Ringkasan Mesin RAG di Gemini Enterprise Agent Platform

Kontrol keamanan VPC-SC dan CMEK didukung oleh Mesin RAG Platform Agen. Kontrol keamanan residensi data dan AXT tidak didukung.

Jika Anda menggunakan instance Spanner yang dikelola RAG Engine sebagai database vektor di lokasi yang GA, maka Google Cloud akan menagih Anda untuk instance Spanner tersebut. Untuk mengetahui informasi selengkapnya, lihat Penagihan Mesin RAG di Gemini Enterprise Agent Platform.

Anda harus ditambahkan ke daftar yang diizinkan untuk mengakses Mesin RAG di us-central1, us-east1, dan us-east4. Untuk pengguna dengan project yang sudah ada, tidak ada dampak. Untuk pengguna dengan project baru, Anda dapat mencoba region lain.

Halaman ini menjelaskan apa itu RAG Engine dan cara kerjanya.

Deskripsi	Konsol
Untuk mempelajari cara menggunakan Vertex AI SDK untuk menjalankan tugas RAG Engine di Gemini Enterprise Agent Platform, lihat panduan memulai RAG untuk Python.	Coba RAG Engine

Ringkasan

Mesin RAG, komponen Gemini Enterprise Agent Platform, memfasilitasi Retrieval-Augmented Generation (RAG). Mesin RAG juga merupakan framework data untuk mengembangkan aplikasi model bahasa besar (LLM) dengan konteks yang diperkuat. Peningkatan konteks terjadi saat Anda menerapkan LLM ke data Anda. Ini mengimplementasikan Retrieval-Augmented Generation (RAG).

Masalah umum pada LLM adalah bahwa LLM tidak memahami pengetahuan pribadi, yaitu data organisasi Anda. Dengan RAG Engine, Anda dapat memperkaya konteks LLM dengan informasi pribadi tambahan, sehingga model dapat mengurangi halusinasi dan menjawab pertanyaan dengan lebih akurat.

Dengan menggabungkan sumber pengetahuan tambahan dengan pengetahuan yang sudah dimiliki LLM, konteks yang lebih baik akan diberikan. Konteks yang ditingkatkan bersama dengan kueri akan meningkatkan kualitas respons LLM.

Gambar berikut mengilustrasikan konsep utama untuk memahami Mesin RAG.

Konsep ini tercantum dalam urutan proses Retrieval-Augmented Generation (RAG).

1. Penyerapan data: Menyerap data dari berbagai sumber data. Misalnya, file lokal, Cloud Storage, dan Google Drive.

2. Transformasi data: Konversi data dalam persiapan pengindeksan. Misalnya, data dibagi menjadi beberapa bagian.

3. Embedding: Representasi numerik kata atau potongan teks. Angka-angka ini menangkap makna semantik dan konteks teks. Kata atau teks yang serupa atau terkait cenderung memiliki embedding yang serupa, yang berarti kata atau teks tersebut lebih berdekatan dalam ruang vektor berdimensi tinggi.

4. Pengindeksan data: RAG Engine membuat indeks yang disebut korpus. Indeks menyusun pusat informasi sehingga dioptimalkan untuk penelusuran. Misalnya, indeks ini seperti daftar isi mendetail untuk buku referensi yang sangat besar.

5. Pengambilan (Retrieval): Saat pengguna mengajukan pertanyaan atau memberikan perintah, komponen pengambilan di RAG Engine akan menelusuri pusat informasinya untuk menemukan informasi yang relevan dengan kueri.

6. Generasi: Informasi yang diambil menjadi konteks yang ditambahkan ke kueri pengguna asli sebagai panduan bagi model AI generatif untuk menghasilkan respons yang beralasan dan relevan secara faktual.

Region yang didukung

RAG Engine didukung di wilayah berikut:

Wilayah	Lokasi	Deskripsi	Tahap peluncuran
us-central1	Iowa	Versi v1 dan v1beta1 didukung.	Allowlist, GA
us-east4	Virginia	Versi v1 dan v1beta1 didukung.	Allowlist, GA
us-east1	Moncks Corner, SC	Versi v1 dan v1beta1 didukung.	Daftar yang diizinkan, Pratinjau
europe-west3	Frankfurt, Jerman	Versi v1 dan v1beta1 didukung.	GA
europe-west4	Eemshaven, Belanda	Versi v1 dan v1beta1 didukung.	GA
asia-east1	Taiwan	Versi v1 dan v1beta1 didukung.	Pratinjau
asia-northeast1	Tokyo	Versi v1 dan v1beta1 didukung.	Pratinjau
asia-northeast3	Seoul	Versi v1 dan v1beta1 didukung.	Pratinjau
asia-south1	Mumbai	Versi v1 dan v1beta1 didukung.	Pratinjau
asia-southeast1	Singapura	Versi v1 dan v1beta1 didukung.	Pratinjau
europe-central2	Warsawa	Versi v1 dan v1beta1 didukung.	Pratinjau
europe-north1	Finlandia	Versi v1 dan v1beta1 didukung.	Pratinjau
europe-southwest1	Madrid	Versi v1 dan v1beta1 didukung.	Pratinjau
europe-west1	Belgia	Versi v1 dan v1beta1 didukung.	Pratinjau
europe-west2	London	Versi v1 dan v1beta1 didukung.	Pratinjau
europe-west6	Zürich	Versi v1 dan v1beta1 didukung.	Pratinjau
europe-west8	Milan	Versi v1 dan v1beta1 didukung.	Pratinjau
europe-west9	Paris	Versi v1 dan v1beta1 didukung.	Pratinjau
us-east5	Columbus, OH	Versi v1 dan v1beta1 didukung.	Pratinjau
us-south1	Dallas, TX	Versi v1 dan v1beta1 didukung.	Pratinjau
us-west1	Oregon	Versi v1 dan v1beta1 didukung.	Pratinjau
us-west4	Las Vegas, NV	Versi v1 dan v1beta1 didukung.	Pratinjau

• us-central1, us-east1, dan us-east4 diubah menjadi Allowlist. Jika Anda ingin bereksperimen dengan RAG Engine, coba region lain.

Menghapus Mesin RAG

Untuk mengetahui informasi selengkapnya tentang cara menghapus Mesin RAG, lihat artikel berikut:

• API Versi 1 (v1) parameters

• Parameter API v1beta1

Langkah berikutnya

• Untuk mempelajari cara menggunakan Vertex AI SDK untuk menjalankan tugas RAG Engine di Platform Agen Gemini Enterprise, lihat Mulai cepat RAG untuk Python.

• Untuk mempelajari perujukan, lihat Ringkasan perujukan.

• Untuk mempelajari lebih lanjut respons dari RAG, lihat GenerateContentResponse.