创建Vertex Data Store

这是在创建 Grounded by data store Model connection 以使用Google Vertex AI RAG功能之前的一个先决步骤。

您首先需要在 Google Cloud 中创建一个存储桶，然后在 Agent Builder 中创建一个 Vertex Data Store。 我们建议将这些步骤用作示例。

在 Google Cloud 中创建存储桶

在创建数据存储之前，您需要在 Google Cloud 中创建一个存储桶并将您的数据上传到其中。

在 Google Cloud 中创建一个存储桶

  1. 登录到您的 Google Cloud 账户，然后导航到 Cloud Storage 并单击创建存储桶。
  2. 为存储桶提供一个名称，并将其余参数保留为默认设置，然后单击继续。
  3. 接下来，将您的文档上传到这个新存储桶中。 这可以包括 Vertex Data Store 支持的任何文档格式，例如： PDF、HTML、TXT 等。

创建Vertex Data Store

完成创建存储桶后，您需要导航到 Agent Builder > 数据存储选项卡以创建数据存储。

  1. 在创建数据存储 > 选择数据来源屏幕中，选择云存储。
    注： 在前面的步骤中，您已经在云存储中创建了一个存储桶。

    在 Agent Builder 中创建数据存储

  2. 选择 从云存储导入数据 > 您要导入哪种类型的数据？ > 非结构化文档（PDF、HTML、TXT 等）。
  3. 所有其他参数使用默认选择，但需要指定文件夹。
  4. 单击文件夹并选择您之前创建的存储桶，然后单击继续。

    配置数据存储

  5. 在配置您的数据存储屏幕中，对数据存储位置 字段使用默认选项。
  6. 为数据存储名称字段提供一个名称。
    注： 数据存储包括被分块和编码的向量化数据，用于 RAG 解决方案。 如果您想对内容进行分块，您可以在此时进行配置。
  7. 展开文档处理选项部分。

    配置数据存储的文档解析

  8. 在文档解析部分，我们建议选择布局解析器，因为它适用于大多数文档类型。
    注： 请参阅 解析和分块文档 .
  9. 选择布局解析器选项可启用文档分块。
  10. 接下来，勾选在文档块中包含祖先标题选项，因为这有助于从多个具有数据重叠的文档块中返回更全面的响应。 选择此选项是可选的，具体取决于您的需求。
  11. 单击创建以完成数据存储的配置。

Google Data Store 摘要

在 Agent Builder 中，导航到应用程序 > 数据存储，然后单击您创建的数据存储。 您将看到数据存储的摘要屏幕，其中包含在 AI Agent Studio 中创建 Grounded by data store Model connection 时需要参考的信息。

数据存储摘要视图

项目 ID
这是项目在 Google Data Store 中显示的 ID。 在 AI Agent Studio 中创建 Grounded by data store Model connection 时，您将需要此值。 当您选择数据存储时，您将发现此 ID。

在哪里找到您的项目 ID

数据存储 ID
在 AI Agent Studio 中创建 Grounded by data store Model connection 时，您需要使用此 ID 定义身份验证详细信息。
地区
显示数据存储部署区域。

从下拉列表中选择一个地区进行连接，并向 Model connection 进行身份验证。 您还可以添加在 Agent Builder 中创建数据源时配置的地区。 请参阅 创建数据存储 .

已连接的应用程序
显示数据存储连接的应用程序。
注： 如果您想直接在 Google Data Store 中测试数据源，您可以在 Google Data Store 中创建一个应用程序并将其连接到您创建的数据存储。

在 AI Agent Studio 中创建 Google Vertex AI Model connection 所需的身份验证详细信息

在创建数据存储后，上传文档需要一些时间。 单击数据存储 > 活动以查看上传状态。