Il grounding è una tecnica che puoi utilizzare per produrre risposte del modello più affidabili, utili e fattuali. Quando esegui il grounding delle risposte del modello di AI generativa, le colleghi a fonti di informazioni verificabili. Per implementare il grounding, devi recuperare i dati di origine pertinenti. La best practice consigliata è utilizzare la tecnica di generazione RAG (Retrieval-Augmented Generation). Il recupero viene solitamente eseguito utilizzando un motore di ricerca, che utilizza un indice incorporato con i significati semantici del testo di origine.
Esistono anche servizi e API dei componenti che implementano il ciclo di vita RAG, come l'API Agent Search Builder, che consente la creazione di mix-and-match. Con la creazione di mix-and-match, puoi implementare una soluzione RAG utilizzando uno dei seguenti servizi o API:
- API di generazione con grounding: puoi utilizzarla per implementare il grounding o collegarla a un provider di recupero per il ciclo di vita RAG completo.
- Parser del layout dei documenti: questo parser rappresenta il meglio di Document AI e Gemini per la comprensione dei documenti. Per saperne di più sul parser del layout, consulta Utilizzare il parser del layout.
- Ricerca vettoriale di Gemini Enterprise Agent Platform: questo servizio di ricerca è altamente performante e utilizza un database vettoriale di alta qualità.
- API Check grounding: questa API confronta l'output RAG con i fatti recuperati e contribuisce a garantire che tutte le istruzioni siano basate su grounding prima di restituire la risposta all'utente.
Eseguire il grounding delle risposte utilizzando RAG Engine su Gemini Enterprise Agent Platform
Per eseguire il grounding delle risposte utilizzando RAG Engine, devi creare un prompt. Segui questi passaggi:
Nella Google Cloud console, vai alla pagina Crea prompt utilizzando Vertex AI Studio.
Seleziona Grounding: i tuoi dati.
Seleziona l'origine di grounding RAG Engine.
Nell'elenco Corpus, seleziona il nome del corpus.
Nel campo Top-K Similarity (Somiglianza Top-K), seleziona 20, che è il valore predefinito.
Fai clic su Salva.
Passaggi successivi
- Per saperne di più sull'AI responsabile e sui filtri di sicurezza, consulta le best practice per l'AI responsabile e i filtri di sicurezza di Gemini Enterprise Agent Platform.
- Per saperne di più su come RAG viene implementato da RAG Engine, consulta RAG Engine.