Automatische Vervollständigung konfigurieren

Auf dieser Seite wird die grundlegende Autocomplete-Funktion von Vertex AI Search beschrieben. Bei der automatischen Vervollständigung werden Vorschläge für Suchanfragen auf Grundlage der ersten Zeichen generiert, die für die Suchanfrage eingegeben wurden.

Die Vorschläge, die durch die automatische Vervollständigung generiert werden, variieren je nach Art der Daten, die von der Such-App verwendet werden:

  • Strukturierte und unstrukturierte Daten: Standardmäßig werden bei der automatischen Vervollständigung Vorschläge auf Grundlage der Inhalte von Dokumenten im Datenspeicher generiert. Nach dem Import von Dokumenten werden standardmäßig erst dann Vorschläge für die automatische Vervollständigung generiert, wenn genügend hochwertige Daten vorhanden sind. Das dauert in der Regel einige Tage. Wenn Sie Vervollständigungsanfragen über die API stellen, können Vorschläge generiert werden, die auf dem Suchverlauf oder Nutzerereignissen basieren.

  • Websitedaten: Standardmäßig werden Vorschläge für die automatische Vervollständigung aus dem Suchverlauf generiert. Für die automatische Vervollständigung ist echter Suchtraffic erforderlich. Nachdem Suchanfragen eingehen, kann es ein bis zwei Tage dauern, bis die automatische Vervollständigung Vorschläge generiert. Vorschläge können aus Web-Crawling-Daten von öffentlichen Websites mit dem experimentellen erweiterten Dokumentdatenmodell generiert werden.

  • Gesundheitsdaten: Standardmäßig wird eine kanonische medizinische Datenquelle verwendet, um Vorschläge zur automatischen Vervollständigung für Datenspeicher für Gesundheitsdaten zu generieren.

Das Modell für Suchvorschläge bestimmt, welche Art von Daten für die automatische Vervollständigung verwendet werden, um Vorschläge zu generieren. Es gibt vier Modelle für Suchvorschläge:

  • Document. Das Dokumentmodell generiert Vorschläge aus von Nutzern importierten Dokumenten. Dieses Modell ist nicht für Websitedaten oder Daten aus dem Gesundheitswesen verfügbar.

  • Vervollständigbare Felder: Das Modell für vervollständigbare Felder schlägt Text vor, der direkt aus strukturierten Datenfeldern stammt. Nur Felder, die mit completable gekennzeichnet sind, werden für Vorschläge zur automatischen Vervollständigung verwendet. Dieses Modell ist nur für strukturierte Daten verfügbar.

  • Suchverlauf Das Modell für den Suchverlauf generiert Vorschläge aus dem Verlauf von SearchService.search API-Aufrufen. Verwenden Sie dieses Modell nicht, wenn kein Traffic für die Methode servingConfigs.search verfügbar ist. Dieses Modell ist für Gesundheitsdaten nicht verfügbar.

  • Nutzerereignis: Das Modell für Nutzerereignisse generiert Vorschläge aus von Nutzern importierten Ereignissen vom Typ search. Dieses Modell ist für Gesundheitsdaten nicht verfügbar.

Autocomplete-Anfragen werden mit der Methode dataStores.completeQuery gesendet.

Wenn Sie kein Modell für Suchvorschläge verwenden möchten, können Sie alternativ importierte Vorschläge nutzen. Dabei werden Vorschläge zur automatischen Vervollständigung auf Grundlage einer importierten Liste von Vorschlägen bereitgestellt. Weitere Informationen finden Sie unter Importierte Liste mit Vorschlägen für die automatische Vervollständigung verwenden.

Verfügbare Modelltypen nach Datentyp

In der folgenden Tabelle sind die Modelltypen für Vorschläge für Suchanfragen aufgeführt, die für die einzelnen Datentypen verfügbar sind.


Modell für Suchvorschläge
Datenquelle
Website-Daten
Strukturierte Daten
Unstrukturierte Daten
Dokument Importiert ✔* (Standard) ✔ (Standard)
Vervollständigbare Felder Importiert ✔
Suchverlauf Automatisch erfasst ✔ (Standard) ✔ ✔
Nutzerereignisse Importiert oder automatisch vom Widget erfasst ✔ ✔ ✔
Web-Crawling-Inhalte Gecrawlt aus Inhalten öffentlicher Websites, die Sie angeben ✔†

* : Das Dokumentschema muss die Felder title oder description enthalten oder es müssen Felder vorhanden sein, die als title- oder description-Schlüsselattribute angegeben wurden. Weitere Informationen finden Sie unter Schema für strukturierte Daten aktualisieren.

† : Web-Crawling-Inhalte können nur als Datenquelle verwendet werden, wenn das experimentelle erweiterte Dokumentdatenmodell für die automatische Vervollständigung aktiviert ist. Weitere Informationen finden Sie unter Erweitertes Dokumentdatenmodell.

Wenn Sie das Standardmodell für Ihren Datentyp nicht verwenden möchten, können Sie ein anderes Modell angeben, wenn Sie Ihre Anfrage zur automatischen Vervollständigung senden. Vervollständigungsanfragen werden mit der Methode dataStores.completeQuery gesendet. Weitere Informationen finden Sie unter API-Anleitung: Autocomplete-Anfrage senden, um ein anderes Modell auszuwählen.

Funktionen für die automatische Vervollständigung

Vertex AI Search unterstützt die folgenden Autocomplete-Funktionen, um bei der Suche die hilfreichsten Vorhersagen zu präsentieren:

Funktion Beschreibung Beispiel oder weitere Informationen
Tippfehler korrigieren Korrigieren Sie Tippfehler in Wörtern. Milc → Milk.
Nicht sichere Begriffe entfernen
  • Auf Basis von Google SafeSearch.
  • Entfernen Sie unangemessene Anfragen.
  • Unterstützt in Englisch (en), Französisch (fr), Deutsch (de), Italienisch (it), Polnisch (pl), Portugiesisch (pt), Russisch (ru), Spanisch (es) und Ukrainisch (uk).
 Anstößige Texte, z. B. pornografische, anzügliche, vulgäre oder gewaltverherrlichende Inhalte.
Anzeige grundlegender personenidentifizierbarer Informationen verhindern Vertex AI Search basiert auf Sensitive Data Protection und unternimmt angemessene Anstrengungen, um die Anzeige grundlegender Arten von personenidentifizierbaren Informationen wie Telefonnummern und E-Mail-Adressen zu verhindern.

Wenn im Datenspeicher eine E-Mail-Adresse jeffersonloveshiking@gmail.com vorhanden ist, gibt Vertex AI Search die E-Mail-Adresse nicht als Vorschlag für die automatische Vervollständigung zurück, wenn der Nutzer jef in die Suchleiste eingibt.

Um sich noch besser vor dem Verlust personenbezogener Daten zu schützen, empfiehlt Google, dass Sie zusätzlich zu den von Vertex AI Search bereitgestellten Detektoren Ihre eigene DLP-Lösung (Data Loss Prevention) verwenden. Weitere Informationen finden Sie unter Schutz vor PII-Lecks.
Sperrliste
  • Entfernen Sie Begriffe, die auf der Sperrliste stehen.
 Weitere Informationen finden Sie unter Sperrliste für automatische Vervollständigung verwenden.
Begriffe deduplizieren
  • Basierend auf KI-gestütztem semantischen Verständnis.
  • Bei nahezu identischen Begriffen wird entweder der eine oder der andere abgeglichen, aber nur der beliebtere wird vorgeschlagen.
 Shoes for Women, Womens Shoes und Womans Shoes werden dedupliziert und nur die beliebteste wird vorgeschlagen.
Vorschläge für genau passende Keywords
  • Nicht in den Mehrfachregionen USA und EU verfügbar.
  • Optionale Einstellung.
  • Wenn es keine Vorschläge für die automatische Vervollständigung für die gesamte Anfrage gibt, schlagen Sie nur Vorschläge für das letzte Wort der Anfrage vor.
  • Nicht für die Suche im Gesundheitswesen verfügbar.
 Weitere Informationen finden Sie unter Vorschläge für den Tail-Abgleich.

Vorschläge für genau passende Keywords

Vorschläge für das Ende einer Suchanfrage werden durch exakten Präfixabgleich mit dem letzten Wort in einem Suchanfragestring erstellt.

Angenommen, die Anfrage „songs with he“ wird in einer Anfrage zur automatischen Vervollständigung gesendet. Wenn die Endabgleichung aktiviert ist, kann es sein, dass die automatische Vervollständigung für das vollständige Präfix „songs with he“ keine Übereinstimmungen findet. Das letzte Wort in der Anfrage, „he“, hat jedoch eine genaue Präfixübereinstimmung mit „hello world“ und „hello kitty“. In diesem Fall werden die Vorschläge „songs with hello world“ und „songs with hello kitty“ zurückgegeben, da es keine Vorschläge für die vollständige Übereinstimmung gibt.

Mit dieser Funktion können Sie leere Vorschlagsergebnisse reduzieren und die Vielfalt der Vorschläge erhöhen. Das ist besonders nützlich, wenn die Datenquellen (Anzahl der Nutzerereignisse, Suchverlauf und Abdeckung von Dokumentthemen) begrenzt sind. Wenn Sie jedoch Vorschläge für den Schlussteil aktivieren, kann sich die Gesamtqualität der Vorschläge verringern. Da bei der Endübereinstimmung nur das letzte Wort des Präfixes berücksichtigt wird, sind einige der zurückgegebenen Vorschläge möglicherweise nicht sinnvoll. Bei einer Anfrage wie „Lieder mit er“ wird möglicherweise der Vorschlag „Lieder mit Helfern“ angezeigt.

Vorschläge für den Schlussteil werden nur zurückgegeben, wenn:

  1. include_tail_suggestions ist in der dataStores.completeQuery-Anfrage auf true festgelegt.

  2. Für die Anfrage gibt es keine Vorschläge, die mit dem vollständigen Präfix übereinstimmen.

Schutz vor Lecks personenidentifizierbarer Informationen

Die Definition von personenidentifizierbaren Informationen ist weit gefasst und sie können schwer zu erkennen sein. Daher kann Vertex AI Search nicht garantieren, dass keine personenbezogenen Daten in Vorschlägen zur automatischen Vervollständigung zurückgegeben werden.

Vertex AI Search verwendet den Inspektionsdienst Schutz sensibler Daten, um nach gängigen Arten von personenbezogenen Daten zu suchen und zu verhindern, dass sie als Vorschläge angezeigt werden. Wenn Ihre Datenspeicher jedoch personenbezogene Daten enthalten oder Sie die Modelle für Suchverlauf oder Nutzerereignisse verwenden, sollten Sie die folgenden Informationen lesen und entsprechende Maßnahmen ergreifen:

  1. Wenn die Arten von personenidentifizierbaren Informationen, die Sie schützen möchten, relativ standardmäßig sind, z. B. Telefonnummern und E‑Mail-Adressen, sollten Sie zuerst die Vorschläge zur automatischen Vervollständigung für Ihre App ausführlich testen. Vertex AI Search kann nicht garantieren, dass keine personenidentifizierbaren Informationen in Vorschlägen zur automatischen Vervollständigung zurückgegeben werden.

  2. Wenn während der Tests zur automatischen Vervollständigung Lecks personenidentifizierbarer Informationen entdeckt werden oder Sie bereits wissen, dass Sie nicht standardmäßige personenidentifizierbare Informationen schützen müssen (z. B. proprietäre Nutzer-IDs), sollten Sie den Schwellenwert für die automatische Vervollständigung und die Parameter für die Bereitstellung von Inhalten anpassen. Weitere Informationen finden Sie unter Risiko für die Rückgabe von Vorschlägen mit personenbezogenen Daten reduzieren.

  3. Wenn das Anpassen der Parameter nicht ausreicht, um das Offenlegen personenbezogener Daten zu verhindern, implementieren Sie Ihre eigene DLP-Lösung. Passen Sie die DLP-Lösung an die Arten von vertraulichen personenbezogenen Informationen an, die am wahrscheinlichsten in Ihren Datenspeichern, Nutzerereignissen oder Suchanfragen von Nutzern zu finden sind. Sie können Sensitive Data Protection oder einen DLP-Drittanbieterdienst verwenden. Führen Sie eine der folgenden Aktionen aus:

    • Filtern Sie personenidentifizierbare Informationen heraus, bevor Sie die Dokumente und Nutzerereignisse in Ihre Datenspeicher importieren.

    • Prüfen Sie die Vorschläge für die automatische Vervollständigung, bevor Sie sie dem Nutzer bei der Bereitstellung präsentieren, und blockieren Sie die Vorschläge, die personenbezogene Daten enthalten.

  4. Wenn Sie das Modell für den Suchverlauf oder Nutzerereignisse verwenden, fügen Sie der Suchleiste einen Informationstext hinzu, in dem Sie Nutzer darauf hinweisen, keine personenbezogenen Daten in ihre Suchanfragen einzugeben.

  5. Wenn Sie Fragen haben oder auf besondere Probleme beim Blockieren personenbezogener Daten stoßen, wenden Sie sich an Ihren Customer Engineer oder Ihr Google-Account-Team.

Autocomplete für ein Widget aktivieren oder deaktivieren

So aktivieren oder deaktivieren Sie die automatische Vervollständigung für ein Widget:

Console

  1. Rufen Sie in der Google Cloud Console die Seite KI-Anwendungen auf.

    KI-Anwendungen

  2. Klicken Sie auf den Namen der Anwendung, die Sie bearbeiten möchten.

  3. Klicken Sie auf Konfigurationen.

  4. Klicken Sie auf den Tab Benutzeroberfläche.

  5. Aktivieren oder deaktivieren Sie die Option Automatische Vervollständigungsvorschläge anzeigen, um die automatische Vervollständigung für das Widget zu aktivieren oder zu deaktivieren. Wenn Sie die automatische Vervollständigung aktivieren, kann es ein bis zwei Tage dauern, bis Vorschläge angezeigt werden.

Einstellungen für die automatische Vervollständigung aktualisieren

So konfigurieren Sie die Einstellungen für die automatische Vervollständigung in der Benutzeroberfläche:

Console

  1. Rufen Sie in der Google Cloud Console die Seite KI-Anwendungen auf.

    KI-Anwendungen

  2. Klicken Sie auf den Namen der Anwendung, die Sie bearbeiten möchten.

  3. Klicken Sie auf Configurations (Konfigurationen).

  4. Klicken Sie auf den Tab Automatische Vervollständigung.

  5. Geben Sie neue Werte für die Einstellungen für die automatische Vervollständigung ein, die Sie aktualisieren möchten, oder wählen Sie sie aus:

    • Maximale Anzahl von Vorschlägen:Die maximale Anzahl von Vorschlägen für die automatische Vervollständigung, die für eine Abfrage angeboten werden können.
    • Mindestlänge zum Auslösen:Die Mindestanzahl an Zeichen, die eingegeben werden können, bevor automatisch vervollständigte Vorschläge angeboten werden.
    • Abgleichreihenfolge: Die Position in einem Abfragestring, ab der die automatische Vervollständigung mit dem Abgleich ihrer Vorschläge beginnen kann.
    • Modell für Suchvorschläge: Das Modell für Suchvorschläge, das zum Generieren der abgerufenen Vorschläge verwendet wird. Dies kann in dataStores.completeQuery mit dem Parameter queryModel überschrieben werden.

    • Autofill aktivieren: Standardmäßig werden erst nach einigen Tagen Vorschläge für Autofill angezeigt, wenn genügend Daten von hoher Qualität vorhanden sind. Wenn Sie diese Standardeinstellung überschreiben und früher Vorschläge für die automatische Vervollständigung erhalten möchten, wählen Sie Jetzt aus.

      Auch wenn Sie Jetzt auswählen, kann es einen Tag dauern, bis Vorschläge generiert werden. Bis genügend gute Daten vorhanden sind, fehlen möglicherweise einige Vorschläge für die automatische Vervollständigung oder sie sind von schlechter Qualität.

    • Sperrliste: Importieren Sie eine Sperrliste als JSON-Datei in einen Cloud Storage-Bucket. Weitere Informationen zu den Einschränkungen und Spezifikationen der Sperrliste finden Sie unter Sperrliste für automatische Vervollständigung verwenden.

  6. Klicken Sie auf Speichern und veröffentlichen. Änderungen werden innerhalb weniger Minuten für Engines wirksam, bei denen die automatische Vervollständigung bereits aktiviert ist.

Risiko von Vorschlägen mit personenbezogenen Daten reduzieren

Endnutzer haben alle Arten von personenidentifizierbaren Informationen, z. B. Führerscheine und Telefonnummern, die sie privat halten sollen. Nutzer, die nach Ergebnissen suchen, die sich auf sie beziehen, geben diese personenbezogenen Daten jedoch möglicherweise in die Suchleiste ein.

Wenn Sie das Modell für den Suchverlauf oder Nutzerereignisse verwenden und es wahrscheinlich ist, dass Ihre Nutzer personenidentifizierbare Informationen in die Suchleiste eingeben, können Sie das Risiko von PII-Leaks verringern, indem Sie die folgenden Parameter anpassen:

  • queryFrequencyThreshold: Bevor eine Anfrage als Vorschlag für die automatische Vervollständigung zurückgegeben werden kann, muss sie so oft eingegeben worden sein.

  • numUniqueUsersThreshold: Bevor eine Anfrage als Vorschlag für die automatische Vervollständigung zurückgegeben werden kann, muss sie von so vielen einzelnen Nutzern eingegeben worden sein. Der Wert des Felds userPseudoId im Nutzerereignis für die Suche bestimmt, ob der Nutzer eindeutig ist.

Beispiel für einen Anwendungsfall

Nehmen wir beispielsweise an, Nutzer haben Kontonummern, die privat bleiben sollen.

Wenn das Modell für Suchverlauf oder Nutzerereignisse verwendet wird, werden diese Kontonummern zusammen mit allen anderen Begriffen, nach denen Endnutzer suchen, verwendet, um Vorschläge zu generieren. Wenn die Kontonummer von Nutzer A (YZ-46789A) also wiederholt in die Suchleiste eingegeben wurde und Nutzer B die Kontonummer YZ-42345B hat, kann es sein, dass die automatische Vervollständigung die Kontonummer von Nutzer A vorschlägt, wenn Nutzer B YZ-4 in die Suchleiste eingibt.

Um die Wahrscheinlichkeit solcher Lecks zu verringern, entscheidet sich der Vertex AI Search-Administrator für Folgendes:

  • Erhöhen Sie den Wert des Parameters queryFrequencyThreshold auf 30. In diesem Fall ist es sehr unwahrscheinlich, dass eine Kontonummer so oft eingegeben wird. Beliebte Suchanfragen werden jedoch mindestens so oft eingegeben.

  • Erhöhen Sie den Wert des Parameters numUniqueUsersThreshold auf 6. Der Administrator hält es für unwahrscheinlich, dass dieselbe Kontonummer in sechs Suchvorgängen, die jeweils mit einer anderen userPseudoId verknüpft sind, in die Suchleiste eingegeben wird.

Prozedur

Es gibt zwei Schwellenwertparameter für die automatische Vervollständigung. Diese Parameter sind in der Google Cloud -Konsole nicht verfügbar, können aber mit einem REST API-Aufruf der Methode updateCompletionConfig festgelegt werden.

So konfigurieren Sie die Einstellungen für den Schwellenwert für die automatische Vervollständigung: Die einzelnen Schritte sind optional und hängen vom Parameter ab, den Sie ändern möchten.

REST

  1. Aktualisieren Sie das Feld CompletionConfig.queryFrequencyThreshold:

    curl -X PATCH \
  -H "Authorization: Bearer $(gcloud auth print-access-token)" \
  -H "Content-Type: application/json" \
  -H "X-Goog-User-Project: PROJECT_ID" \
  https://discoveryengine.googleapis.com/v1alpha/projects/PROJECT_ID/locations/global/collections/default_collection/dataStores/DATA_STORE_ID/completionConfig?updateMask=queryFrequencyThreshold \
  -d '{
    "name": "projects/PROJECT_ID/locations/global/collections/default_collection/dataStores/DATA_STORE_ID/completionConfig",
    "queryFrequencyThreshold": QUERY_FREQUENCY_THRESHOLD
  }'

    Ersetzen Sie Folgendes:

    • PROJECT_ID: die Nummer oder ID Ihres Projekts von Google Cloud .

    • DATA_STORE_ID: die ID des Datenspeichers, der mit Ihrer App verknüpft ist.

    • QUERY_FREQUENCY_THRESHOLD: Ein Ganzzahlwert, der angibt, wie oft eine Suchanfrage mindestens eingegeben werden muss, bevor sie als Vorschlag für die automatische Vervollständigung zurückgegeben werden kann. Die Anzahl wird über ein monatelanges, gleitendes Zeitfenster summiert. Der Standardwert ist 8.

  2. Aktualisieren Sie das Feld CompletionConfig.numUniqueUsersThreshold:

    curl -X PATCH \
  -H "Authorization: Bearer $(gcloud auth print-access-token)" \
  -H "Content-Type: application/json" \
  -H "X-Goog-User-Project: PROJECT_ID" \
  https://discoveryengine.googleapis.com/v1alpha/projects/PROJECT_ID/locations/global/collections/default_collection/dataStores/DATA_STORE_ID/completionConfig?updateMask=numUniqueUsersThreshold \
  -d '{
    "name": "projects/PROJECT_ID/locations/global/collections/default_collection/dataStores/DATA_STORE_ID/completionConfig",
    "numUniqueUsersThreshold": UNIQUE_USERS
  }'

    Ersetzen Sie UNIQUE_USERS durch einen ganzzahligen Wert, der die Mindestanzahl eindeutiger Nutzer angibt, die eine bestimmte Suchanfrage eingeben müssen, bevor sie als Vorschlag für die automatische Vervollständigung zurückgegeben werden kann. Die Anzahl wird über ein monatelanges, gleitendes Zeitfenster summiert. Der Standardwert ist 3.

Anmerkungen für vervollständigbare Felder im Schema aktualisieren

So aktivieren Sie die automatische Vervollständigung für Felder im Schema für strukturierte Daten:

Console

  1. Rufen Sie in der Google Cloud Console die Seite KI-Anwendungen auf.

    KI-Anwendungen

  2. Klicken Sie auf den Namen der Anwendung, die Sie bearbeiten möchten. Es müssen strukturierte Daten verwendet werden.

  3. Klicken Sie auf Daten.

  4. Klicken Sie auf den Tab Schema.

  5. Klicken Sie auf Bearbeiten, um die Schemafelder auszuwählen, die als completable markiert werden sollen.

  6. Klicken Sie auf Speichern, um die aktualisierten Feldkonfigurationen zu speichern. Es dauert etwa einen Tag, bis diese Vorschläge generiert und zurückgegeben werden.

Autocomplete-Anfragen senden

In den folgenden Beispielen wird gezeigt, wie Sie Autocomplete-Anfragen senden.

REST

So senden Sie eine Vervollständigungsanfrage über die API:

  1. Suchen Sie nach Ihrer Datenspeicher-ID. Wenn Sie die ID Ihres Datenspeichers bereits haben, fahren Sie mit dem nächsten Schritt fort.

    1. Rufen Sie in der Google Cloud Console die Seite KI-Anwendungen auf und klicken Sie im Navigationsmenü auf Datenspeicher.

      Rufen Sie die Seite Datenspeicher auf.

    2. Klicken Sie auf den Namen des Datenspeichers.

    3. Rufen Sie auf der Datenseite Ihres Datenspeichers die Datenspeicher-ID ab.

  2. Rufen Sie die Methode dataStores.completeQuery auf.

    curl -H "Authorization: Bearer $(gcloud auth print-access-token)" \
"https://discoveryengine.googleapis.com/v1/projects/PROJECT_ID/locations/global/collections/default_collection/dataStores/DATA_STORE_ID:completeQuery?query=QUERY_STRING"

    Ersetzen Sie Folgendes:

    • PROJECT_ID: die Nummer oder ID Ihres Projekts von Google Cloud .

    • DATA_STORE_ID: die ID des Datenspeichers, der mit Ihrer App verknüpft ist.

    • QUERY_STRING: Die Typeahead-Eingabe, mit der Vorschläge abgerufen werden.

Vervollständigungsanfrage an ein anderes Modell senden

So senden Sie eine Anfrage zur automatischen Vervollständigung mit einem anderen Modell für Suchvorschläge:

  1. Suchen Sie nach Ihrer Datenspeicher-ID. Wenn Sie die ID Ihres Datenspeichers bereits haben, fahren Sie mit dem nächsten Schritt fort.

    1. Rufen Sie in der Google Cloud Console die Seite KI-Anwendungen auf und klicken Sie im Navigationsmenü auf Datenspeicher.

      Rufen Sie die Seite Datenspeicher auf.

    2. Klicken Sie auf den Namen des Datenspeichers.

    3. Rufen Sie auf der Datenseite Ihres Datenspeichers die Datenspeicher-ID ab.

  2. Rufen Sie die Methode dataStores.completeQuery auf.

    curl -H "Authorization: Bearer $(gcloud auth print-access-token)" \
"https://discoveryengine.googleapis.com/v1/projects/PROJECT_ID/locations/global/collections/default_collection/dataStores/DATA_STORE_ID:completeQuery?query=QUERY_STRING&query_model=QUERY_SUGGESTIONS_MODEL"

    Ersetzen Sie Folgendes:

    • PROJECT_ID: die Nummer oder ID Ihres Projekts von Google Cloud .

    • DATA_STORE_ID: die eindeutige ID des Datenspeichers, der mit Ihrer App verknüpft ist.

    • QUERY_STRING: Die Typeahead-Eingabe, mit der Vorschläge abgerufen werden.

    • AUTOCOMPLETE_MODEL: die Daten zur automatischen Vervollständigung

    • QUERY_SUGGESTIONS_MODEL: Das für die Anfrage zu verwendende Modell für Suchvorschläge: document, document-completable, search-history oder user-event. Verwenden Sie für Gesundheitsdaten healthcare-default.

C#

Weitere Informationen finden Sie in der Referenzdokumentation zur Vertex AI Search C# API.

Richten Sie zur Authentifizierung bei Vertex AI Search Standardanmeldedaten für Anwendungen ein. Weitere Informationen finden Sie unter Authentifizierung für eine lokale Entwicklungsumgebung einrichten. 

using Google.Cloud.DiscoveryEngine.V1;

public sealed partial class GeneratedCompletionServiceClientSnippets
{
    /// <summary>Snippet for CompleteQuery</summary>
    /// <remarks>
    /// This snippet has been automatically generated and should be regarded as a code template only.
    /// It will require modifications to work:
    /// - It may require correct/in-range values for request initialization.
    /// - It may require specifying regional endpoints when creating the service client as shown in
    ///   https://cloud.google.com/dotnet/docs/reference/help/client-configuration#endpoint.
    /// </remarks>
    public void CompleteQueryRequestObject()
    {
        // Create client
        CompletionServiceClient completionServiceClient = CompletionServiceClient.Create();
        // Initialize request argument(s)
        CompleteQueryRequest request = new CompleteQueryRequest
        {
            DataStoreAsDataStoreName = DataStoreName.FromProjectLocationDataStore("[PROJECT]", "[LOCATION]", "[DATA_STORE]"),
            Query = "",
            QueryModel = "",
            UserPseudoId = "",
            IncludeTailSuggestions = false,
        };
        // Make the request
        CompleteQueryResponse response = completionServiceClient.CompleteQuery(request);
    }
}

Go

Weitere Informationen finden Sie in der Referenzdokumentation zur Vertex AI Search Go API.

Richten Sie zur Authentifizierung bei Vertex AI Search Standardanmeldedaten für Anwendungen ein. Weitere Informationen finden Sie unter Authentifizierung für eine lokale Entwicklungsumgebung einrichten. 


package main

import (
	"context"

	discoveryengine "cloud.google.com/go/discoveryengine/apiv1"
	discoveryenginepb "cloud.google.com/go/discoveryengine/apiv1/discoveryenginepb"
)

func main() {
	ctx := context.Background()
	// This snippet has been automatically generated and should be regarded as a code template only.
	// It will require modifications to work:
	// - It may require correct/in-range values for request initialization.
	// - It may require specifying regional endpoints when creating the service client as shown in:
	//   https://pkg.go.dev/cloud.google.com/go#hdr-Client_Options
	c, err := discoveryengine.NewCompletionClient(ctx)
	if err != nil {
		// TODO: Handle error.
	}
	defer c.Close()

	req := &discoveryenginepb.CompleteQueryRequest{
		// TODO: Fill request struct fields.
		// See https://pkg.go.dev/cloud.google.com/go/discoveryengine/apiv1/discoveryenginepb#CompleteQueryRequest.
	}
	resp, err := c.CompleteQuery(ctx, req)
	if err != nil {
		// TODO: Handle error.
	}
	// TODO: Use resp.
	_ = resp
}

Java

Weitere Informationen finden Sie in der Referenzdokumentation zur Vertex AI Search Java API.

Richten Sie zur Authentifizierung bei Vertex AI Search Standardanmeldedaten für Anwendungen ein. Weitere Informationen finden Sie unter Authentifizierung für eine lokale Entwicklungsumgebung einrichten. 

import com.google.cloud.discoveryengine.v1.CompleteQueryRequest;
import com.google.cloud.discoveryengine.v1.CompleteQueryResponse;
import com.google.cloud.discoveryengine.v1.CompletionServiceClient;
import com.google.cloud.discoveryengine.v1.DataStoreName;

public class SyncCompleteQuery {

  public static void main(String[] args) throws Exception {
    syncCompleteQuery();
  }

  public static void syncCompleteQuery() throws Exception {
    // This snippet has been automatically generated and should be regarded as a code template only.
    // It will require modifications to work:
    // - It may require correct/in-range values for request initialization.
    // - It may require specifying regional endpoints when creating the service client as shown in
    // https://cloud.google.com/java/docs/setup#configure_endpoints_for_the_client_library
    try (CompletionServiceClient completionServiceClient = CompletionServiceClient.create()) {
      CompleteQueryRequest request =
          CompleteQueryRequest.newBuilder()
              .setDataStore(
                  DataStoreName.ofProjectLocationDataStoreName(
                          "[PROJECT]", "[LOCATION]", "[DATA_STORE]")
                      .toString())
              .setQuery("query107944136")
              .setQueryModel("queryModel-184930495")
              .setUserPseudoId("userPseudoId-1155274652")
              .setIncludeTailSuggestions(true)
              .build();
      CompleteQueryResponse response = completionServiceClient.completeQuery(request);
    }
  }
}

Node.js

Weitere Informationen finden Sie in der Referenzdokumentation zur Vertex AI Search Node.js API.

Richten Sie zur Authentifizierung bei Vertex AI Search Standardanmeldedaten für Anwendungen ein. Weitere Informationen finden Sie unter Authentifizierung für eine lokale Entwicklungsumgebung einrichten. 

/**
 * This snippet has been automatically generated and should be regarded as a code template only.
 * It will require modifications to work.
 * It may require correct/in-range values for request initialization.
 * TODO(developer): Uncomment these variables before running the sample.
 */
/**
 *  Required. The parent data store resource name for which the completion is
 *  performed, such as
 *  `projects/* /locations/global/collections/default_collection/dataStores/default_data_store`.
 */
// const dataStore = 'abc123'
/**
 *  Required. The typeahead input used to fetch suggestions. Maximum length is
 *  128 characters.
 */
// const query = 'abc123'
/**
 *  Specifies the autocomplete data model. This overrides any model specified
 *  in the Configuration > Autocomplete section of the Cloud console. Currently
 *  supported values:
 *  * `document` - Using suggestions generated from user-imported documents.
 *  * `search-history` - Using suggestions generated from the past history of
 *  SearchService.Search google.cloud.discoveryengine.v1.SearchService.Search 
 *  API calls. Do not use it when there is no traffic for Search API.
 *  * `user-event` - Using suggestions generated from user-imported search
 *  events.
 *  * `document-completable` - Using suggestions taken directly from
 *  user-imported document fields marked as completable.
 *  Default values:
 *  * `document` is the default model for regular dataStores.
 *  * `search-history` is the default model for site search dataStores.
 */
// const queryModel = 'abc123'
/**
 *  A unique identifier for tracking visitors. For example, this could be
 *  implemented with an HTTP cookie, which should be able to uniquely identify
 *  a visitor on a single device. This unique identifier should not change if
 *  the visitor logs in or out of the website.
 *  This field should NOT have a fixed value such as `unknown_visitor`.
 *  This should be the same identifier as
 *  UserEvent.user_pseudo_id google.cloud.discoveryengine.v1.UserEvent.user_pseudo_id 
 *  and
 *  SearchRequest.user_pseudo_id google.cloud.discoveryengine.v1.SearchRequest.user_pseudo_id.
 *  The field must be a UTF-8 encoded string with a length limit of 128
 *  characters. Otherwise, an `INVALID_ARGUMENT` error is returned.
 */
// const userPseudoId = 'abc123'
/**
 *  Indicates if tail suggestions should be returned if there are no
 *  suggestions that match the full query. Even if set to true, if there are
 *  suggestions that match the full query, those are returned and no
 *  tail suggestions are returned.
 */
// const includeTailSuggestions = true

// Imports the Discoveryengine library
const {CompletionServiceClient} = require('@google-cloud/discoveryengine').v1;

// Instantiates a client
const discoveryengineClient = new CompletionServiceClient();

async function callCompleteQuery() {
  // Construct request
  const request = {
    dataStore,
    query,
  };

  // Run request
  const response = await discoveryengineClient.completeQuery(request);
  console.log(response);
}

callCompleteQuery();

Python

Weitere Informationen finden Sie in der Referenzdokumentation zur Vertex AI Search Python API.

Richten Sie zur Authentifizierung bei Vertex AI Search Standardanmeldedaten für Anwendungen ein. Weitere Informationen finden Sie unter Authentifizierung für eine lokale Entwicklungsumgebung einrichten. 

# This snippet has been automatically generated and should be regarded as a
# code template only.
# It will require modifications to work:
# - It may require correct/in-range values for request initialization.
# - It may require specifying regional endpoints when creating the service
#   client as shown in:
#   https://googleapis.dev/python/google-api-core/latest/client_options.html
from google.cloud import discoveryengine_v1


def sample_complete_query():
    # Create a client
    client = discoveryengine_v1.CompletionServiceClient()

    # Initialize request argument(s)
    request = discoveryengine_v1.CompleteQueryRequest(
        data_store="data_store_value",
        query="query_value",
    )

    # Make the request
    response = client.complete_query(request=request)

    # Handle the response
    print(response)

Ruby

Weitere Informationen finden Sie in der Referenzdokumentation zur Vertex AI Search Ruby API.

Richten Sie zur Authentifizierung bei Vertex AI Search Standardanmeldedaten für Anwendungen ein. Weitere Informationen finden Sie unter Authentifizierung für eine lokale Entwicklungsumgebung einrichten. 

require "google/cloud/discovery_engine/v1"

##
# Snippet for the complete_query call in the CompletionService service
#
# This snippet has been automatically generated and should be regarded as a code
# template only. It will require modifications to work:
# - It may require correct/in-range values for request initialization.
# - It may require specifying regional endpoints when creating the service
# client as shown in https://cloud.google.com/ruby/docs/reference.
#
# This is an auto-generated example demonstrating basic usage of
# Google::Cloud::DiscoveryEngine::V1::CompletionService::Client#complete_query.
#
def complete_query
  # Create a client object. The client can be reused for multiple calls.
  client = Google::Cloud::DiscoveryEngine::V1::CompletionService::Client.new

  # Create a request. To set request fields, pass in keyword arguments.
  request = Google::Cloud::DiscoveryEngine::V1::CompleteQueryRequest.new

  # Call the complete_query method.
  result = client.complete_query request

  # The returned object is of type Google::Cloud::DiscoveryEngine::V1::CompleteQueryResponse.
  p result
end

Sperrliste für automatische Vervollständigung verwenden

Mithilfe einer Sperrliste können Sie verhindern, dass bestimmte Begriffe als automatisch vervollständigte Vorschläge angezeigt werden.

Nehmen wir zum Beispiel ein Pharmaunternehmen. Wenn ein Medikament nicht mehr von der FDA zugelassen ist, aber in Dokumenten in ihrem Datenspeicher erwähnt wird, möchten sie möglicherweise verhindern, dass dieses Medikament als vorgeschlagene Anfrage angezeigt wird. Das Unternehmen könnte den Namen dieses Medikaments auf eine Sperrliste setzen, um zu verhindern, dass es vorgeschlagen wird.

Die folgenden Begrenzungen gelten:

  • Eine Sperrliste pro Datenspeicher
  • Beim Hochladen einer Sperrliste wird eine eventuell vorhandene Sperrliste für diesen Datenspeicher überschrieben.
  • Bis zu 1.000 Begriffe pro Ausschlussliste
  • Bei Begriffen wird die Groß- und Kleinschreibung nicht berücksichtigt.
  • Nach dem Importieren einer Sperrliste dauert es ein bis zwei Tage, bis sie wirksam wird.

Jeder Eintrag auf Ihrer Sperrliste besteht aus einem blockPhrase und einem matchOperator:

  • blockPhrase: Geben Sie einen String als Begriff für die Sperrliste ein. Bei Begriffen wird die Groß- und Kleinschreibung nicht berücksichtigt.
  • matchOperator: Akzeptiert die folgenden Werte:
    • EXACT_MATCH: Verhindert, dass eine genaue Übereinstimmung des Begriffes auf der Sperrliste als vorgeschlagene Suchanfrage angezeigt wird.
    • CONTAINS: Verhindert, dass Vorschläge mit dem Begriff aus der Sperrliste angezeigt werden.

Das folgende Beispiel zeigt eine Sperrliste mit vier Einträgen:

{
    "entries": [
        {"blockPhrase":"Oranges","matchOperator":"CONTAINS"},
        {"blockPhrase":"bAd apples","matchOperator":"EXACT_MATCH"},
        {"blockPhrase":"Cool as A Cucumber","matchOperator":"EXACT_MATCH"},
        {"blockPhrase":"cherry pick","matchOperator":"CONTAINS"}
    ]
}

Prüfen Sie vor dem Importieren einer Sperrliste, ob die erforderlichen Zugriffssteuerungen für den Zugriff auf den Discovery Engine-Editor festgelegt sind.

Sperrlisten können entweder aus lokalen JSON-Daten oder aus Cloud Storage importiert werden. Wenn Sie eine Sperrliste aus einem Datenspeicher entfernen möchten, löschen Sie sie dauerhaft.

Sperrliste aus lokalen JSON-Daten importieren

So importieren Sie eine Sperrliste aus einer lokalen JSON-Datei, die Ihre Sperrliste enthält:

  1. Erstellen Sie Ihre Sperrliste in einer lokalen JSON-Datei mit dem folgenden Format. Achten Sie darauf, dass jeder Eintrag auf der Sperrliste in einer neuen Zeile ohne Zeilenumbrüche steht.

    {
    "inlineSource": {
        "entries": [
            { "blockPhrase":"TERM_1","matchOperator":"MATCH_OPERATOR_1" },
            { "blockPhrase":"TERM_2","matchOperator":"MATCH_OPERATOR_2" }
        ]
    }
}

  2. Stellen Sie eine POST-Anfrage an die Methode suggestionDenyListEntries:import und geben Sie den Namen Ihrer JSON-Datei an.

    curl -X POST \
    -H "Authorization: Bearer $(gcloud auth print-access-token)" \
    -H "Content-Type: application/json; charset=utf-8" \
    --data @DENYLIST_FILE \
  "https://discoveryengine.googleapis.com/v1/projects/PROJECT_ID/locations/global/dataStores/DATA_STORE_ID/suggestionDenyListEntries:import"

    Ersetzen Sie Folgendes:

    • DENYLIST_FILE: Der lokale Pfad der JSON-Datei mit den Begriffen auf der Sperrliste.

    • PROJECT_ID: die Nummer oder ID Ihres Projekts von Google Cloud .

    • DATA_STORE_ID: die ID des Datenspeichers, der mit Ihrer App verknüpft ist.

Nach dem Import Ihrer Sperrliste dauert es ein bis zwei Tage, bis Vorschläge gefiltert werden.

Sperrliste aus Cloud Storage importieren

So importieren Sie eine Sperrliste aus einer JSON-Datei in Cloud Storage:

  1. Erstellen Sie Ihre Sperrliste in einer JSON-Datei mit dem folgenden Format und importieren Sie sie in einen Cloud Storage-Bucket. Jeder Eintrag auf der Sperrliste muss sich in einer neuen Zeile ohne Zeilenumbruch befinden.

    { "blockPhrase":"TERM_1","matchOperator":"MATCH_OPERATOR_1" }
{ "blockPhrase":"TERM_2","matchOperator":"MATCH_OPERATOR_2" }

  2. Erstellen Sie eine lokale JSON-Datei, die das gcsSource-Objekt enthält. Damit können Sie auf den Speicherort der Sperrlistendatei in einem Cloud Storage-Bucket verweisen.

    {
    "gcsSource": {
        "inputUris": [ "DENYLIST_STORAGE_LOCATION" ]
    }
}

    Ersetzen Sie DENYLIST_STORAGE_LOCATION durch den Speicherort Ihrer Sperrliste in Cloud Storage. Sie können nur einen URI eingeben. Der URI muss in diesem Format eingegeben werden: gs://BUCKET/FILE_PATH.

  3. Senden Sie eine POST-Anfrage an die Methode suggestionDenyListEntries:import und fügen Sie das Objekt gcsSource ein.

    curl -X POST \
    -H "Authorization: Bearer $(gcloud auth print-access-token)" \
    -H "Content-Type: application/json; charset=utf-8" \
    --data @GCS_SOURCE_FILE \
   "https://discoveryengine.googleapis.com/v1/projects/PROJECT_ID/locations/global/dataStores/DATA_STORE_ID/suggestionDenyListEntries:import"

    Ersetzen Sie Folgendes:

    • GCS_SOURCE_FILE: Der lokale Pfad der Datei, die das gcsSource-Objekt enthält, das auf Ihre Sperrliste verweist.

    • PROJECT_ID: die Nummer oder ID Ihres Projekts von Google Cloud .

    • DATA_STORE_ID: die ID des Datenspeichers, der mit Ihrer App verknüpft ist.

Nach dem Import Ihrer Sperrliste dauert es ein bis zwei Tage, bis Vorschläge gefiltert werden.

Sperrliste dauerhaft löschen

So löschen Sie eine Sperrliste dauerhaft aus Ihrem Datenspeicher:

  1. Stellen Sie eine POST-Anfrage an die Methode suggestionDenyListEntries:purge.

    curl -X POST \
    -H "Authorization: Bearer $(gcloud auth print-access-token)" \
   "https://discoveryengine.googleapis.com/v1/projects/PROJECT_ID/locations/global/dataStores/DATA_STORE_ID/suggestionDenyListEntries:purge"

    Ersetzen Sie Folgendes:

    • PROJECT_ID: die Nummer oder ID Ihres Projekts von Google Cloud .

    • DATA_STORE_ID: die ID des Datenspeichers, der mit Ihrer App verknüpft ist.

Importierte Liste mit Vorschlägen für die automatische Vervollständigung verwenden

Sie können eine eigene Liste mit Vorschlägen für die automatische Vervollständigung bereitstellen, anstatt Vorschläge zu verwenden, die aus einem Datenmodell für die automatische Vervollständigung generiert werden.

Bei den meisten Anwendungen werden mit generierten Vorschlägen aus einem der Autocomplete-Datenmodelle bessere Ergebnisse erzielt. Es kann jedoch in seltenen Fällen vorkommen, dass die Vorschläge des Modells nicht Ihren Anforderungen entsprechen. In solchen Fällen ist es besser, Ihren Nutzern eine separate Liste mit Vorschlägen zu präsentieren, um die automatische Vervollständigung zu optimieren.

Eine kleine Onlinebuchhandlung importiert beispielsweise ihre Liste mit Buchtiteln als Vorschläge für die automatische Vervollständigung. Wenn ein Kunde mit der Eingabe in die Suchleiste beginnt, ist der Vorschlag zur automatischen Vervollständigung immer ein Buchtitel aus der importierten Liste. Wenn sich die Liste der Bücher ändert, löscht der Buchhändler die aktuelle Liste und importiert die neue Liste. Ein Auszug aus der Liste könnte so aussehen:

{"suggestion": "Wuthering Heights", "globalScore": "0.52" },
{"suggestion": "The Time Machine", "globalScore": "0.26" },
{"suggestion": "Nicholas Nickleby", "globalScore": "0.38" },
{"suggestion": "A Little Princess", "globalScore": "0.71" },
{"suggestion": "The Scarlet Letter", "globalScore": "0.32" }

Der globalScore ist eine Gleitkommazahl im Bereich [0, 1], die zum Ranking des Vorschlags verwendet wird. Alternativ können Sie einen frequency-Wert verwenden, der eine Ganzzahl größer als 1 ist. Der frequency-Wert wird verwendet, um Vorschläge zu sortieren, wenn der globalScore-Wert nicht verfügbar ist (als „null“ festgelegt).

Vorschläge für die automatische Vervollständigung einrichten und importieren

So richten Sie eine Liste mit Vorschlägen für die automatische Vervollständigung aus BigQuery ein und importieren sie:

  1. Erstellen Sie eine Liste mit Vorschlägen und laden Sie sie in eine BigQuery-Tabelle.

    Sie müssen jeden Vorschlag mindestens als String und entweder als globalen Score oder als Häufigkeit angeben.

    Verwenden Sie das folgende Tabellenschema für Ihre Liste mit Vorschlägen:

    [
  {
    "description": "The suggestion text",
    "mode": "REQUIRED",
    "name": "suggestion",
    "type": "STRING"
  },
  {
    "description": "Global score of this suggestion. Control how this suggestion would be scored and ranked. Set global score or frequency; not both.",
    "mode": "NULLABLE",
    "name": "globalScore",
    "type": "FLOAT"
  },
  {
    "description": "Frequency of this suggestion. Used to rank suggestions when the global score is not available.",
    "mode": "NULLABLE",
    "name": "frequency",
    "type": "INTEGER"
  }
]

    Eine Anleitung zum Erstellen einer BigQuery-Tabelle und zum Laden der Tabelle mit Ihrer Liste der Vorschläge zur automatischen Vervollständigung finden Sie in der BigQuery-Dokumentation.

  2. Importieren Sie die Liste aus BigQuery.

    Senden Sie eine POST-Anfrage an die Methode completionSuggestions:import und fügen Sie das bigquerySource-Objekt ein.

    curl -X POST \
 -H "Authorization: Bearer $(gcloud auth print-access-token)" \
 -H "Content-Type: application/json; charset=utf-8" \
 -H "X-Goog-User-Project: PROJECT_ID" \
 "https://discoveryengine.googleapis.com/v1/projects/PROJECT_ID/locations/global/dataStores/DATA_STORE_ID/completionSuggestions:import" \
 -d '{
      "bigquery_source": {"project_id": "PROJECT_ID_SOURCE", "dataset_id": "DATASET_ID", "table_id": "TABLE_ID"}
 }'

    Ersetzen Sie Folgendes:

    • PROJECT_ID: die Nummer oder ID Ihres Projekts von Google Cloud .
    • DATA_STORE_ID: die ID des Vertex AI Search-Datenspeichers.
    • PROJECT_ID_SOURCE: Das Projekt, das das Dataset enthält, das Sie importieren möchten.
    • DATASET_ID: die Dataset-ID für die Vorschlagsliste, die Sie importieren möchten
    • TABLE_ID: Die Tabellen-ID für die Vorschlagsliste, die Sie importieren möchten

  3. Optional: Notieren Sie sich den zurückgegebenen name-Wert und folgen Sie der Anleitung unter Details zu einem Vorgang mit langer Ausführungszeit abrufen, um zu sehen, wann der Importvorgang abgeschlossen ist.

  4. Wenn Sie die automatische Vervollständigung für die App nicht aktiviert haben, folgen Sie der Anleitung unter Einstellungen für die automatische Vervollständigung aktualisieren. Achten Sie darauf, dass Sie Automatische Vervollständigung aktivieren auf Jetzt festlegen.

  5. Warten Sie einige Tage, bis die Indexierung abgeschlossen ist und die importierten Vorschläge verfügbar sind.

Autocomplete-Anfrage senden

So senden Sie eine Anfrage zur automatischen Vervollständigung, die einen importierten Vorschlag anstelle eines Vorschlags aus einem Modell für die automatische Vervollständigung zurückgibt:

  1. Folgen Sie der Anleitung zum Senden einer Anfrage zur automatischen Vervollständigung an ein anderes Modell und legen Sie AUTOCOMPLETE_MODEL auf imported-suggestion fest.

Liste der importierten Vorschläge zur automatischen Vervollständigung bereinigen

Bevor Sie eine neue Liste mit Vorschlägen für die automatische Vervollständigung importieren, müssen Sie die vorhandene Liste entfernen.

So löschen Sie eine vorhandene Liste mit Vorschlägen für die automatische Vervollständigung:

  1. Stellen Sie eine POST-Anfrage an die Methode completionSuggestions:purge.

    curl -X POST \
    -H "Authorization: Bearer $(gcloud auth print-access-token)" \
   "https://discoveryengine.googleapis.com/v1/projects/PROJECT_ID/locations/global/dataStores/DATA_STORE_ID/completionSuggestions:purge"

    Ersetzen Sie Folgendes:

    • PROJECT_ID: die Nummer oder ID Ihres Projekts von Google Cloud .

    • DATA_STORE_ID: die ID des Datenspeichers, der mit Ihrer App verknüpft ist.

Erweitertes Dokumentdatenmodell

Vertex AI Search bietet ein erweitertes Datenmodell für die automatische Vervollständigung. Anhand der von Ihnen importierten Dokumente generiert dieses Datenmodell hochwertige Vorschläge für die automatische Vervollständigung, indem es Large Language Models (LLMs) von Google nutzt.

Diese Funktion wird derzeit noch getestet. Wenn Sie diese Funktion nutzen möchten, wenden Sie sich an Ihr Google Cloud -Account-Management-Team und bitten Sie darum, auf die Zulassungsliste gesetzt zu werden.

Das erweiterte Dokumentdatenmodell ist nicht für die Healthcare-Suche oder in den multiregionalen Standorten „US“ und „EU“ verfügbar.