בדף הזה מוסבר מה זה RAG Engine ואיך הוא פועל.
| תיאור | Console |
|---|---|
| במדריך למתחילים בנושא RAG ב-Python מוסבר איך משתמשים ב-Vertex AI SDK כדי להריץ את RAG Engine במשימות של Gemini Enterprise Agent Platform. | לנסות את RAG Engine |
סקירה כללית
מנוע RAG, רכיב של Gemini Enterprise Agent Platform, מאפשר יצירה משולבת-אחזור (RAG). RAG Engine הוא גם מסגרת נתונים לפיתוח אפליקציות של מודל שפה גדול (LLM) עם הקשר מורחב. הוספת הקשר מתרחשת כשמחילים מודל LLM על הנתונים. כך מיישמים את שיטת ה-RAG (יצירה משולבת-אחזור).
בעיה נפוצה במודלים מסוג LLM היא שהם לא מבינים ידע פרטי, כלומר את הנתונים של הארגון שלכם. בעזרת RAG Engine, אתם יכולים להעשיר את ההקשר של ה-LLM במידע פרטי נוסף, כדי שהמודל יוכל לצמצם את ההזיות ולענות על שאלות בצורה מדויקת יותר.
שילוב של מקורות ידע נוספים עם הידע הקיים של מודלי ה-LLM מספק הקשר טוב יותר. ההקשר המשופר, יחד עם השאילתה, משפרים את איכות התשובה של ה-LLM.
בתמונה הבאה מוצגים המושגים העיקריים שצריך להכיר כדי להבין את RAG Engine.

המושגים האלה מפורטים לפי הסדר של תהליך ה-RAG (יצירה משולבת-אחזור).
הטמעת נתונים: הטמעת נתונים ממקורות שונים. לדוגמה, קבצים מקומיים, Cloud Storage ו-Google Drive.
טרנספורמציה של נתונים: המרה של הנתונים כהכנה להוספה לאינדקס. לדוגמה, הנתונים מפוצלים למקטעים.
הטמעה: ייצוגים מספריים של מילים או קטעי טקסט. המספרים האלה מייצגים את המשמעות הסמנטית ואת ההקשר של הטקסט. למילים או לטקסטים דומים או קשורים יש בדרך כלל הטמעות דומות, כלומר הם קרובים יותר זה לזה במרחב הווקטורי הרב-ממדי.
הוספת נתונים לאינדקס: מנוע RAG יוצר אינדקס שנקרא קורפוס. האינדקס מארגן את מאגר הידע כך שיהיה קל לחפש בו. לדוגמה, האינדקס הוא כמו תוכן עניינים מפורט של ספר עיון ענק.
אחזור: כשמשתמש שואל שאלה או מזין הנחיה, רכיב האחזור ב-RAG Engine מחפש במאגר הידע מידע שרלוונטי לשאילתה.
יצירה: המידע שאוחזר הופך להקשר שנוסף לשאילתה המקורית של המשתמש, ומשמש כמדריך למודל ה-AI הגנרטיבי ליצירת תשובות רלוונטיות ומבוססות על עובדות.
אזורים נתמכים
אפשר להשתמש ב-RAG Engine באזורים הבאים:
| אזור | מיקום | תיאור | שלב ההשקה |
|---|---|---|---|
us-central1 |
איווה | יש תמיכה בגרסאות v1 ו-v1beta1. |
רשימת היתרים, GA |
us-east4 |
וירג'יניה | יש תמיכה בגרסאות v1 ו-v1beta1. |
רשימת היתרים, GA |
us-east1 |
מונקס קורנר, קרוליינה הדרומית | יש תמיכה בגרסאות v1 ו-v1beta1. |
רשימת היתרים, גרסת טרום-השקה (Preview) |
europe-west3 |
פרנקפורט, גרמניה | יש תמיכה בגרסאות v1 ו-v1beta1. |
GA |
europe-west4 |
איימסהאבן, הולנד | יש תמיכה בגרסאות v1 ו-v1beta1. |
GA |
asia-east1 |
טייוואן | יש תמיכה בגרסאות v1 ו-v1beta1. |
תצוגה מקדימה |
asia-northeast1 |
טוקיו | יש תמיכה בגרסאות v1 ו-v1beta1. |
תצוגה מקדימה |
asia-northeast3 |
סיאול | יש תמיכה בגרסאות v1 ו-v1beta1. |
תצוגה מקדימה |
asia-south1 |
מומבאי | יש תמיכה בגרסאות v1 ו-v1beta1. |
תצוגה מקדימה |
asia-southeast1 |
סינגפור | יש תמיכה בגרסאות v1 ו-v1beta1. |
תצוגה מקדימה |
europe-central2 |
ורשה | יש תמיכה בגרסאות v1 ו-v1beta1. |
תצוגה מקדימה |
europe-north1 |
פינלנד | יש תמיכה בגרסאות v1 ו-v1beta1. |
תצוגה מקדימה |
europe-southwest1 |
מדריד | יש תמיכה בגרסאות v1 ו-v1beta1. |
תצוגה מקדימה |
europe-west1 |
בלגיה | יש תמיכה בגרסאות v1 ו-v1beta1. |
רשימת היתרים, גרסת טרום-השקה (Preview) |
europe-west2 |
לונדון | יש תמיכה בגרסאות v1 ו-v1beta1. |
תצוגה מקדימה |
europe-west6 |
ציריך | יש תמיכה בגרסאות v1 ו-v1beta1. |
תצוגה מקדימה |
europe-west8 |
מילאנו | יש תמיכה בגרסאות v1 ו-v1beta1. |
תצוגה מקדימה |
europe-west9 |
פריז | יש תמיכה בגרסאות v1 ו-v1beta1. |
תצוגה מקדימה |
us-east5 |
קולומבוס, אוהיו | יש תמיכה בגרסאות v1 ו-v1beta1. |
תצוגה מקדימה |
us-south1 |
דאלאס, טקסס | יש תמיכה בגרסאות v1 ו-v1beta1. |
תצוגה מקדימה |
us-west1 |
אורגון | יש תמיכה בגרסאות v1 ו-v1beta1. |
תצוגה מקדימה |
us-west4 |
לאס וגאס, נבדה | יש תמיכה בגרסאות v1 ו-v1beta1. |
תצוגה מקדימה |
-
us-central1,us-east1,us-east4ו-europe-west1משתנים ל-Allowlist. אם רוצים להתנסות ב-RAG Engine, אפשר לנסות אזורים אחרים.
מחיקת מנוע RAG
מידע נוסף על מחיקת מנוע RAG:
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 נוסף על התשובות מ-RAG, ראה
GenerateContentResponse.