Descripción general del motor RAG en Gemini Enterprise Agent Platform

Los controles de seguridad de VPC-SC y CMEK son compatibles con RAG Engine de Agent Platform. No se admiten los controles de seguridad de residencia de datos y AXT.

Si usas una instancia de Spanner administrada por RAG Engine como una base de datos de vectores en una ubicación que es DG, se te facturará por esa instancia de Spanner. Google Cloud Para obtener más información, consulta Facturación de RAG Engine en Gemini Enterprise Agent Platform.

Debes agregarte a la lista de entidades permitidas para acceder a RAG Engine en us-central1, us-east1 y us-east4. Para los usuarios con proyectos existentes proyectos, no hay ningún impacto. Para los usuarios con proyectos nuevos, puedes probar otras regiones.

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

Descripción	Consola
Para obtener información sobre cómo usar el SDK de Vertex AI para ejecutar RAG Engine en tareas de Gemini Enterprise Agent Platform, consulta la guía de inicio rápido de RAG para Python.	Probar RAG Engine

Descripción general

RAG Engine, un componente de Gemini Enterprise Agent Platform, facilita la generación mejorada 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 a las 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 mejora 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 mejorada por recuperación (RAG).

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

2. **Transformación de datos**: Conversión de los datos en preparación para la indexación. Por ejemplo, los datos se dividen en fragmentos.

3. 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 incrustaciones similares, lo que significa que están más cerca unas de otras en el espacio vectorial de alta dimensión.

4. Indexación de datos: RAG Engine 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.

5. Recuperación: Cuando un usuario hace una pregunta o proporciona una instrucción, el componente de recuperación en RAG Engine busca en su base de conocimiento la información relevante para la consulta.

6. 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 basadas en hechos y relevantes.

Regiones admitidas

RAG Engine 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, DG
us-east4	Virginia	Se admiten las versiones v1 y v1beta1.	Lista de entidades permitidas, DG
us-east1	Moncks Corner, SC	Se admiten las versiones v1 y v1beta1.	Lista de entidades permitidas, vista previa
europe-west3	Fráncfort, Alemania	Se admiten las versiones v1 y v1beta1.	GA
europe-west4	Puerto de Ems, 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-east5	Columbus, OH	Se admiten las versiones v1 y v1beta1.	Vista previa
us-south1	Dallas, TX	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 y us-east4 cambiaron a Allowlist. Si quieres experimentar con RAG Engine, prueba otras regiones.

Borrar RAG Engine

Para obtener más información sobre cómo borrar un RAG Engine, consulta lo siguiente:

• Parámetros de la API de la versión 1 (v1)

• Parámetros de la API de v1beta1

¿Qué sigue?

• Para obtener información sobre cómo usar el SDK de Vertex AI para ejecutar RAG Engine en tareas de Gemini Enterprise Agent Platform, consulta la guía de inicio rápido deRAG para Python.

• Para obtener más información sobre la fundamentación, consulta Descripción general de la puesta a tierra.

• Para obtener más información sobre las respuestas de RAG, consulta GenerateContentResponse.