Gemini API 现已内置文件搜索工具（File Search Tool），这是一个完全托管的检索增强生成（RAG）系统。该工具将复杂的检索流程完全抽象化，让开发者可以专注于核心业务逻辑，轻松地将 Gemini 模型与私有数据相结合，从而生成更准确、更具相关性且可验证的响应。

核心优势

文件搜索工具通过处理 RAG 的复杂性，显著加速了开发工作流程，为自建 RAG 系统提供了一个简单易用的替代方案。

  • 简单集成的开发体验：我们简化了整个 RAG 流程。文件搜索工具会自动管理文件存储、优化分块策略、生成嵌入向量，并将检索到的上下文动态注入到您的提示中。它直接集成在现有的 generateContent API 中，上手非常容易。
  • 强大的向量搜索：该工具由我们最新的 Gemini Embedding 模型驱动，利用向量搜索来理解用户查询的语义和上下文，即使文档中没有完全相同的词语，也能精准地找到相关信息。
  • 内置引用溯源：模型生成的响应会自动包含引用信息，明确指出答案来源于您文档中的哪些部分，使内容核实变得简单快捷。
  • 支持多种文件格式：您可以使用多种文件格式来构建全面的知识库，包括 PDF、DOCX、TXT、JSON 以及许多常见的编程语言文件类型。

工作原理

文件搜索工具旨在将 RAG 的实现门槛降至最低。您只需上传文件，该工具便会自动处理后续所有步骤：

  1. 文件处理与分块：自动对上传的文件进行解析和智能分块。
  2. 嵌入与索引：使用 Gemini Embedding 模型为每个数据块创建向量嵌入，并建立索引。
  3. 检索与注入：当用户查询时，工具会执行向量搜索，找到最相关的上下文，并将其无缝注入到发送给 Gemini 模型的最终提示中。

整个过程对开发者透明，无需手动管理复杂的管道。

创新的计费模式

为了让所有开发者都能轻松使用并负担得起文件搜索工具，我们推出了全新的计费模式：

  • 查询时免费：文件存储和查询时生成嵌入向量完全免费。
  • 仅为首次索引付费：您只需在首次索引文件并创建嵌入时支付一次性费用。

这种计费方式使得文件搜索工具在构建和扩展 RAG 应用时，不仅开发体验更简单，成本效益也极高。

开发者案例：Phaser Studio 的 Beam 平台

在早期测试中，开发者已经开始使用文件搜索工具构建出色的应用，涵盖了智能客服、内部知识库和创意内容发现平台等多个领域。

由 Phaser Studio 开发的 AI 游戏生成平台 Beam 就是一个典型案例。Beam 将文件搜索集成到其工作流中，每天在其不断增长的模板数据上执行数千次搜索。文件搜索工具能够轻松处理跨所有语料库的并行查询，并在 2 秒内整合返回结果。相比之下，之前手动进行交叉引用需要数小时，性能提升显著。

如何开始使用

您可以立即开始体验文件搜索工具的强大功能：

  • 访问官方文档，深入了解其工作原理和 API 细节。
  • 在 Google AI Studio 中，可以找到一个由文件搜索工具驱动的演示应用，并根据您的需求进行修改和定制。

👉 如果你需要 ChatGPT 代充 / Claude / Claude Code / 镜像 / 中转 API：