Output pengambilan dan pembuatan Mesin RAG Vertex AI

Halaman ini menjelaskan kolom dalam output dari Vertex AI RAG Engine. Outputnya berisi bagian utama berikut:

• retrieveContexts: Berisi informasi tentang potongan teks yang diambil dari data sumber Anda.
• generateContent: Berisi respons yang dihasilkan dan metadata yang menunjukkan bagaimana respons didasarkan pada potongan teks yang diambil.

retrieveContexts

Respons retrieveContexts berisi kolom berikut.

Kolom

Contoh output

Contoh berikut menunjukkan format respons retrieveContexts:

contexts {
    source_uri: "gs://sample_folder/hello_world.txt"
    source_display_name: "hello_world.txt"
    text: "Hello World!"
    score: 0.60545359030757784
  }

generateContent

Sebagian besar kolom yang ditentukan untuk generateContent API dapat ditemukan di Isi respons.

Kolom

Objek grounding_metadata berisi kolom berikut:

• text: Respons yang dihasilkan oleh Gemini.
• grounding_chunks: Daftar potongan teks yang ditampilkan oleh Vertex AI RAG Engine yang relevan dengan kueri. Setiap objek chunk berisi kolom berikut:
  • retrieved_context: Objek yang berisi potongan teks yang digunakan untuk merujuk konten yang dihasilkan. Isinya adalah kolom berikut:
    • uri: source_uri data asli.
    • title: source_display_name file asli.
    • text: Chunk teks yang digunakan untuk mendasari respons Gemini.
• grounding_supports: Daftar yang menjelaskan hubungan antara segmen respons yang dihasilkan dan potongan perujukan. Setiap entri berisi kolom berikut:
  • segment: Objek yang mendeskripsikan segmen respons yang dihasilkan yang didasarkan pada data sumber. Isinya adalah kolom berikut:
    • start_index: Indeks karakter awal segmen teks yang memiliki rujukan. Jika kolom ini dihilangkan, indeksnya adalah 0.
    • end_index: Indeks karakter akhir segmen teks yang memiliki rujukan.
    • text: Teks segmen yang memiliki rujukan.
  • grounding_chunk_indices: Daftar indeks yang mengarah ke potongan dalam grounding_chunks yang digunakan untuk merujuk segmen teks. Indeks dimulai pada 0. Segmen dapat didasarkan pada lebih dari satu bagian.
  • confidence_scores: Daftar skor keyakinan. Setiap skor menunjukkan seberapa kuat segmen teks didasarkan pada potongan yang sesuai di grounding_chunk_indices. Skor maksimum adalah 1.0. Hanya potongan dengan skor keyakinan 0.6 atau lebih tinggi yang disertakan.

Contoh output

Contoh berikut menunjukkan format respons generateContent, yang berfokus pada grounding_metadata:

candidates {
  content {
    role: "model"
    parts {
      text: "The rectangle is red and the background is white. The rectangle appears to be on some type of document editing software. \n"
    }
  }
  grounding_metadata {
    grounding_chunks {
      retrieved_context {
        uri: "a.txt"
        title: "a.txt"
        text: "Okay ,  I  see  a  red  rectangle  on  a  white  background .  It looks like it\'s on some sort of document editing software. It has those small squares and circles around it, indicating that it\'s a selected object ."
      }
    }
    grounding_chunks {
      retrieved_context {
        uri: "b.txt"
        title: "b.txt"
        text: "The  video  is  identical  to  the  last  time  I  described  it .  It shows a blue rectangle on a white background."
      }
    }
    grounding_chunks {
      retrieved_context {
        uri: "c.txt"
        title: "c.txt"
        text: "Okay ,  I  remember  the  rectangle  was  blue  in  the  past  session . Now it is red.\n The  red  rectangle  is  still  there .  It \' s  still  in  the same position on the white background, with the same handles around it. Nothing new is visible since last time.\n You \' re  welcome .  The  red  rectangle  is  still  the  only  thing visible."
      }
    }
    grounding_supports {
      segment {
        end_index: 49
        text: "The rectangle is red and the background is white."
      }
      grounding_chunk_indices: 2
      grounding_chunk_indices: 0
      confidence_scores: 0.958192229
      confidence_scores: 0.992316723
    }
    grounding_supports {
      segment {
        start_index: 50
        end_index: 120
        text: "The rectangle appears to be on some type of document editing software."
      }
      grounding_chunk_indices: 0
      confidence_scores: 0.98374176
    }
  }
}

Langkah berikutnya

• Untuk mempelajari lebih lanjut konteks RAG dalam referensi API, lihat Konteks.
• Untuk mempelajari RAG lebih lanjut, lihat Ringkasan Mesin RAG Vertex AI.