您可以使用 Agent Retrieval (舊稱 Vector Search 2.0)，為集合自動生成嵌入項目。您可以立即建構及部署新的嵌入，簡化從原始資料到即時生產規模搜尋引擎的路徑。
支援的 Gemini Enterprise 嵌入模型
Agent Retrieval (舊稱 向量搜尋 2.0) 支援下列嵌入模型：
Gemini：提供最先進的文字 (僅限英文和多語言) 嵌入效能。
文字：專門處理 (僅限英文和多語言) 和原始碼資料。
下表詳細列出各個支援的機型。
| 模型 | 說明 | 最多 輸出 尺寸 |
序列 長度 上限 (詞元) |
支援的模式 和文字語言 |
其他 限制 |
|---|---|---|---|---|---|
gemini-embedding-001
|
在英文、多語言和程式碼工作上提供頂尖效能。 這項模型整合了先前的專用模型 (例如 text-embedding-005 和text-multilingual-embedding-002)，並在各自領域中達到更出色的效能。 |
3072 | 2048 | 支援的文字語言 | 嵌入限制 |
gemini-embedding-2-preview
|
這是 Google 的新一代多模態嵌入模型。這款「全方位嵌入模型」採用 最新的 Gemini 模型架構，可將 文字、圖片、影片和 PDF 資料對應至單一整合式嵌入空間。 |
3072 | 8192 | 文字、圖片、影片和 PDF 檔夾雜的內容 | API 限制 |
gemini-embedding-2
|
這是 Google 的新一代多模態嵌入模型。這款「全方位嵌入模型」採用 最新的 Gemini 模型架構，可將 文字、圖片、影片和 PDF 資料對應至單一整合式嵌入空間。 |
3072 | 8192 | 文字、圖片、影片和 PDF 檔夾雜的內容 | API 限制 |
text-embedding-004 |
擅長處理英文和程式碼相關工作。 | 768 | 2048 | 英文 | API 限制 |
text-embedding-005 |
擅長處理英文和程式碼相關工作。 | 768 | 2048 | 英文 | API 限制 |
text-multilingual-embedding-002 |
擅長處理多語言工作。 | 768 | 2048 | 支援的文字語言 | API 限制 |
使用自動生成的嵌入建立集合
建立集合時，請在 vertex_embedding_config 的 model_id 欄位中指定嵌入模型。建立沒有定義 genre_embedding 資料的資料物件時，系統就會使用這個模型。
下列程式碼示範如何在自動生成嵌入時，指定要使用的嵌入模型。
request = vectorsearch.CreateCollectionRequest(
parent=f"projects/{PROJECT_ID}/locations/{LOCATION}",
collection_id=collection_id,
collection={
"data_schema": {
"type": "object",
"properties": {
"year": {"type": "number"},
"genre": {"type": "string"},
"director": {"type": "string"},
"title": {"type": "string"},
},
},
"vector_schema": {
"plot_embedding": {"dense_vector": {"dimensions": 3} },
"soundtrack_embedding": {"dense_vector": {"dimensions": 5} },
"genre_embedding": {
"dense_vector": {
"dimensions": 4,
"vertex_embedding_config": {
# If a data object is created without a supplied value for genre_embedding, it will be
# auto-generated based on this config.
"model_id": "text-embedding-004",
"text_template": ("Movie: {title} Genre: {genre} Year: {year}"),
"task_type": "RETRIEVAL_DOCUMENT",
},
}
},
"sparse_embedding": {"sparse_vector": { } },
},
},
)
operation = vector_search_service_client.create_collection(request=request)
operation.result()
在範例程式碼中，系統會建立新的 Collection，並將 model_id 欄位設為 text-embedding-004。如要瞭解可為 model_id 指定的嵌入模型，請參閱「支援的 Gemini Enterprise 嵌入模型」。
配額
自動生成的嵌入項目會使用基礎 Gemini Enterprise 嵌入模型，因此會計入客戶配額。這項限制主要受到兩項配額影響：
每個區域每分鐘每個 base_model 的嵌入內容輸入權杖數。
每個地區每分鐘每個基礎模型的線上預測要求數。
建立資料物件或執行匯入工作前，請確認您有足夠的配額。
如要瞭解如何要求提高配額，請參閱「使用控制台管理配額」。