جستجوی چندوجهی فایل API در Gemini

اکنون می‌توان سیستم‌های RAG را با استفاده از داده‌های چندوجهی و فراداده‌های سفارشی بسازید. همچنین برای بهبود استنادپذیری و شفافیت، ارجاعات صفحه‌ای نیز قابل‌استفاده است. چه در حال نمونه‌سازی یک پروژه کوچک باشید و چه در حال مقیاس‌پذیری یک برنامه کاربردی در سطح تولید برای هزاران کاربر، سیستم‌های RAG شما اکنون می‌توانند به طور بومی داده‌های متنی و بصری شما را پردازش کرده و بهتر سازمان‌دهی کنند.

کاربردهای Gemini API File Search

حافظه تصویری برای برنامه‌ها

جستجوی فایل اکنون تصاویر و متن را با هم پردازش می‌کند. این ابزار که توسط مدل Gemini Embedding 2 پشتیبانی می‌شود، داده‌های تصویر بومی را درک کرده و برای عامل‌ها آگاهی زمینه‌ای فراهم می‌کند.

در هوشیو بخوانید:
انتشار مدل Gemini Embedding 2

یک آژانس خلاق را در نظر بگیرید که در تلاش برای یافتن یک دارایی بصری خاص است. به‌جای تکیه بر کلمات کلیدی یا نام فایل‌ها، برنامه می‌تواند یک آرشیو کامل را برای یافتن تصویری که با یک لحن احساسی یا سبک بصری خاص (که در یک توضیح مختصر مبتنی بر زبان طبیعی توصیف شده است) مطابقت دارد، جست‌وجو کند.

فیلترکردن نویزها با فراداده‌های سفارشی

ریختن فایل‌ها در یک پایگاه‌داده آسان است؛ یافتن فایل مناسب در مقیاس بزرگ، چالش واقعی است. فراداده‌های سفارشی به شما امکان می‌دهند برچسب‌های کلید-مقدار (Key-Value) را به داده‌های بدون ساختار خود ضمیمه کنید؛ مواردی مانند «بخش: حقوقی» (department: Legal) یا «وضعیت: نهایی» (status: Final).

با اعمال فیلترهای فراداده در زمان پرس‌وجو (Query Time)، برنامه شما می‌تواند دامنه درخواست‌ها را به بخشِ داده‌های موردنیاز محدود کند. این امر به طور قابل‌توجهی نویز ناشی از اسناد نامربوط را کاهش داده و سرعت و دقت جریان‌های کاری RAG شما را افزایش می‌دهد.

نمایش نتایج کار با ارجاعات صفحه‌ای

هنگامی که برنامه شما پاسخی را از یک فایل PDF حجیم استخراج می‌کند، کاربران باید دقیقاً بررسی کنند که آن پاسخ از کجا آمده است.

جستجوی فایل اکنون پاسخ مدل را مستقیماً به منبع اصلی پیوند می‌دهد. این ابزار شماره صفحه را برای هر بخش از اطلاعات نمایه‌سازی‌شده ثبت می‌کند. این سطح از جزئی‌نگری به شما امکان می‌دهد تا کاربران را مستقیماً به نقطه درست هدایت کنید که این امر به جلب‌اعتماد کمک کرده و ابزار شما را برای بررسی دقیق و صحت‌سنجی کاربردی می‌کند.

شروع کار با جستجوی فایل

ابزار جست‌وجوی فایل، زیرساخت‌های سنگین را مدیریت می‌کند تا شما بتوانید صرفاً بر روی ساخت محصول تمرکز کنید.

from google import genai

client = genai.Client()

# Initialize a multimodal file store

store = client.file_search_stores.create(

  config={

    "display_name": "my-knowledge-base",

    "embedding_model": "models/gemini-embedding-2"

  }

)

print(f"Created store: {store.name}")

# Now you can upload documents and images

برای شروع، راهنمای توسعه‌دهندگان و مستندات API را بررسی کنید.