Ricerca AI generativa

Prima di iniziare

Per importare documenti di esempio in Document AI Warehouse, consulta la guida rapida.

La ricerca GenAI recupera i primi k documenti più pertinenti per la query di ricerca (parola chiave o linguaggio naturale). Restituisce risposte mirate da un insieme di documenti caricati dai clienti, ordinando i risultati di ricerca in base alla pertinenza.

Il chiamante della richiesta di ricerca decide il valore di k specificandolo nel campo qaSizeLimit. I modelli linguistici di grandi dimensioni determinano la pertinenza tra la query di ricerca e i documenti.

Quali dati vengono cercati?

Non sono supportati filtri, paginazione, istogrammi, sinonimi personalizzati, livello di documento e controllo dell'accesso granulare.

Effettuare una chiamata di richiesta di ricerca

Per chiamare il servizio di ricerca, devi utilizzare una richiesta di ricerca, definita come segue:

{
  "documentQuery": {
    object (DocumentQuery)
  },
  "qaSizeLimit": integer
}

Il campo parent deve essere compilato con il seguente formato:

/projects/PROJECT_ID/locations/LOCATION

Il campo qaSizeLimit è obbligatorio per la ricerca GenAI.

Risposta a una richiesta di ricerca

La risposta di ricerca è definita come segue:

{
  "matchingDocuments": [
    {
      object (MatchingDocument)
    }
  ],
  "metadata": {
    object (ResponseMetadata)
  }
}

Query documento

Il campo document_query è definito come segue:

{
  "query": string,
  "isNlQuery": boolean
}

Il campo query contiene le parole della query di ricerca dell'utente richiedente, che possono essere parole chiave o domande in linguaggio naturale. In genere, provengono dal campo di ricerca nell'interfaccia utente. Il campo isNlQuery deve essere impostato su true per la ricerca GenAI.

Documento corrispondente

Un documento corrispondente ha il seguente aspetto:

{
  "document": {
    object (Document)
  },
  "searchTextSnippet": string,
  "qaResult": {
    object (QAResult)
  }
}

Il campo SearchTextSnippet contiene uno snippet che risponde alla query in linguaggio naturale dell'utente. Non saranno presenti tag HTML in grassetto e le evidenziazioni nello snippet di risposta sono disponibili in QAResult.highlights. Nota: riferimento completo per il documento corrispondente.

Risultato della ricerca GenAI

Queste sono le informazioni sui risultati della ricerca GenAI.

{
  "highlights": {
    object(Highlight)
  }
  "confidence_score": float
}

Evidenzia

Si tratta di uno span di testo nello snippet di testo di ricerca che rappresenta una sezione evidenziata, ad esempio il contesto della risposta o una frase altamente pertinente.

{
  "start_index": integer
  "end_index": integer
}

Domande e risposte da un insieme di documenti

Per generare una risposta utilizzando GenAI, devi utilizzare una richiesta di ricerca con documentNameFilter, definita come segue:

{
  "documentQuery": {
    "query": "QUERY",
    "isNlQuery": "true",
    "documentNameFilter" : [
      "projects/PROJECT_NUMBER/locations/LOCATION/documents/DOCUMENT_ID_1",
      "projects/PROJECT_NUMBER/locations/LOCATION/documents/DOCUMENT_ID_2",
    ]
  },
  "qaSizeLimit": integer
}

Evita di aggiungere altri filtri a documentQuery perché gli altri filtri non sono ancora funzionali.

Se è possibile trovare una risposta all'interno dell'insieme di documenti specificato, la risposta viene memorizzata nel campo questionAnswer.

{
  "document": {
    object (Document)
  },
  questionAnswer: "QUESTION_ANSWER",
}

Passaggi successivi