Información general sobre el motor de RAG de Vertex AI

Vertex AI RAG Engine admite los controles de seguridad de VPC-SC y las CMEK. No se admiten los controles de residencia de datos ni de seguridad de AXT.

La instancia de Spanner gestionada por Vertex AI RAG Engine se usa como base de datos de vectores y está disponible de forma general con la facturación habilitada. Para obtener más información, consulta la página Facturación de Vertex AI RAG Engine.

Debes estar en la lista de permitidos para acceder a Vertex AI RAG Engine en us-central1 y us-east4. Los usuarios que ya tengan proyectos no se verán afectados. Si tienes proyectos nuevos, puedes probar otras regiones o ponerte en contacto con [e-mail] para empezar a usar us-central1.

En esta página se describe qué es Vertex AI RAG Engine y cómo funciona.

Descripción	Consola
Para saber cómo usar el SDK de Vertex AI para ejecutar tareas de Vertex AI RAG Engine, consulta la guía de inicio rápido de RAG para Python.	Probar Vertex AI RAG Engine

Información general

Vertex AI RAG Engine, un componente de la plataforma Vertex AI, facilita la generación aumentada de recuperación (RAG). Vertex AI RAG Engine también es un marco de datos para desarrollar aplicaciones de modelos de lenguaje extensos (LLMs) con contexto aumentado. El aumento del contexto se produce cuando aplicas un LLM a tus datos. Implementa la generación aumentada por recuperación (RAG).

Un problema habitual de los LLMs es que no entienden el conocimiento privado, es decir, los datos de tu organización. Con Vertex AI RAG Engine, puedes enriquecer el contexto de los LLMs con información privada adicional, ya que el modelo puede reducir las alucinaciones y responder a las preguntas de forma más precisa.

Al combinar fuentes de conocimiento adicionales con el conocimiento que ya tienen los LLMs, se proporciona un mejor contexto. El contexto mejorado junto con la consulta aumenta la calidad de la respuesta del LLM.

En la siguiente imagen se muestran los conceptos clave para entender Vertex AI RAG Engine.

Estos conceptos se enumeran en el orden del proceso de generación aumentada de recuperación (RAG).

1. Ingestión de datos: ingiere datos de diferentes fuentes. Por ejemplo, archivos locales, Cloud Storage y Google Drive.

2. Transformación de datos: conversión de los datos para prepararlos para la indexación. Por ejemplo, los datos se dividen en fragmentos.

3. Inserción: representaciones numéricas de palabras o fragmentos de texto. Estos números capturan el significado semántico y el contexto del texto. Las palabras o el texto similares o relacionados tienden a tener inserciones similares, lo que significa que están más cerca en el espacio vectorial de alta dimensión.

4. Indexación de datos: Vertex AI RAG Engine crea un índice llamado corpus. El índice estructura la base de conocimientos para que esté optimizada para las búsquedas. Por ejemplo, el índice es como una tabla de contenido detallada de un libro de referencia enorme.

5. Extracción: cuando un usuario hace una pregunta o proporciona una petición, el componente de extracción de Vertex AI RAG Engine busca en su base de conocimientos información relevante para la consulta.

6. Generación: la información obtenida se convierte en el contexto que se añade a la consulta original del usuario como guía para que el modelo de IA generativa genere respuestas fundamentadas y relevantes.

Regiones disponibles

Vertex AI RAG Engine está disponible en las siguientes regiones:

Región	Ubicación	Descripción	Fase de lanzamiento
us-central1	Iowa	Se admiten las versiones v1 y v1beta1.	Lista de permitidos
us-east4	Virginia	Se admiten las versiones v1 y v1beta1.	Lista de permitidos
europe-west3	Fráncfort (Alemania)	Se admiten las versiones v1 y v1beta1.	GA
europe-west4	Eemshaven (Países Bajos)	Se admiten las versiones v1 y v1beta1.	GA
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.	Vista previa
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-east1	Moncks Corner (Carolina del Sur)	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 (Nevada)	Se admiten las versiones v1 y v1beta1.	Vista previa

• us-central1 y us-east4 se han cambiado a Allowlist. Si quieres experimentar con Vertex AI RAG Engine, prueba con otras regiones. Si tienes previsto incorporar tu tráfico de producción a estas regiones, ponte en contacto con [e-mail].

Eliminar Vertex AI RAG Engine

En los siguientes ejemplos de código se muestra cómo eliminar un motor RAG de Vertex AI para la Google Cloud consola, Python y REST:

• Parámetros de la API versión 1 (v1) y ejemplos de código.

• Parámetros y ejemplos de código de la API v1beta1.

Enviar comentarios

Para chatear con el equipo de Asistencia de Google, ve al grupo de asistencia de Vertex AI RAG Engine.

Para enviar un correo, usa la dirección de correo [e-mail].

Siguientes pasos

• Para saber cómo usar el SDK de Vertex AI para ejecutar tareas de Vertex AI RAG Engine, consulta la guía de inicio rápido de RAG para Python.
• Para obtener información sobre el grounding, consulta la introducción al grounding.
• Para obtener más información sobre las respuestas de RAG, consulta Resultados de extracción y generación de Vertex AI RAG Engine.
• Para obtener información sobre la arquitectura RAG, sigue estos pasos:
  • Infraestructura para una aplicación de IA generativa compatible con RAG que use Vertex AI y Vector Search
  • Infraestructura para una aplicación de IA generativa compatible con RAG que use Vertex AI y AlloyDB para PostgreSQL.