding
tool = Tool.from_google_search_retrieval(grounding.GoogleSearchRetrieval())

prompt = "When is the next total solar eclipse in US?"
response = model.generate_content(
    prompt,
    tools=[tool],
    generation_config=GenerationConfig(
        temperature=0.0,
    ),
)

print(response)

了解您的回答

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。

使用替代搜索引擎选项

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。

将 Gemini 用于您的数据

本部分介绍如何使用 Vertex AI API 将 Gemini 1.0 Pro 文本回答连接到 Vertex AI Search 数据存储区。

以下模型支持连接功能：

• Gemini 1.0 Pro

需要满足一些前提条件才能连接 Gemini 1.0 Pro。

1. 启用 Vertex AI Search 并激活此 API。
2. 创建 Vertex AI Search 数据源和应用。
3. 在 Vertex AI Search 中将您的数据存储区与应用相关联。数据源用作在 Vertex AI 中连接 Gemini 1.0 Pro 的基础。
4. 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 Search

1. 在 Google Cloud 控制台中，进入 Search & Conversation 页面。

   Search & Conversation

2. 阅读并同意服务条款，然后点击继续并激活 API。

Vertex AI Search 在 global 位置或 eu 和 us 多区域提供。如需了解详情，请参阅 Vertex AI Search 位置

在 Vertex AI Search 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 Search 中创建数据存储区。

如果您从头开始，则需要准备数据以注入到 Vertex AI Search 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。

连接 Gemini 1.0 Pro 模型

如果您不知道数据存储区 ID，请按以下步骤操作：

1. 在 Google Cloud 控制台中，转到 Vertex AI Search 页面，然后在导航菜单中点击数据存储区。 <a{: class="button button-primary" l10n-attrs-original-order="href,target,class,track-name,track-type" l10n-encrypted-href="BU2UnTd/bvXw0I31NoHStFtigmNHgUGOXn/QVSGplOhB4J1rwNxdLslXsSNCBkPOFvWIDj0tv6yobddHSWXSow==" target="console" track-name="consoleLink" track-type="tasks" }="">转到“数据存储区”页面</a{:>
2. 点击您的数据存储区的名称。
3. 在数据存储区的数据页面上，获取数据存储区 ID。

PROJECT_ID=PROJECT_ID
curl -X POST -H "Authorization: Bearer $(gcloud auth print-access-token)" -H "Content-Type: application/json"  http://us-central1-aiplatform.googleapis.com/v1beta1/projects/PROJECT_ID/locations/us-central1/publishers/google/models/gemini-1.0-pro:generateContent -d '{
  "contents": [{
    "role": "user",
    "parts": [{
      "text": TEXT
    }]
  }],
  "model": "projects/PROJECT_ID/locations/us-central1/publishers/google/models/gemini-1.0-pro",
  "tools": [{
    "retrieval": {
      "vertexAiSearch": {
        "datastore": projects/PROJECT_ID/locations/global/collections/default_collection/dataStores/DATA_STORE_ID
      }
    }
  }]
}

import vertexai

from vertexai.preview.generative_models import grounding
from vertexai.generative_models import GenerationConfig, GenerativeModel, Tool

# Initialize Vertex AI
vertexai.init(project=project_id, location=location)

# Load the model
model = GenerativeModel(model_name="gemini-1.0-pro-002")

# Use Vertex AI Search data store
# Format: projects/{project_id}/locations/{location}/collections/default_collection/dataStores/{data_store_id}
tool = Tool.from_retrieval(
    grounding.Retrieval(grounding.VertexAISearch(datastore=data_store_path))
)

prompt = "How do I make an appointment to renew my driver's license?"
response = model.generate_content(
    prompt,
    tools=[tool],
    generation_config=GenerationConfig(
        temperature=0.0,
    ),
)

print(response)

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