Deep Research ist ein von Google entwickelter Agent für Nutzer, die interne und externe Informationen zusammentragen, analysieren und verstehen müssen.
Übersicht
Wenn Sie einen Prompt für Deep Research eingeben, z. B. „Vergleiche die Wettbewerber des Beispielprojekts“, wird geprüft, ob die Frage forschungsbezogen ist. Anschließend wird ein Plan mit den Schritten erstellt, die für die Recherche erforderlich sind. Während der Recherche werden Fragen und Antworten gestreamt. Anschließend wird ein Bericht mit den Ergebnissen, Zitaten und einer Audiozusammenfassung erstellt.
Für Recherchequellen verwendet Deep Research Daten, die von der App indexiert werden. Wenn die Websuche für die App aktiviert ist, können auch Websuchergebnisse verwendet werden.
Hier sind einige Beispiel-Prompts, für die Deep Research Berichte generiert:
- Wie können wir die Nutzerfreundlichkeit unserer bestehenden Mobile-Banking-App verbessern, damit sie intuitiver und nutzerfreundlicher wird?
- Wie können wir die Wartezeiten für Kunden während der Stoßzeiten verkürzen, ohne die Qualität des Supports zu beeinträchtigen?
- Analysiere die wirtschaftliche Situation der mittelosteuropäischen Länder.
- Vergleiche BigQuery mit seinen Mitbewerbern und stelle die Ergebnisse in Tabellenform dar.
Deep Research verwenden
Endnutzer können über die App auf Deep Research zugreifen und die Funktion nutzen. Deep Research hat Zugriff auf Daten, die die App bereits indexiert hat, und, sofern aktiviert, auf Webergebnisse.
Sie können Ergebnisse aus Deep Research über die App oder über die API abrufen (allgemein verfügbar mit einer Zulassungsliste).
Console
So verwenden Sie Deep Research in der App:
Rufen Sie im Navigationsmenü der App Deep Research auf.
Klicken Sie auf Quellen, um die Quellen auszuwählen, die der Agent einbeziehen muss, um die relevantesten Datenstatistiken zu liefern.
Neben Ihren Gemini Enterprise-Quellen können Sie auch Google-Suchergebnisse einbeziehen.
Geben Sie einen Prompt für die Funktion „Umfassende Recherche“ ein und klicken Sie auf Senden. Wenn der Prompt nicht mit Recherche zusammenhängt, generiert Deep Research eine Antwort. Wenn der Prompt als recherchebezogen eingestuft wird, werden in Deep Research die Themen aufgeführt, die der Agent in einem Rechercheplan recherchieren möchte.
Bearbeiten Sie bei Bedarf den Prompt des Agenten, um einen neuen Rechercheplan zu erstellen, der besser zu Ihren Anforderungen passt.
Wenn Sie mit dem Forschungsplan einverstanden sind, klicken Sie auf Forschung starten.
Der Agent beginnt mit der Recherche basierend auf dem Plan:
- Die Themen, die untersucht werden, werden im Laufe der Untersuchung gestreamt.
- Erstellt einen Bericht mit Quellenangaben
- Erstellt eine 1- bis 2-minütige Audio-Zusammenfassung des Berichts
REST
So verwenden Sie Deep Research über die API:
Senden Sie eine Anfrage an die Methode
streamAssist.curl -X POST \ -H "Authorization: Bearer $(gcloud auth print-access-token)" \ -H "Content-Type: application/json" \ -H "X-Goog-User-Project: PROJECT_ID" \ "https://discoveryengine.googleapis.com/v1/projects/project_id/locations/global/collections/default_collection/engines/app_id/assistants/default_assistant:streamAssist" \ -d '{ "query": { "text": "QUERY" }, "agentsSpec": { "agentSpecs": { "agentId": "deep_research" } }, "toolsSpec": { "vertexAiSearchSpec": { "dataStoreSpecs": { "dataStore": "projects/PROJECT_ID/locations/global/collections/default_collection/datastores/DATA_STORE_ID" } }, "webGroundingSpec": {} } }'Ersetzen Sie Folgendes:
PROJECT_ID: die ID Ihres Google Cloud Projekts.APP_ID: Die ID der App.QUERY: die Anfrage.DATA_STORE_ID: die ID des Datenspeichers, wenn eine App mehrere Datenspeicher hat. Wenn Sie dies angeben, wird die Suche auf die Dokumente im angegebenen Datenspeicher beschränkt.
Antwort
Wenn Ihre Anfrage erfolgreich ist, erhalten Sie eine JSON-Antwort ähnlich der folgenden. Achten Sie auf das SESSION_ID. Das ist erforderlich, um im nächsten Schritt mit der Recherche zu beginnen.
[{ "answer": { "name": "ANSWER_ASSIST_NAME", "state": "SUCCEEDED", "replies": [ { "groundedContent": { "content": { "role": "model", "text": "INLINE_TEXT" } }, }, { "groundedContent": { "content": { "role": "model", "text": "INLINE_TEXT_WITH_RESEARCH_PLAN" }, "contentMetadata": { "contentKind": "RESEARCH_PLAN" } }, } ], }, "sessionInfo": { "session": "SESSION_ID", "queryId": "QUERY_ID", "turnId": "TURN_ID" }, "assistToken": "ASSIST_TOKEN" } ]Leiten Sie die Recherche für die Anfrage im vorherigen Schritt ein. Senden Sie dazu eine weitere Anfrage an die Methode
streamAssist. Legen Sie in dieser Anfrage Ihre Abfrage alsStart Researchfest und fügen Sie die Sitzungsinformationen aus dem vorherigen Schritt hinzu.curl -X POST \ -H "Authorization: Bearer $(gcloud auth print-access-token)" \ -H "Content-Type: application/json" \ -H "X-Goog-User-Project: PROJECT_ID" \ "https://discoveryengine.googleapis.com/v1/projects/project_id/locations/global/collections/default_collection/engines/app_id/assistants/default_assistant:streamAssist" \ -d '{ "query": { "text": "Start Research" }, "session": "SESSION_ID", "agentsSpec": { "agentSpecs": { "agentId": "deep_research" } }, "toolsSpec": { "vertexAiSearchSpec": { "dataStoreSpecs": { "dataStore": "projects/PROJECT_ID/locations/global/collections/default_collection/datastores/DATA_STORE_ID" } }, "webGroundingSpec": {} }, }'Ersetzen Sie Folgendes:
PROJECT_ID: die ID Ihres Google Cloud Projekts.APP_ID: Die ID der App.SESSION_ID: die Sitzungs-ID aus dem vorherigen Schritt.DATA_STORE_ID: die ID des Datenspeichers, wenn eine App mehrere Datenspeicher hat. Wenn Sie dies angeben, wird die Suche auf die Dokumente im angegebenen Datenspeicher beschränkt.
Antwort
Wenn Ihre Anfrage erfolgreich ist, erhalten Sie eine JSON-Antwort ähnlich der folgenden gekürzten Antwort.
Die Antwort enthält eine Instanz der
AssistAnswer-Ressource.Da es sich um eine Streaming-Antwort handelt, kann es je nach Datenmenge in der Forschungsantwort einige Zeit dauern, bis sie vollständig gestreamt wird.
[{ "answer": { "state": "IN_PROGRESS", "replies": [ { "groundedContent": { "content": { "role": "model", "text": "RESEARCH_QUESTION_1" }, "contentMetadata": { "contentKind": "RESEARCH_QUESTION", "contentId": "ID0" } }, } ] }, "assistToken": "ASSIST_TOKEN" }, { "answer": { "state": "IN_PROGRESS", "replies": [ { "groundedContent": { "content": { "role": "model", "text": "RESEARCH_ANSWER_1_PART_1" }, "contentMetadata": { "contentKind": "RESEARCH_ANSWER", "contentId": "ID0" } }, } ] }, "assistToken": "ASSIST_TOKEN" }, { "answer": { "state": "IN_PROGRESS", "replies": [ { "groundedContent": { "content": { "role": "model", "text": "RESEARCH_ANSWER_1_PART_2" }, "contentMetadata": { "contentKind": "RESEARCH_ANSWER", "contentId": "ID0" } }, } ] }, "assistToken": "ASSIST_TOKEN" }, { "answer": { "state": "IN_PROGRESS", "replies": [ { "groundedContent": { "content": { "role": "model", "text": "INLINE_TEXT" }, "textGroundingMetadata": { "references": [ { "documentMetadata": { "document": "DOCUMENT_ID", "uri": "DOCUMENT_REDIRECT_URI", "title": "DOCUMENT_TITLE", "pageIdentifier": "", "domain": "DOCUMENT_DOMAIN" } } ] "searchEntryPoints": [ { "renderedContent": "GROUNDING_SEARCH_ENTRY_POINT" } ] } } } ] } }, { "answer": { "state": "IN_PROGRESS", "replies": [ { "groundedContent": { "content": { "role": "model", "file": { "fileId": "AUDIO_FILE_ID" } }, "contentMetadata": { "contentKind": "RESEARCH_AUDIO_SUMMARY" } }, } ] }, "assistToken": "ASSIST_TOKEN" } { "answer": { "name": "ANSWER_ASSIST_NAME", "state": "SUCCEEDED" }, "sessionInfo": { "session": "SESSION_ID", "queryId": "QUERY_ID", "turnId": "TURN_ID" }, "assistToken": "ASSIST_TOKEN" }]