בדף הזה מתוארים התמחור והחיוב של RAG Engine ב-Gemini Enterprise Agent Platform, שמבוססים על הרכיבים של RAG Engine ב-Gemini Enterprise Agent Platform שבהם אתם משתמשים, כמו מודלים, דירוג מחדש ואחסון וקטורי.
מידע נוסף זמין בדף סקירה כללית על RAG Engine ב-Gemini Enterprise Agent Platform.
תמחור וחיוב
בטבלה הבאה מוסבר איך החיוב פועל כשמשתמשים ברכיבי RAG.
| רכיב | איך מתבצע החיוב ב-RAG Engine |
|---|---|
| הטמעת נתונים | מנוע RAG תומך בהטמעת נתונים ממקורות שונים. לדוגמה, העלאת קבצים מקומיים, Cloud Storage ו-Google Drive. הגישה לקבצים במקורות הנתונים האלה ממנוע RAG היא בחינם, אבל יכול להיות שתחויבו על העברת הנתונים ממקורות הנתונים האלה. לדוגמה, עלויות של תעבורת נתונים יוצאת. |
| טרנספורמציית נתונים (ניתוח קובץ) |
|
| טרנספורמציית נתונים (חלוקת קבצים לחלקים) | תמיכה בחלוקה לחלקים בגודל קבוע, שהיא בחינם. |
| יצירת הטמעות |
RAG Engine מתזמר את יצירת ההטמעה באמצעות מודל ההטמעה שציינתם, והפרויקט שלכם מחויב בעלויות שמשויכות למודל הזה. מידע נוסף על המחירים זמין במאמר עלות הפיתוח והפריסה של מודלי AI ב-Gemini Enterprise Agent Platform. |
| הוספה לאינדקס ואחזור נתונים |
מנוע RAG תומך בשתי קטגוריות של מסדי נתונים וקטוריים לחיפוש וקטורי:
למסד נתונים שמנוהל באמצעות RAG יש שתי מטרות:
מסד נתונים שמנוהל באמצעות RAG משתמש במכונה של Spanner בתור הקצה העורפי. בכל אחד מהפרויקטים, RAG Engine מקצה פרויקט Google Cloud ספציפי ללקוח ומנהל את המשאבים שמנוהלים על ידי RAG ומאוחסנים ב-RAG Engine, כך שהנתונים מבודדים פיזית.
אם בוחרים במסלול
אם באחד מקורפוסי ה-RAG בפרויקט שלכם בחרתם להשתמש במסד נתונים מנוהל RAG לחיפוש וקטורי, תחויבו על מכונת Spanner מנוהלת RAG. מנוע RAG מציג את העלויות של Spanner מהפרויקט התואם שמנוהל על ידי RAG בפרויקט Google Cloud, כדי שתוכלו לראות את העלויות של מכונת Spanner ולשלם אותן. למידע נוסף על התמחור של Spanner, ראו התמחור של Spanner. |
| דירוג מחדש של RAG Engine ב-Gemini Enterprise Agent Platform |
אחרי השליפה, אפשר להשתמש בכלי הדירוג הבאים:
|
מחיקת מנוע RAG
בדוגמאות הקוד הבאות מוסבר איך למחוק מנוע RAG באמצעות מסוף Google Cloud , Python ו-REST:
פרמטרים ודוגמאות קוד של גרסה 1 (v1) של ה-API.
הפרמטרים ודוגמאות הקוד של v1beta1 API.
המאמרים הבאים
במאמר מדריך למתחילים בנושא RAG ב-Python מוסבר איך משתמשים ב-Vertex AI SDK כדי להריץ את RAG Engine במשימות של Gemini Enterprise Agent Platform.
כדי לקבל מידע על ארכיטקטורת RAG: