Grounding adalah teknik yang dapat Anda gunakan untuk membantu menghasilkan respons model yang lebih tepercaya, bermanfaat, dan faktual. Saat Anda melakukan grounding pada respons model AI generatif, Anda menghubungkannya ke sumber informasi yang dapat diverifikasi. Untuk menerapkan grounding, Anda harus mengambil data sumber yang relevan. Praktik terbaik yang direkomendasikan adalah menggunakan teknik retrieval-augmented generation (RAG). Pengambilan biasanya dilakukan menggunakan mesin telusur, yang menggunakan indeks yang disematkan dengan makna semantik teks sumber.
Ada juga layanan dan API komponen yang mengimplementasikan siklus proses RAG, seperti Agent Search di Gemini Enterprise Agent Platform Builder API, yang memungkinkan pembuatan dengan kombinasi yang fleksibel. Dengan build mix-and-match, Anda dapat mengimplementasikan solusi RAG menggunakan salah satu layanan atau API berikut:
- Grounding generation API: Anda dapat menggunakannya untuk menerapkan grounding, atau menautkan ke penyedia pengambilan untuk siklus proses RAG yang lengkap.
- Document layout parser: Parser ini mewakili yang terbaik dari Document AI dan Gemini untuk pemahaman dokumen. Untuk mengetahui informasi selengkapnya tentang parser tata letak, lihat Menggunakan parser tata letak.
- Penelusuran Vektor Gemini Enterprise Agent Platform: Layanan penelusuran ini memiliki performa tinggi dan menggunakan database vektor berkualitas tinggi.
- Check Grounding API: API ini membandingkan output RAG dengan fakta yang diambil dan membantu memastikan bahwa semua pernyataan didasarkan pada fakta sebelum menampilkan respons kepada pengguna.
Melakukan grounding respons menggunakan RAG Engine di Gemini Enterprise Agent Platform
Untuk melakukan grounding pada respons menggunakan RAG Engine, Anda harus membuat perintah. Lakukan tindakan berikut:
Di konsol Google Cloud , buka halaman Agent Studio.
Di panel samping, di bagian Model settings, buka bagian Grounding, dan aktifkan tombol Your data.
Di panel konfigurasi, pilih RAG Engine sebagai sumber grounding.
Dari daftar Corpus, pilih nama korpus Anda.
Di kolom Top-K Similarity, pilih 20, yang merupakan nilai default.
Klik Simpan.
Langkah berikutnya
- Untuk mempelajari lebih lanjut responsible AI dan filter keamanan, lihat praktik terbaik responsible AI dan filter keamanan Gemini Enterprise Agent Platform.
- Untuk mempelajari lebih lanjut cara RAG diimplementasikan oleh RAG Engine, lihat RAG Engine.