Panoramica di RAG Engine su Gemini Enterprise Agent Platform

I controlli di sicurezza VPC-SC e CMEK sono supportati da Agent Platform RAG Engine. La residenza dei dati e i controlli di sicurezza AXT non sono supportati.

Se utilizzi un'istanza Spanner gestita da RAG Engine come database vettoriale in una località GA, ti verrà addebitata l'istanza Spanner. Google CloudPer saperne di più, consulta la sezione sulla fatturazione di RAG Engine su Gemini Enterprise Agent Platform.

Devi essere aggiunto alla lista consentita per accedere a RAG Engine in us-central1, us-east1 e us-east4. Per gli utenti con progetti esistenti non ci sono impatti. Per gli utenti con nuovi progetti, puoi provare altre regioni.

Questa pagina descrive cos'è RAG Engine e come funziona.

Descrizione	Console
Per scoprire come utilizzare l'SDK Vertex AI per eseguire le attività di RAG Engine su Gemini Enterprise Agent Platform, consulta la guida rapida di RAG per Python.	Prova RAG Engine

Panoramica

RAG Engine, un componente di Gemini Enterprise Agent Platform, facilita la generazione Retrieval-Augmented Generation (RAG). RAG Engine è anche un framework di dati per lo sviluppo di applicazioni basate su modelli linguistici di grandi dimensioni (LLM) con aggiunta del contesto. Questa si verifica quando un modello LLM viene applicato ai dati. È così che viene implementata la generazione Retrieval-Augmented Generation (RAG).

Un problema comune con i modelli LLM è che non comprendono la conoscenza privata, ovvero i dati della tua organizzazione. Con RAG Engine, puoi arricchire il contesto dei modelli LLM con informazioni private aggiuntive, in modo che il modello possa ridurre le allucinazioni e rispondere alle domande in modo più preciso.

Combinando ulteriori fonti di conoscenza con la conoscenza esistente dei modelli LLM, viene fornito un contesto migliore. Il contesto migliorato insieme alla query migliora la qualità della risposta del modello LLM.

L'immagine seguente illustra i concetti chiave per comprendere RAG Engine.

Questi concetti sono elencati nell'ordine della procedura di generazione Retrieval-Augmented Generation (RAG).

1. Importazione dei dati: importa i dati da diverse origini dati. Ad esempio, file locali, Cloud Storage e Google Drive.

2. Trasformazione dei dati: conversione dei dati in preparazione per l'indicizzazione. Ad esempio, i dati vengono suddivisi in blocchi.

3. Incorporamento: rappresentazioni numeriche di parole o parti di testo. Questi numeri acquisiscono il significato semantico e il contesto del testo. Le parole o il testo simili o correlati tendono ad avere incorporamenti simili, il che significa che sono più vicini nello spazio vettoriale ad alta dimensionalità.

4. Indicizzazione dei dati: RAG Engine crea un indice chiamato corpus. L'indice struttura la knowledge base in modo che sia ottimizzata per la ricerca. Ad esempio, l'indice è come un sommario dettagliato di un libro di riferimento di grandi dimensioni.

5. Recupero: quando un utente pone una domanda o fornisce un prompt, il componente di recupero in RAG Engine esegue una ricerca nella knowledge base per trovare informazioni pertinenti alla query.

6. Generazione: le informazioni recuperate diventano il contesto aggiunto alla query utente originale come guida per il modello di AI generativa per generare risposte basate sui fatti e pertinenti.

Aree geografiche supportate

RAG Engine è supportato nelle seguenti regioni:

Regione	Località	Descrizione	Fase di lancio
us-central1	Iowa	Sono supportate le versioni v1 e v1beta1.	Lista consentita, GA
us-east4	Virginia	Sono supportate le versioni v1 e v1beta1.	Lista consentita, GA
us-east1	Moncks Corner, SC	Sono supportate le versioni v1 e v1beta1.	Lista consentita, anteprima
europe-west3	Francoforte, Germania	Sono supportate le versioni v1 e v1beta1.	GA
europe-west4	Eemshaven, Paesi Bassi	Sono supportate le versioni v1 e v1beta1.	GA
asia-east1	Taiwan	Sono supportate le versioni v1 e v1beta1.	Anteprima
asia-northeast1	Tokyo	Sono supportate le versioni v1 e v1beta1.	Anteprima
asia-northeast3	Seul	Sono supportate le versioni v1 e v1beta1.	Anteprima
asia-south1	Mumbai	Sono supportate le versioni v1 e v1beta1.	Anteprima
asia-southeast1	Singapore	Sono supportate le versioni v1 e v1beta1.	Anteprima
europe-central2	Varsavia	Sono supportate le versioni v1 e v1beta1.	Anteprima
europe-north1	Finlandia	Sono supportate le versioni v1 e v1beta1.	Anteprima
europe-southwest1	Madrid	Sono supportate le versioni v1 e v1beta1.	Anteprima
europe-west1	Belgio	Sono supportate le versioni v1 e v1beta1.	Anteprima
europe-west2	Londra	Sono supportate le versioni v1 e v1beta1.	Anteprima
europe-west6	Zurigo	Sono supportate le versioni v1 e v1beta1.	Anteprima
europe-west8	Milano	Sono supportate le versioni v1 e v1beta1.	Anteprima
europe-west9	Parigi	Sono supportate le versioni v1 e v1beta1.	Anteprima
us-east5	Columbus, OH	Sono supportate le versioni v1 e v1beta1.	Anteprima
us-south1	Dallas, TX	Sono supportate le versioni v1 e v1beta1.	Anteprima
us-west1	Oregon	Sono supportate le versioni v1 e v1beta1.	Anteprima
us-west4	Las Vegas, NV	Sono supportate le versioni v1 e v1beta1.	Anteprima

• us-central1, us-east1 e us-east4 sono state modificate in Allowlist. Se vuoi sperimentare con RAG Engine, prova altre regioni.

Elimina RAG Engine

Per saperne di più sull'eliminazione di un motore RAG, consulta le seguenti sezioni:

• Parametri dell'API versione 1 (v1)

• Parametri dell'API v1beta1

Passaggi successivi

• Per scoprire come utilizzare l'SDK Vertex AI per eseguire le attività di RAG Engine su Gemini Enterprise Agent Platform, consulta la guida rapida di RAG per Python.

• Per scoprire di più sul grounding, consulta la Grounding overview.

• Per saperne di più sulle risposte di RAG, consulta GenerateContentResponse.