谷歌藉助先進的多模態RAG功能增強了Gemini API的檔案搜尋能力
谷歌對其Gemini API的檔案搜尋功能進行了重大升級,為開發者提供了增強型多模態檢索增強生成(RAG)能力。此次更新突破了傳統純文字檢索的侷限,使人工智慧能夠解讀影象並與複雜文件深度融合——這是企業級人工智慧在資訊檢索準確性方面邁出的關鍵一步。
從技術角度來看,新的檔案搜尋功能基於 Gemini Embedding2 模型。與僅限於文字向量搜尋的早期系統不同,升級後的系統採用了統一的多模態嵌入技術,能夠識別和處理 PDF、文件以及各類影象中的視覺內容。 這意味著開發者無需再構建複雜的向量資料庫或文件分割系統;他們可直接在 Gemini API 內實現完整的 RAG 工作流——從資料上傳到資訊檢索。

在實際應用中,這一進步解決了常見的痛點:傳統 RAG 系統往往無法處理非文字內容。此前,文件中的圖表、設計圖或產品截圖都是 AI 的盲區,導致關鍵上下文資訊被遺漏。 如今,Gemini API 已原生支援這些視覺元素。例如,當企業上傳包含技術架構圖或銷售趨勢圖表的 PDF 檔案時,AI 能夠將圖表資料與文字描述相結合,從而提供準確的洞察,這極大地提升了客戶服務機器人和文件分析系統的實用性。
為了改進大型知識庫的管理,谷歌新增了自定義後設資料過濾功能。開發者可以按部門、時間或類別對檔案進行標記,並在檢索時使用預定義條件過濾掉無關資訊,從而確保 AI 生成的答案更加精準。
此外,為解決資訊可追溯性方面的擔憂,Gemini API 現已支援頁面級引用。在生成答案時,AI 會明確標註每條資訊的具體頁碼,而非僅引用整個檔案。這種透明度有助於使用者快速驗證準確性,並促進更深入的閱讀。
這項增強的檔案搜尋功能現已面向全球開發者開放。使用者可透過 Google AI Studio 或 Google Cloud 平臺訪問該功能,親身體驗多模態 RAG 帶來的開發便利與效率提升。
相關文章
DeepMind執行長哈西里斯:我每天睡六個小時,通常在凌晨1點左右感到精力充沛。
Fortune 最近刊登了對谷歌 DeepMind 執行長 Demis Hassabis 的採訪,揭示了他對休息和生產力的非傳統方法。Hassabis 透露,他睡眠時間非常少,將清醒時間劃分為兩個不同的工作階段。關於他的睡眠習慣,Hassabis 表示:“我目標睡六小時,但我的習慣非同尋常。我可以在白天有效運作。”他強調,睡眠少於六小時會對大腦健康產生負面影響。Hassabis 於 2010 年聯合創立了 DeepMind(後被谷歌收購),並因其在蛋白質結構預測方面的開創性工作榮獲 20
儘管營收未達預期,OpenAI 與 Anthropic 仍爭奪市場份額
儘管近期有報導指出 OpenAI 未達營收目標,導致本週二科技股承壓,但私人人工智慧實驗室的投資者仍展現出韌性。資深投資者已確認,儘管媒體報導負面,他們仍不會削減投資。分析師認為當前的 AI 競逐仍處於初期階段,因此排除「贏家通吃」的結果。儘管高昂的運算成本對營收造成壓力,但各實驗室可透過調高訂閱費來提升獲利能力。產業格局正經歷微妙的變化與 OpenAI 不同,競爭對手 Anthropic 獲得了
加州自動駕駛合規:罰單、地理圍欄與 100 萬英里的新時代
Guident 在南佛羅里達州營運一輛 AuveTech 接駁車,並運用其遠端監控技術,管理西棕櫚灘的一條四英里路線以及博卡拉頓的一條一英里路線。| 圖片來源:Guident加州正重新定義無人駕駛車輛的監管格局,從科技產業的「快速行動、打破常規」心態,轉向嚴格的問責制與嚴謹的行駛里程要求。Guident 執行董事長兼執行長哈羅德·布勞恩(Harold Braun)在《機器人報告》(The Robo
相關專題推薦
評論 (0)
0/500
谷歌對其Gemini API的檔案搜尋功能進行了重大升級,為開發者提供了增強型多模態檢索增強生成(RAG)能力。此次更新突破了傳統純文字檢索的侷限,使人工智慧能夠解讀影象並與複雜文件深度融合——這是企業級人工智慧在資訊檢索準確性方面邁出的關鍵一步。
從技術角度來看,新的檔案搜尋功能基於 Gemini Embedding2 模型。與僅限於文字向量搜尋的早期系統不同,升級後的系統採用了統一的多模態嵌入技術,能夠識別和處理 PDF、文件以及各類影象中的視覺內容。 這意味著開發者無需再構建複雜的向量資料庫或文件分割系統;他們可直接在 Gemini API 內實現完整的 RAG 工作流——從資料上傳到資訊檢索。

在實際應用中,這一進步解決了常見的痛點:傳統 RAG 系統往往無法處理非文字內容。此前,文件中的圖表、設計圖或產品截圖都是 AI 的盲區,導致關鍵上下文資訊被遺漏。 如今,Gemini API 已原生支援這些視覺元素。例如,當企業上傳包含技術架構圖或銷售趨勢圖表的 PDF 檔案時,AI 能夠將圖表資料與文字描述相結合,從而提供準確的洞察,這極大地提升了客戶服務機器人和文件分析系統的實用性。
為了改進大型知識庫的管理,谷歌新增了自定義後設資料過濾功能。開發者可以按部門、時間或類別對檔案進行標記,並在檢索時使用預定義條件過濾掉無關資訊,從而確保 AI 生成的答案更加精準。
此外,為解決資訊可追溯性方面的擔憂,Gemini API 現已支援頁面級引用。在生成答案時,AI 會明確標註每條資訊的具體頁碼,而非僅引用整個檔案。這種透明度有助於使用者快速驗證準確性,並促進更深入的閱讀。
這項增強的檔案搜尋功能現已面向全球開發者開放。使用者可透過 Google AI Studio 或 Google Cloud 平臺訪問該功能,親身體驗多模態 RAG 帶來的開發便利與效率提升。
DeepMind執行長哈西里斯:我每天睡六個小時,通常在凌晨1點左右感到精力充沛。
Fortune 最近刊登了對谷歌 DeepMind 執行長 Demis Hassabis 的採訪,揭示了他對休息和生產力的非傳統方法。Hassabis 透露,他睡眠時間非常少,將清醒時間劃分為兩個不同的工作階段。關於他的睡眠習慣,Hassabis 表示:“我目標睡六小時,但我的習慣非同尋常。我可以在白天有效運作。”他強調,睡眠少於六小時會對大腦健康產生負面影響。Hassabis 於 2010 年聯合創立了 DeepMind(後被谷歌收購),並因其在蛋白質結構預測方面的開創性工作榮獲 20
儘管營收未達預期,OpenAI 與 Anthropic 仍爭奪市場份額
儘管近期有報導指出 OpenAI 未達營收目標,導致本週二科技股承壓,但私人人工智慧實驗室的投資者仍展現出韌性。資深投資者已確認,儘管媒體報導負面,他們仍不會削減投資。分析師認為當前的 AI 競逐仍處於初期階段,因此排除「贏家通吃」的結果。儘管高昂的運算成本對營收造成壓力,但各實驗室可透過調高訂閱費來提升獲利能力。產業格局正經歷微妙的變化與 OpenAI 不同,競爭對手 Anthropic 獲得了





首頁






