En esta página, se describe qué es RAG Engine y cómo funciona.
| Descripción | Consola |
|---|---|
| Para aprender a usar el SDK de Vertex AI para ejecutar tareas de RAG Engine en Gemini Enterprise Agent Platform, consulta la guía de inicio rápido de RAG para Python. | Prueba RAG Engine |
Descripción general
RAG Engine, un componente de Gemini Enterprise Agent Platform, facilita la generación aumentada por recuperación (RAG). RAG Engine también es un framework de datos para desarrollar aplicaciones de modelos de lenguaje grandes (LLM) adaptados al contexto. El aumento del contexto se produce cuando se aplica un LLM a tus datos. Esto implemente generación aumentada y de recuperación (RAG).
Un problema común con los LLM es que no comprenden el conocimiento privado, es decir, los datos de tu organización. Con RAG Engine, puedes enriquecer el contexto del LLM con información privada adicional para que el modelo pueda reducir las alucinaciones y responder preguntas con mayor precisión.
Cuando se combinan fuentes de conocimiento adicionales con el conocimiento existente que tienen los LLM, se proporciona un mejor contexto. El contexto mejorado junto con la consulta mejoran la calidad de la respuesta del LLM.
En la siguiente imagen, se ilustran los conceptos clave para comprender RAG Engine.

Estos conceptos se enumeran en el orden del proceso de generación aumentada por recuperación (RAG).
Ingesta de datos: Transfiere datos de diferentes fuentes de datos. Por ejemplo, archivos locales, Cloud Storage y Google Drive.
Transformación de datos: Conversión de los datos en preparación para la indexación. Por ejemplo, los datos se dividen en fragmentos.
Embedding: Representaciones numéricas de palabras o fragmentos de texto. Estos números capturan el significado semántico y el contexto del texto. Las palabras o textos similares o relacionados tienden a tener embeddings similares, lo que significa que están más cerca unas de otras en el espacio vectorial de alta dimensión.
Indexación de datos: El motor de RAG crea un índice llamado corpus. El índice estructura la base de conocimientos para optimizar la búsqueda. Por ejemplo, el índice es como el índice detallado de un libro de consulta masiva.
Recuperación: Cuando un usuario hace una pregunta o proporciona una instrucción, el componente de recuperación en el motor de RAG busca en su base de conocimiento la información relevante para la consulta.
Generación: La información recuperada se convierte en el contexto que se agrega a la consulta original del usuario como guía para que el modelo de IA generativa genere respuestas pertinentes y fundamentadas en hechos.
Regiones admitidas
El motor de RAG es compatible con las siguientes regiones:
| Región | Ubicación | Descripción | Etapa de lanzamiento |
|---|---|---|---|
us-central1 |
Iowa | Se admiten las versiones v1 y v1beta1. |
Lista de entidades permitidas, GA |
us-east4 |
Virginia | Se admiten las versiones v1 y v1beta1. |
Lista de entidades permitidas, GA |
us-east1 |
Moncks Corner, SC | Se admiten las versiones v1 y v1beta1. |
Lista de entidades permitidas, versión preliminar |
europe-west3 |
Fráncfort, Alemania | Se admiten las versiones v1 y v1beta1. |
DG |
europe-west4 |
Puerto de Ems, Países Bajos | Se admiten las versiones v1 y v1beta1. |
DG |
asia-east1 |
Taiwán | Se admiten las versiones v1 y v1beta1. |
Vista previa |
asia-northeast1 |
Tokio | Se admiten las versiones v1 y v1beta1. |
Vista previa |
asia-northeast3 |
Seúl | Se admiten las versiones v1 y v1beta1. |
Vista previa |
asia-south1 |
Bombay | Se admiten las versiones v1 y v1beta1. |
Vista previa |
asia-southeast1 |
Singapur | Se admiten las versiones v1 y v1beta1. |
Vista previa |
europe-central2 |
Varsovia | Se admiten las versiones v1 y v1beta1. |
Vista previa |
europe-north1 |
Finlandia | Se admiten las versiones v1 y v1beta1. |
Vista previa |
europe-southwest1 |
Madrid | Se admiten las versiones v1 y v1beta1. |
Vista previa |
europe-west1 |
Bélgica | Se admiten las versiones v1 y v1beta1. |
Lista de entidades permitidas, versión preliminar |
europe-west2 |
Londres | Se admiten las versiones v1 y v1beta1. |
Vista previa |
europe-west6 |
Zúrich | Se admiten las versiones v1 y v1beta1. |
Vista previa |
europe-west8 |
Milán | Se admiten las versiones v1 y v1beta1. |
Vista previa |
europe-west9 |
París | Se admiten las versiones v1 y v1beta1. |
Vista previa |
us-east5 |
Columbus, Ohio | Se admiten las versiones v1 y v1beta1. |
Vista previa |
us-south1 |
Dallas, Texas | Se admiten las versiones v1 y v1beta1. |
Vista previa |
us-west1 |
Oregón | Se admiten las versiones v1 y v1beta1. |
Vista previa |
us-west4 |
Las Vegas, NV | Se admiten las versiones v1 y v1beta1. |
Vista previa |
us-central1,us-east1,us-east4yeurope-west1se cambian aAllowlist. Si quieres experimentar con RAG Engine, prueba con otras regiones.
Borrar RAG Engine
Para obtener más información sobre cómo borrar un motor de RAG, consulta lo siguiente:
Parámetros de la API de la versión 1 (v1)
Parámetros de la API v1beta1
¿Qué sigue?
Para aprender a usar el SDK de Vertex AI para ejecutar el motor de RAG en las tareas de Gemini Enterprise Agent Platform, consulta la guía de inicio rápido de RAG para Python.
Para obtener más información sobre la fundamentación, consulta Descripción general de la fundamentación.
Para obtener más información sobre las respuestas de RAG, consulta
GenerateContentResponse.