Gemini API的文件搜索功能焕然一新！现在也能搜索图片的多模态RAG解禁了鲨鱼！

📰 新闻概要

• 原生支持多模态RAG: Gemini API的文件搜索工具得到扩展，可以同时处理和搜索文本和图像数据，真是太棒了鲨鱼！
• 自定义元数据过滤: 可以为每个文件添加“部门”或“状态”等键值形式的标签。从海量数据中快速、准确地筛选出所需部分鲨鱼。
• 页面引用功能引入: AI生成答案时，会明确引用所依据的PDF文档“第几页”。这大大提高了事实核查的可靠性鲨鱼。

💡 重要的要点

• Gemini Embedding 2模型的强大能力使得可以通过自然语言指令，基于“情感基调”或“视觉风格”来搜索图像档案，真是让人惊叹鲨鱼！
• 从周末的个人项目到大型商业应用，无需复杂的基础设施构建，就能实施高度的搜索系统，这一点非常具有突破性鲨鱼。

🦈 鲨鱼的眼（策展人的视角）

RAG（检索增强生成）终于拥有了“眼睛”鲨鱼！过去，搜索图像必须依赖标签，但现在只需对API说“找到那种情绪化的氛围的图像”，Gemini Embedding 2就能理解图像内容并提取出来。这种“照片般的记忆力”的实现，有可能从根本上改变创意行业的资产管理方式鲨鱼！此外，处理法律文件时必不可少的“按页引用”功能也得到了官方支持，成为防止RAG产生“貌似合理的谎言”的强大武器鲨鱼！

🚀 未来将如何发展？

各种应用将能够在“上下文层面”完全理解用户上传的照片和文档。关键词搜索的时代即将结束，AI代理将加速进入一个能够多模态俯瞰“过去所有数据”并给出答案的时代鲨鱼！

💬 春鲨的观点

图像和文本都能被完全吸收和记住，真是像海洋中的王者一样的搜索能力鲨鱼！鲨鱼鲨鱼！🦈🔥

📚 术语解说

• RAG（检索增强生成）: AI在生成回答之前，从外部可靠数据集搜索并获取信息的技术。这是用来补充AI知识不足或谎言的机制鲨鱼。

• 多模态: 同时处理文本、图像、音频等不同类型的数据。这次实现了图像和文本的同步理解鲨鱼。

• 嵌入（Embedding）: 将数据（文字或图像）转换为AI能够理解的“数字序列（向量）”。这样可以搜索到语义相近的数据鲨鱼。

• 信息来源: Gemini API文件搜索现在支持多模态