Descripción general del motor de RAG de Vertex AI

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

La instancia de Spanner administrada 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 facturación de Vertex AI RAG Engine.

Debes agregarte a la lista de entidades permitidas para acceder al motor de RAG de Vertex AI en us-central1 y us-east4. Los usuarios con proyectos existentes no se verán afectados. En el caso de los usuarios con proyectos nuevos, puedes probar otras regiones o comunicarte con [e-mail] para incorporarte a us-central1.

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

Descripción	Consola
Si deseas obtener información para usar el SDK de Vertex AI para ejecutar tareas de Vertex AI RAG Engine, consulta la guía de inicio rápido de RAG para Python.	Prueba Vertex AI RAG Engine

Descripción general

Vertex AI RAG Engine, un componente de la plataforma de Vertex AI, facilita la generación mejorada por recuperación (RAG). Vertex AI 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 Vertex AI RAG Engine, puedes enriquecer el contexto del LLM con información privada adicional, ya que el modelo puede 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 búsqueda optimiza la calidad de la respuesta del LLM.

En la siguiente imagen, se ilustran los conceptos clave para comprender el motor de RAG de Vertex AI.

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

1. Transferencia de datos: Ingresa 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: Vertex AI 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 Vertex AI 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 fundamentados.

Regiones admitidas

El motor de RAG de Vertex AI es compatible con las siguientes regiones:

Región	Ubicación	Descripción	Etapa de lanzamiento
us-central1	Iowa	Se admiten las versiones v1 y v1beta1.	Lista de anunciantes permitidos
us-east4	Virginia	Se admiten las versiones v1 y v1beta1.	Lista de anunciantes permitidos
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.	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, 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, Nevada	Se admiten las versiones v1 y v1beta1.	Vista previa

• us-central1 y us-east4 cambiaron a Allowlist. Si quieres experimentar con Vertex AI RAG Engine, prueba con otras regiones. Si planeas incorporar tu tráfico de producción a estas regiones, comunícate con [e-mail].

Borra Vertex AI RAG Engine

En las siguientes muestras de código, se explica cómo borrar un motor de RAG de Vertex AI para la consola, Python y REST: Google Cloud

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

• Parámetros y muestras de código de la API de 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 electrónico, usa la dirección [e-mail].

¿Qué sigue?

• Si deseas obtener información para 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 más información sobre la fundamentación, consulta Descripción general de la fundamentación.
• Para obtener más información sobre las respuestas de la RAG, consulta Salida de recuperación y generación del motor de RAG de Vertex AI.
• Para obtener información sobre la arquitectura de RAG, haz lo siguiente:
  • Infraestructura para una aplicación de IA generativa compatible con RAG a través de Vertex AI y Vector Search
  • Infraestructura para una aplicación de IA generativa compatible con RAG que usa Vertex AI y AlloyDB para PostgreSQL.