当前位置:首页 > 文章列表 > 科技周边 > 业界新闻 > 谷歌FileSearchTool上线,集成GeminiAPI功能

谷歌FileSearchTool上线,集成GeminiAPI功能

2025-11-30 15:06:36 0浏览 收藏

在IT行业这个发展更新速度很快的行业,只有不停止的学习,才不会被行业所淘汰。如果你是科技周边学习者,那么本文《谷歌推出 File Search Tool,集成 Gemini API》就很适合你!本篇内容主要包括##content_title##,希望对大家的知识积累有所帮助,助力实战开发!

谷歌近日宣布,其Gemini API正式推出File Search Tool(文件搜索系统)。该工具是一项完全托管的检索增强生成(RAG)服务,旨在为开发者提供一种简单、集成且可扩展的方法,利用自有数据对Gemini模型进行“锚定”,从而提升生成内容的相关性与准确性。

谷歌推出 File Search Tool 文件搜索系统 ,集成至 Gemini API

借助这一功能,开发者可以上传私有文档,系统将自动完成文本分块、索引构建以及检索处理。这使得Gemini模型在响应查询时,能够基于用户提供的文件内容生成更具上下文感知能力的回答。

使用示例代码如下:

from google import genai
from google.genai import types

client = genai.Client() store = client.file_search_stores.create()

upload_op = client.file_search_stores.upload_to_file_search_store( file_search_store_name=store.name, file='path/to/your/document.pdf' )

while not upload_op.done: time.sleep(5) upload_ops = client.operations.get(upload_op)

在生成请求中将文件搜索存储作为工具使用

response = client.models.generate_content( model='gemini-2.5-flash', contents='What does the research say about ...', config=types.GenerateContentConfig( tools=[types.Tool( file_search=types.FileSearch( file_search_store_names=[store.name] ) )] ) )

print(response.text)

使用来源链接支持回答内容

grounding = response.candidates[0].grounding_metadata sources = {c.retrieved_context.title for c in grounding.grounding_chunks} print('Sources:', *sources)

据官方介绍,File Search 工具会自动管理文件存储、内容分块及嵌入向量生成。计费方式为每百万索引词元0.15美元,且仅在执行查询时生成嵌入,有效控制成本。目前支持多种常见文件格式,包括PDF、DOCX、TXT和JSON等。

源码地址:点击下载

今天带大家了解了的相关知识,希望对你有所帮助;关于科技周边的技术知识我们会一点点深入介绍,欢迎大家关注golang学习网公众号,一起学习编程~

Python函数嵌套调用技巧解析Python函数嵌套调用技巧解析
上一篇
Python函数嵌套调用技巧解析
AO3镜像站登录方法及使用技巧
下一篇
AO3镜像站登录方法及使用技巧
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    365次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    423次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    436次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    387次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    214次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码